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...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 dS·m-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。展开更多
文摘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 dS·m-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。
