基于机器学习的绿洲土壤盐渍化尺度效应研究

摘要：

针对干旱区绿洲土壤盐渍化的生态环境问题,以新疆维吾尔自治区奇台绿洲为研究区,基于58个表层土壤盐度数据及与之对应的Landsat TM多光谱遥感影像数据,分别选取栅格重采样(空间分辨率为30 ～ 990 m)和邻域滤波(窗口尺度为3×3、5×5、…、31×31)两种尺度转换方法获取不同尺度下Landsat TM派生数据,并据此计算相应的环境变量(总数为720);随后利用梯度提升决策树(GBDT)模型在不同尺度下依托环境变量对土壤盐度进行模拟,并分析其定量关系.结果 表明:单一尺度下,基于30 m空间分辨率的邻域滤波方法对土壤盐度的解析力总体优于栅格重采样模式,其最大解析力分别为78.55％、75.31％.混合多种尺度下,对土壤盐度的解析效果较单一尺度得到明显提升,解析力最高可达90.66％,有效实现了信息互补.栅格重采样模式相对于邻域滤波而言,其调整R2波动范围更为宽泛,说明栅格重采样尺度变换方法相较于邻域滤波对土壤盐度-环境变量关系的表征更具灵敏性.

关键词：土壤盐渍化;遥感;尺度效应;环境变量;邻域滤波

所属期刊栏目：52

分类号：K909;S1(地理学)

资助基金：新疆维吾尔自治区自然科学基金项目;国家自然科学基金项目;中国博士后科学基金项目

在线出版日期：2021-10-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：312-320