基于决策树分类的济宁市土壤有机碳遥感反演

本研究利用Landsat 8遥感影像数据以及土壤有机碳实测数据,以研究区表层0~20 cm土壤的有机碳含量为研究对象,通过SPSS的多元线性回归分析,建立预测模型:Ysoc=23.448+65.958b1-67.703b4-21.778b7(R2=0.744,P0.01);进而采用基于ENVI的波段运算及决策树分类法,获取了济宁市土壤的有机碳含量与分布状况。结果表明:(1)研究区的土壤有机碳含量平均约为12.45 g/kg,处于中等偏下水平,部分地区有机碳含量接近于零,微山县和任城区含量最高;(2)研究区有机碳含量主要集中在12~18 g/kg,面积约为6 165.13 km~2,占研究区土地总面积的59.99%,分布最为广泛,在各个县区均有分布。     

煤矿区土壤有机碳含量的高光谱预测模型

可见—近红外光谱已被证明是一种快速、及时、有效的土壤有机碳含量预测工具。利用Field Spec4对济宁鲍店矿区的104个土壤样品进行光谱测量,采用Savitzky-Golay卷积平滑(SG)、多元散射校正(MSC)及数学变换等多种方式组合对光谱预处理,并运用偏最小二乘回归分析建立土壤有机碳含量预测模型,进而探讨煤矿区土壤有机碳含量的高精度预测方法。结果表明:(1)不同的光谱预处理方法对建模结果影响差异较大,建模结果以SG加MSC预处理再结合光谱反射率的一阶微分变换最优,建模R~2=0.86,RMSE=2.0g/kg,验证R~2=0.78,RMSE=1.81g/kg,RPD=2.69。(2)倒数和倒数的对数与土壤有机碳含量的相关性曲线接近重合,与反射率曲线成反比,但是建模效果远低于反射率;光谱反射率的一阶微分能明显提高500~600nm波段相关性。(3)光谱反射率随土壤有机碳的含量减少而增大,当有机碳含量较低时,其波谱的近红外波段反射率响应能力也随之降低,反射率直接建模难度加大。     

煤矿区土壤有机碳含量的遥感反演与分布特征

高光谱数据与多光谱影像结合能实现区域高精度、大面积的土壤有机碳含量反演。以山东省鲍店矿区表层0-20cm土壤有机碳含量为研究对象,采用波段平均法把高光谱的窄波段拟合成GF-1 WFV影像的宽波段,建立土壤有机碳含量的高光谱模型,进而通过比值订正法,将最优高光谱模型校正到多光谱模型并通过决策树分类获取土壤有机碳含量空间分布状况,结合土地利用现状分析土壤有机碳含量分布特征。结果表明:(1)通过波段拟合和比值订正获得的多光谱模型,检验决定系数为0.76,可以稳定实现矿区土壤有机碳含量的反演。(2)研究区土壤有机碳含量范围为0.71~38.15g/kg,均值为14.12g/kg,总体上处于中等水平;区域内土壤有机碳含量以11.60~17.40g/kg为主,其次是5.80~11.60g/kg,分别占据48%,29%。(3)采矿区和部分道路、居民点的有机碳含量偏高,耕地处于中等水平,林地和草地含量较低;塌陷地形成的水域周围有机碳含量明显偏低。