分类： 地球科学 >> 地理学 提交时间： 2023-09-19 合作期刊: 《干旱区地理》
摘要： 干旱半干旱地区急需高分辨率的土壤盐度图用于显示盐度空间分布的细微变化，指导盐渍化区域和潜在盐渍化区域制定土地资源管理政策和水资源管理政策，防止土壤进一步退化，保障农业经济可持续发展和粮食安全生产。基于PlanetScope影像，提取植被光谱指数和土壤盐度指数，共计21个变量，将其输入装袋回归（Bootstrap aggregating，Bagging）算法中，构建了土壤盐度预测模型Model-Ⅰ；使用最相关最小冗余（Max-relevance and min-redundancy，mRMR）方法筛选特征变量，将其输入Bagging中，构建了土壤盐度预测模型Model-Ⅱ，使用野外采样数据来辅助建模并进行验证。通过模型评价指标对Model-Ⅰ和Model-Ⅱ进行评估。结果表明：Model-Ⅱ的预测性能优于Model-Ⅰ（验证集决定系数为0.66，均方根误差为18.00 dSm-1，四分位数的相对预测误差为3.21），mRMR有效降低了多维特征冗余问题。PlanetScope影像结合mRMR方法成功绘制了高分辨率土壤盐度图，提供了更详细的土壤盐度空间分布信息，研究结果对利用PlanetScope数据监测土壤盐渍化信息起推动作用。
分类： 地球科学 >> 地理学 提交时间： 2023-04-07 合作期刊: 《干旱区地理》
摘要： 中小型河流的径流量精准监测对干旱区生态稳定具有重要意义。然而中小型河流流量遥感精准反演存在困难。以新疆尼勒克县境内的喀什河种峰场河段为例，基于关系拟合法，依据实测水文数据、无人机数据和卫星数据，构建河宽、水深与流量之间幂函数关系模型，并利用卫星数据的时序性，反演监测河段24次不同时期的径流量。反演结果表明：当径流量为0~50 m3s-1和50~100 m3s-1时，基于河宽的水力几何形态径流量反演效果最优，均方根误差（RMSE）分别为7.15 m3s-1和2.81 m3s-1；当径流量为100~200 m3s-1和>200 m3s-1时，基于水深和河宽的水力几何形态径流量反演效果最佳，RMSE分别为13.37 m3s-1和1.06 m3s-1。研究结果可为水文资料缺乏区的中小型河流径流精细化监测与管理提供一种新方法，也对洪流灾害预测、水能资源开发与水生态系统修复具有较高的参考价值。
分类： 地球科学 >> 地理学 提交时间： 2020-01-06 合作期刊: 《干旱区地理》
摘要： 土壤电导率 (Electrical conductivity, EC)是评价土壤盐渍化的重要指标。通过实测新疆艾比湖湿地自然保护区土壤EC及可见光—近红外光谱数据，利用波谱响应技术模拟Landsat 8 OLI、Sentinel 2、Sentinel 3卫星的宽波段数据。构建宽波段模拟数据及其5种预处理后的三维光谱指数 (Three-dimensional spectral index, TDSI)，采用梯度提升回归树算法 (Gradient boosting regression tree, GBRT) 建立3种卫星土壤EC估算模型，并比对加入TDSI后模型精度的变化。结果表明：在不同土壤EC条件下，3种卫星具有相似的光谱趋势，均在红、近红外波段附近反射率较高；TDSI与土壤EC相关性基本均在0.4以上，最大程度保留了与土壤EC敏感度高的红、绿、蓝、近红外、短波红外波段信息；GBRT对于土壤EC估算能力表现突出，3种卫星对土壤EC的最佳预测精度R2分别为0.831、0.847、0.903，在加入TDSI后，R2分别提高至0.835、0.857、0.935，综合分析发现，Sentinel 3对土壤EC估算效果最佳 (R2=0.935，均方根误差RMSE=2.986 mS·cm-1，赤池信息准则AIC=57.500)。通过利用波谱响应技术结合TDSI深度挖掘波段间的协同信息，采用GBRT验证了不同卫星对土壤R2的估算效果，二者相结合可以有效提升模型预测精度，为干旱区土壤盐渍化定量监测与防控提供有利指导。
分类： 地球科学 >> 地球科学其他学科 提交时间： 2019-09-11 合作期刊: 《干旱区研究》
摘要： 以渭干河—库车河绿洲(渭—库绿洲)为研究区，采用在机器学习方面具有明显优势的随机森林回归算法，对绿洲内的4种典型植被(棉花、芦苇、杨树、大枣)叶片的叶绿素相对含量(soil and plant analyzer development, SPAD)进行估算和验证。首先基于“红边”处光谱信息丰富的哨兵2号(Sentinel-2)影像和由其衍生的一阶微分、二阶微分影像各提取23种对叶绿素敏感的宽波段光谱指数，加入3种影响植物生长的土壤参量(土壤含水量，土壤有机质，土壤电导率)作为影响叶片SPAD的特征变量，再根据以上特征变量对每种植被叶片各建立3种方案的SPAD估算模型，从而实现对绿洲内植被叶绿素的监测。结果表明：① 影像经一阶微分再提取的植被指数相比原位光谱植被指数，在SPAD估测模型中起到了更重要的作用，在随机森林算法的重要性排序中位居前列；② 4种植被叶片的SPAD估测模型都取得了不错的效果，芦苇叶片尤为显著，确定系数(R2)达到了0.926；③ 分析对比3种方案下模型预测能力，方案3(包含土壤参量)的预测能力卓越〔2.143方案1>方案2，土壤属性和模型预测结果有较强的非线性相关。Sentinel-2数据具有理想的估算绿洲植被叶绿素含量的潜力，提供了一种高效、低成本、潜在高精度的方案来估算叶绿素含量，可为干旱区绿洲农业、生态系统实现更有效的保护和管理提供参考。
点击量
点击量
下载量
评论
