基于机器学习和多光谱遥感的银川平原土壤盐分预测

摘要: 快速获取区域土壤盐渍化程度信息，对于盐渍化治理与生态环境保护具有重要意义。以银川平原为研究区，以盐分影响因子和盐分指数分别作为输入参数，建立支持向量机（SVM），BP神经网络（BPNN）和贝叶斯神经网络（BNN）3种土壤盐分预测模型，选取最佳模型进行研究区不同深度的土壤盐渍化预测。结果表明：（1）0~20 cm土壤盐分预测模型中基于影响因子变量组的BNN模型效果最佳，决定系数（R2）为0.618，均方根误差（RMSE）为2.986；20~40 cm土壤盐分预测模型中基于盐分指数变量组的BNN模型效果最佳，R2为0.651，RMSE为1.947；综合对比下，BNN模型的预测效果最好，可用于研究区土壤盐渍化预测。（2）银川平原主要是以非盐渍化和轻度盐渍化为主，0~20 cm土壤重度盐渍化及盐土共占总面积的11.59%，20~40 cm土壤重度盐渍化及盐土共占总面积的7.04%，20~40 cm土壤盐渍化程度较0~20 cm土壤盐渍化轻。