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.

关键词：机器学习、土壤盐分预测、贝叶斯神经网络、银川平原

所属期刊栏目：46

分类号：TP181;TP79;S127

资助基金：国家自然科学基金;国家自然科学基金;宁夏回族自治区重点研发计划项目

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：103-114