典型文献
基于机器学习的干旱区土壤盐渍化定量估算
文献摘要：
[目的]探讨对土壤盐渍化进行快速、准确监测技术与方法.[方法]利用353个地面表观电导率数据,以及从Worldview-2影像获取对应采样点的波段反射率值,结合两波段组合植被指数和三波段组合植被指数,筛选最佳二维、三维波段组合方式,引人人工神经网络、K近邻和支持向量回归来构建区域土壤盐渍化定量反演模型.[结果]①WV-2影像的红边和近红外波段与ECa呈现显著相关(P＜0.01).②二维植被指数(RVI(B5-B2)、NDVI(B6.B2)、DVI(B2.B6))和三维植被指数(3DVI(B2-B6-B6)、3DVI(B3-B5-B6)、3DVI(B5.B2-B1)、3DVI(B2-B1-B6)、3DVI(B2-B1-B6)、3DVI(B6-B1-B2)、3DVI(B5.B3-B7))的波段组合计算提高了其对土壤盐渍化的敏感性.③基于不同维度数据的机器学习估算模型中,3DVI和KNN算法结合对土壤盐渍化估算效果最为突出,且模型精度为R2=0.773,RMSE=1.659 dS m-1,RPD=2.216.[结论]所构建的多维植被指数可应用于类似环境条件下盐渍土地监测和评价研究.
文献关键词：
土壤盐渍化;波段组合算法;机器学习;克里雅河流域
中图分类号：
作者姓名：
丁玮祺;吾木提·艾山江;阿不都艾尼·阿不里;尼加提·卡斯木
作者机构：
伊犁师范大学资源与生态研究所,新疆伊宁835000;伊犁师范大学生物与地理科学学院,新疆伊宁835000;新疆大学资源与环境科学学院,新疆乌鲁木齐830046
文献出处：
引用格式：
[1]丁玮祺;吾木提·艾山江;阿不都艾尼·阿不里;尼加提·卡斯木-.基于机器学习的干旱区土壤盐渍化定量估算)[J].土壤通报,2022(05):1038-1048
A类：
Worldview,3DVI,波段组合算法
B类：
基于机器学习,干旱区土壤,土壤盐渍化,定量估算,技术与方法,表观电导率,采样点,反射率,植被指数,组合方式,人工神经网络,近邻,支持向量回归,归来,定量反演模型,WV,红边,近红外波段,ECa,RVI,B5,B2,NDVI,B6,B3,B1,B7,不同维度,估算模型,KNN,算效,模型精度,RMSE,dS,RPD,盐渍土,土地监测,克里雅河流域
AB值：
0.27446
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
