【论文精选】多光谱遥感结合随机森林算法反演耕作土壤有机质含量学术资讯

来源：农业工程学报

《农业工程学报》2020年第36卷第10期刊载了东北农业大学刘焕军、张美薇、杨昊轩、张新乐、孟祥添、李厚萱与唐海涛的论文——“多光谱遥感结合随机森林算法反演耕作土壤有机质含量”。该研究由国家重点研发计划（项目号：2017YFD0201803）等资助。

土壤有机质（Soil Organic Matter，SOM），作为土壤的重要组成成分，是土壤肥力和质量的主要决定因素和指标，与土壤生产力密切相关，因此探测SOM含量是了解土壤肥力的重要途径。当前的SOM遥感反演一般以单期或较大空间分辨率的影像作为输入量，为此研究多时相影像结合随机森林（Random Forest，RF）算法，提高SOM遥感反演精度的可行性。相比于传统的SOM遥感反演模型，RF模型具有较高的预测精度，随机性的引入，使得不容易陷入过拟合，并且具有很好的抗噪声能力。此外，RF模型还可以有效地避免特征之间的多元共线性问题，支持高维度特征，对缺失的或非平衡的数据也表现出较好的稳定性。

该研究以黑龙江省农垦总局胜利农场耕地为研究区，采集162个SOM实测样本，以Sentinel-2A和Landsat8影像作为数据源，获取两期裸土遥感影像，分别构建了单期和两期影像的差值和比值光谱指数，以RF算法逐步筛选波段和光谱指数作为输入量，构建SOM反演模型。

研究结果表明：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均提高；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、Sentinel-2A影像、Landsat8 影像，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。

长按识别二维码关注“农业工程学报”

来源：gh_c45100f8f9c0 农业工程学报

原文链接：http://mp.weixin.qq.com/s?__biz=MjM5NjU1MzcwNQ==&mid=2652997210&idx=2&sn=230269161e5a6122e173300e3b5b7339&chksm=bd3250dc8a45d9cac0be24d0924e3d7aa74c3e2b3907ebb8cc2cf0bedf5f37b17a546ffcaf29&scene=27#wechat_redirect

电话：（010）86409582

邮箱：kejie@scimall.org.cn