|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于Sentinel-2卫星影像的黑龙江绥化市土壤全氮定量遥感反演显示文摘为及时准确评估黑土区土壤全氮(soil total nitrogen,STN)含量的空间分布,以指导作物精准施肥和提高农作物产量,该研究基于绥化市实测STN数据和Sentinel-2卫星Level-2A遥感影像反射率,构建光谱指数结合环境变量的STN预测模型,包括随机森林(random forest,RF)、自适应增强(adaptive boosting,AdaBoost)、梯度提升(gradient boosting categorical features,CatBoost)等集成学习算法和多元逐步线性回归(simple linear regression,SLR)、支持向量机(support vector regression,SVR)、神经网络(back propagation neural network,BPNN)等监督学习算法,并考虑波段1~12遥感反射率、波段1~12遥感反射率联合光谱指数和环境变量作为算法输入变量的2种情景。结果表明:1)绥化市实测STN平均含量为1904.06 mg/kg,变异系数为17.93%;2)以波段1~12遥感反射率作为输入变量时,6种STN模型验证集拟合决定系数(coefficient of determination,R^(2))小于0.6,模型验证集决定系数精度由大到小顺序为:RF、CatBoost、AdaBoost、BPNN、SLR、SVR;3)结合波段1~12遥感反射率、光谱指数和环境变量优选方法,构建STN含量预测模型,模型验证集决定系数精度由大到小顺序为:RF、CatBoost、BPNN、AdaBoost、SLR、SVR,验证集模型决定系数精度提升幅度从大到小依次为RF、SVR、BPNN、AdaBoost、CatBoost、SLR,其中RF模型验证集决定系数预测精度提升最大,决定系数增加0.22,均方根误差(root mean square error,RMSE)降低了35.30 mg/kg;4)基于光谱指数和环境变量优选的机器学习算法具有强大的非线性拟合能力,RF能够更好地模拟STN与遥感光谱信息及地形因子之间复杂的多元非线性关系,并获得较高的实测和反演模型拟合结果;5)结合模型,绥化市STN的空间分布呈现东北高西南低、由北向南逐渐降低及中部略高的空间分布特点。研究结果为东北黑土区STN含量实时动态监测、土地肥力评价和农业可持续发展提供技术支持,为开展黑土地保护与利用及农田生态系统保护提供决策依据。 | 张锡煜 李思佳 王翔 宋开山 陈智文 郑可心 | 2023 | 农业工程学报2023，39，15： | 1 |
| 2 | 基于FOD-ML的干旱区土壤有机质含量估算显示文摘为探究基于分数阶微分(fractional order derivative, FOD)预处理的光谱反射率与土壤表层有机质含量之间的响应机制,以新疆乌鲁木齐县安宁渠镇土壤冠层光谱为数据源,采用G-L分数阶微分方法对高光谱数据进行0~2.0阶次(间隔0.2)预处理,并利用任意波段组合算法,计算基于分数阶微分预处理光谱的比值光谱指数、归一化光谱指数和差值光谱指数,通过竞争性自适应重加权(CARS)算法筛选土壤有机质含量的敏感波段及光谱指数等,与3种机器学习(machine learning, ML)算法(ANN、KNN和SVM)相结合,构建基于分数阶微分和机器学习方法的土壤有机质含量估算模型,并进行模型验证。结果表明:基于0~2.0阶次的两波段光谱指数与土壤有机质含量之间均呈现极显著相关,基于原数据和0.2阶预处理的NDVI和RVI相关性系数r超过0.80。该研究基于0.2阶NDVI指数的K近邻算法模拟土壤有机质含量能力表现最佳,估算模型精度分别为决定系数(R2)为0.73,均方根误差(RMSE)为2.11 g/kg,相对分析误差(RPD)为2.23。为遥感技术提供理论支持,实现对土壤肥沃程度的精准监测和评估,推动智慧农业的发展。 | 孜尼哈尔·祖努尼江 尼加提·卡斯木 拓跋凯薇 | 2023 | 中国农机化学报2023，44，11： | 0 |
| 3 | 优化光谱输入量的土壤有机质随机森林预测模型显示文摘以往的土壤有机质预测研究往往只提取一种光谱输入量,忽略了不同光谱输入量之间的互补性。为探究光谱输入量在预测土壤有机质时的最佳组合,以及不同光谱输入量在离散小波变换不同分解尺度下的变化趋势,该研究以宝清县土壤有机质为研究对象,对光谱反射率进行离散小波变换,对各个分解尺度下的特征光谱提取光谱特征参数、光谱指数以及主成分并分别组合,基于8种光谱输入量建立随机森林模型进行土壤有机质预测。结果表明:1)利用不同光谱输入量预测有机质的精度均高于直接使用光谱反射率建模的精度,将不同光谱输入量组合可以提升预测效果,单个光谱输入量中主成分的预测效果最好,组合中光谱特征参数和主成分的组合预测效果最好;2)随着分解尺度的变化,不同光谱输入量的预测精度的变化趋势也不同,并且单个光谱输入量的变化趋势也会影响该光谱输入量组合的变化趋势;3)所有预测结果中,精度最高的是分解尺度为6时光谱特征参数与主成分的组合,R^(2)达到0.78,均方根误差达到1.32%,可以较好地预测土壤有机质。研究结果说明光谱输入量结合离散小波变换预测土壤有机质是可行的,可以为土壤有机质的预测提供可靠思路。 | 张笑寒 孟祥添 唐海涛 刘焕军 张新乐 刘琼 | 2023 | 农业工程学报2023，39，2： | 0 |
| 4 | 基于XGBoost模型的湟水流域耕地土壤养分遥感反演显示文摘湟水流域是河湟谷地重要的组成部分,协同环境因素预测土壤养分空间分布对农业土壤养分管理尤为重要。土壤养分反演研究中对于参数对模型结果的影响和模型适用性的研究较少。选取研究区地形因子、土壤pH及光谱反射率共28个因子,结合贝叶斯优化算法构建人工神经网络(ANN)、支持向量机(SVM)和极端梯度提升(XGBoost)3种机器学习模型预测耕地土壤养分空间分布,计算决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)评价3种模型的精度。结果表明:(1)基于贝叶斯优化超参数的XGBoost模型对全氮(TN)含量预测精度优于其他模型(R2=0.893,RMSE=0.359,RPD=2.470),预测土壤有机质(SOM)、速效磷(AP)和速效钾(AK)含量时,XGBoost模型验证集R2分别为0.801、0.509、0.442。(2)对比3种模型的寻优次数和误差发现,BOA-XGBoost模型参数优化次数少、效率高,具有更好的鲁棒性。对于不同的养分,ANN和SVM模型预测精度存在差异,SVM模型预测SOM含量时精度更高(RPD=1.580),而ANN模型预测TN时精度最佳(RPD=2.460)。基于贝叶斯算法进行超参数优化构建的XGBoost模型预测精度高,可以达到良好的预测效果,可为湟水流域精准农业施肥提供参考。 | 刘尊方 雷浩川 盛海彦 | 2023 | 干旱区地理2023，46，10： | 0 |
| 5 | 1985-2020年海伦市耕地质量遥感监测与空间格局变化分析显示文摘耕地数量和质量变化直接关系到国家粮食安全,海伦市是中厚层典型黑土区,是黑龙江省重要的商品粮食县。为了揭示东北典型黑土示范区海伦市耕地质量时空变化特征,本研究利用Landsat系列卫星遥感影像进行每五年为一期,共8期的长时序分析,建立基于压力-状态-响应模型(Pressure-State-Response, PSR)的耕地质量评价方法,运用层次分析法为各评价指标赋予权重,结合专家评分与线性内插法实现评价因子的定量评价,最终将各评价因子进行空间权重叠加获得1985-2020年海伦市耕地质量评价结果。结果表明,海伦市1985年耕地质量优于其他年份,一级、二级和三级耕地面积减少,五级耕地面积明显增加;海伦市东部耕地质量高于西部,1985-2020年四级、五级耕地主要分布在西南部以及中部地区的部分区域;1985-2020年一级、二级耕地集中分布在东部及双录乡附近;本研究将遥感技术引入耕地质量评价中,合理揭示了其时空变化特征,为该区域今后耕地质量提升工作指明了方向,对今后进一步可持续利用和管理黑土地具有积极意义。 | 郑可心 张锡煜 张清 | 2024 | 黑龙江农业科学2024，，1： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员