多光谱遥感结合随机森林算法反演耕作土壤有机质含量

摘要：

土壤有机质(Soil Organic Matter,SOM)遥感反演一般以单期影像作为输入量,为研究多时相影像遥感结合随机森林提高 SOM 遥感反演精度的可能性,该研究以黑龙江省农垦总局胜利农场耕地范围为研究区,以 Sentinel-2A 和Landsat 8影像作为数据源,获取两期裸土遥感影像,构建光谱指数,以随机森林算法筛选波段和光谱指数作为输入量,构建SOM反演模型.结果表明:1)两期影像的SOM反射光谱响应波段包括二者共有的中心波长:约560、660、850 nm,以及Sentinel-2A特有的中心波长740 nm 4个波段;2)基于单期影像最佳波段和光谱指数,Sentinel-2A影像SOM最优反演模型R2为0.913,均方根误差为0.860 g/kg,精度高于Landsat 8影像反演模型;3)单期影像最佳波段引入光谱指数,相比以最佳波段作为输入量,使SOM最优反演模型的均方根误差分别提高了28.867％和8.722％;4)引入时相信息,基于单期和两期影像波段和光谱指数,SOM最优反演模型精度由高到低为两期影像(R2为0.938,均方根误差1.329 g/kg)、Sentinel-2A影像(R2为0.935,均方根误差为1.944 g/kg)、Landsat 8影像(R2为0.922,均方根误差2.022 g/kg),两期影像SOM最优反演模型的稳定性和精度略高于单期影像.研究结果证明了Sentinel-2A影像数据以及多时相裸土影像反演SOM的优势.

关键词：土壤、有机质、光谱、随机森林、时相信息、Sentinel-2A、反演精度

所属期刊栏目：36

分类号：S153.6+21;S127(土壤学)

资助基金：国家重点研发计划;黑龙江省自然基金

在线出版日期：2020-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：134-140