典型文献
应用哨兵2号卫星遥感影像数据和机器学习算法对锡林郭勒草原土壤表层有机碳及全氮的估算
文献摘要：
以锡林郭勒草原为研究区,应用谷歌地球引擎(GEE)云计算平台、哨兵2号卫星(Sentinel-2)遥感数据及其他辅助数据,选择随机森林(RF)、支持向量机(SVM)、多层感知器(MLP)模型3种机器学习算法,对土壤表层(0～20 cm)30 m分辨率的土壤有机碳(SOC)和土壤总氮(STN)质量分数进行估算,比较不同方法的精度差异,分析各影响因素的重要性.结果表明:①3种机器学习算法中,随机森林模型对土壤有机碳、土壤总氮估测效果最佳(土壤总氮模型,决定系数为0.67、均方根误差为0.024、百分比偏差为2.09、四分位数间距性能比(RPIQ)为2.14;土壤有机碳估测模型,决定系数为0.68、均方根误差为0.17、百分比偏差为2.26、四分位数间距性能比为2.37).②各影响因素重要性评价结果表明,哨兵2号卫星遥感数据、植被指数,对土壤有机碳、土壤总氮估算贡献较大;在土壤有机碳估测模型中,光谱反射率信息贡献率为30.9％,植被指数贡献率为28.4％;在土壤总氮估测模型中,光谱反射率信息贡献率为23.2％,植被指数贡献率为46.5％.③锡林郭勒草地,土壤有机碳、土壤总氮质量分数整体偏低,空间分布趋势为自西向东逐渐增加.
文献关键词：
土壤有机碳;土壤全氮;数字土壤制图;锡林郭勒草原
中图分类号：
作者姓名：
杨珺婷;李晓松
作者机构：
中国科学院空天信息创新研究院(中国科学院大学) ,北京,100094
文献出处：
引用格式：
[1]杨珺婷;李晓松-.应用哨兵2号卫星遥感影像数据和机器学习算法对锡林郭勒草原土壤表层有机碳及全氮的估算)[J].东北林业大学学报,2022(01):64-71
A类：
B类：
哨兵,卫星遥感影像,遥感影像数据,和机器学习算法,锡林郭勒草原,草原土壤,原为,谷歌地球引擎,GEE,云计算平台,Sentinel,辅助数据,RF,多层感知器,MLP,土壤有机碳,SOC,总氮,STN,不同方法,随机森林模型,决定系数,四分位数,数间,性能比,RPIQ,估测模型,重要性评价,卫星遥感数据,植被指数,光谱反射率,信息贡献率,草地,氮质量分数,西向东,土壤全氮,数字土壤制图
AB值：
0.255521
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。
