首页|基于随机森林算法的土壤含盐量预测

基于随机森林算法的土壤含盐量预测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
快速监测区域土壤盐渍化信息,对于盐渍化治理与生态环境保护具有重要意义.本文以Sentinel-2A和Landsat8 OLI遥感影像为数据源,以银川平原为研究区,利用谷歌地球引擎(Google Earth Engine,GEE)平台,基于随机森林算法,通过建立光谱指数特征与地面实测土壤含盐量之间的关系,进行土壤含盐量估算.结果表明:GEE能够为土壤含盐量预测提供可靠的数据支撑;以Sentinel-2A为数据源建立的随机森林模型具有更好的预测精度(R2= 0.789,RMSE=1.487),优于Landsat8 OLI,可用于土壤含盐量高分辨率遥感估算,能够为大尺度土壤含盐量监测工作提供理论支撑.
Prediction of soil salt content based on the random forest algorithm

soil salt contentGoogle Earth Enginerandom forestpredictYinchuan Plain

李小雨、贾科利、魏慧敏、陈睿华、王怡婧

展开 >

宁夏大学地理科学与规划学院,宁夏 银川 750021

土壤含盐量 Google Earth Engine 随机森林 预测 银川平原

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国家重点研发计划

42061047420670032021BEG030022021YFD1900602

2023

10.13866/j.azr.2023.08.06

干旱区研究
中国科学院新疆生态与地理研究所 中国土壤学会

干旱区研究

CSTPCDCSCD北大核心
影响因子：1.157
ISSN：1001-4675
年,卷(期)：2023.40(8)
  • 3
  • 23