-
题名基于GF-1遥感数据预测区域森林土壤有机质含量
被引量:3
- 1
-
-
作者
李莹莹
赵正勇
杨旗
丁晓纲
孙冬晓
韦孙玮
-
机构
广西大学林学院广西森林生态与保育重点实验室
广东省林业科学研究院
-
出处
《土壤》
CAS
CSCD
北大核心
2022年第1期191-197,共7页
-
基金
广西自然科学基金项目(2018GXNSFBA138035,2018GXNSFAA050135)
广东省林业科技计划项目(2019-07)资助。
-
文摘
为探索国产卫星GF-1预测土壤有机质(SOM)的能力,本研究以广东省云浮市的罗定市为研究区,以GF-1多光谱遥感影像衍生的9个遥感变量和DEM提取的9个地形水文变量为预测因子,建立2种人工神经网络模型(A模型:地形水文;B模型:地形水文+遥感),对5个土壤深度(L1:0~20 cm,L2:20~40 cm,L3:40~60 cm,L4:60~80 cm,L5:80~100 cm)的SOM进行预测。结果表明:5个深度的B模型全都比A模型的精度高,尤其是L1、L2土层,精度提升明显,其R^(2)分别提高了13%和10%;而深层土壤(L3、L4、L5)的精度提升较小,仅提高了4%、5%和4%。另外,两个评价指标RMSE和ROA±10%也表现出相似的趋势。总体而言,GF-1遥感数据显著改善了上层(0~40 cm)森林土壤人工神经网络模型的预测精度,对下层(40~100 cm)森林土壤模型改善尺度较低,是预测森林土壤SOM含量可观的新遥感数据源。
-
关键词
土壤预测
人工神经网络模型
GF-1
遥感数据
多层土壤
-
Keywords
Soil prediction
Artificial neural network model
GF-1
Remote sensing data
Multi-layer soil
-
分类号
S159-3
[农业科学—土壤学]
S714
[农业科学—林学]
-