本文選題：多分辨率遙感數(shù)據(jù) + 隨機(jī)森林算法�。� 參考：《西北農(nóng)林科技大學(xué)》2016年碩士論文

【摘要】：土壤有機(jī)質(zhì)是土壤最具代表性的屬性之一,是評(píng)價(jià)土壤肥力和土壤質(zhì)量的一項(xiàng)有效指標(biāo)。調(diào)查采樣是了解區(qū)域土壤有機(jī)質(zhì)狀況的主要手段,但單純依靠實(shí)測(cè)樣點(diǎn)的土壤有機(jī)質(zhì)預(yù)測(cè)即費(fèi)時(shí)費(fèi)力又存在著局部特殊地形地貌區(qū)偏差較大的問題。隨著3S技術(shù)的發(fā)展,借助輔助環(huán)境因子的土壤屬性預(yù)測(cè)在數(shù)字土壤制圖中日益受到重視,遙感數(shù)據(jù)作為反映土壤組成結(jié)構(gòu)及植被生長(zhǎng)狀況的數(shù)據(jù)源逐漸被學(xué)者們應(yīng)用到土壤屬性的預(yù)測(cè)之中,并發(fā)揮獨(dú)特優(yōu)勢(shì)。本文利用隨機(jī)森林(Random Forest,RF)算法,基于AWIFS、MODIS和SRTM遙感數(shù)據(jù)(空間分辨率分別為56 m,250 m和30m)及501個(gè)實(shí)測(cè)樣點(diǎn)數(shù)據(jù)對(duì)陜西省及其不同地貌區(qū)的土壤有機(jī)質(zhì)空間分布狀況進(jìn)行了預(yù)測(cè),比較分析了不同分辨率、不同獲取日期的遙感數(shù)據(jù)對(duì)土壤有機(jī)質(zhì)預(yù)測(cè)結(jié)果的影響,通過隨機(jī)百分比抽樣對(duì)RF模型和普通克里金模型預(yù)測(cè)的土壤有機(jī)質(zhì)的精度進(jìn)行了比較分析,并對(duì)影響陜西省土壤有機(jī)質(zhì)空間分布的因素進(jìn)行了分析。取得的主要結(jié)果如下:1.依據(jù)RF模型的相對(duì)重要性因子排序和因子與土壤有機(jī)質(zhì)的相關(guān)系數(shù),篩選出陜西省參與土壤有機(jī)質(zhì)預(yù)測(cè)的環(huán)境因素。包括高程、坡度、經(jīng)度,緯度和不同遙感數(shù)據(jù)分辨率及成像時(shí)間獲取的植被因子(NDVI、TVI、RSR和RVI)。2.陜西省土壤有機(jī)質(zhì)含量在南北方向上差異較大,以陜西南部的秦嶺地區(qū)和大巴山地區(qū)為最高,大部分土壤有機(jī)質(zhì)含量大于25 g kg-1,黃土高原南部的土壤有機(jī)質(zhì)含量處于中等水平,大部分在22-30 g kg-1之間,平原區(qū)的土壤有機(jī)質(zhì)含量偏低,大部分低于30g kg-1,其中,關(guān)中平原的土壤有機(jī)質(zhì)在4.43-16g kg-1之間,漢中低山丘陵地區(qū)的土壤有機(jī)質(zhì)的含量大部分在9.48-30g kg-1,關(guān)中平原的東部局部低于10g kg-1,而黃土高原北部和風(fēng)沙高原區(qū)的大部土壤有機(jī)質(zhì)的含量最低,基本上在10g kg-1以下。3.遙感數(shù)據(jù)空間分辨率對(duì)土壤有機(jī)質(zhì)的預(yù)測(cè)結(jié)果有一定的影響,在陜西省域尺度上基于AWIFS影像的預(yù)測(cè)效果要優(yōu)于MODIS影像。而在定邊縣域尺度上基于TM影像的土壤有機(jī)質(zhì)預(yù)測(cè)效果優(yōu)于AWIFS影像。4.不同獲取日期的遙感影像對(duì)土壤有機(jī)質(zhì)預(yù)測(cè)的影響并不大,整體上,在平原地區(qū),秋季獲取的影像要比春季獲取的影像預(yù)測(cè)的土壤有機(jī)質(zhì)的值稍低。5.基于RF模型的土壤有機(jī)質(zhì)預(yù)測(cè)精度在設(shè)定的不同抽樣百分比條件下,比基于OK模型的土壤有機(jī)質(zhì)預(yù)測(cè)精度高。同時(shí),與已有的研究成果相比,本文的土壤有機(jī)質(zhì)預(yù)測(cè)精度在期望值的范圍內(nèi),獨(dú)立驗(yàn)證數(shù)據(jù)集的平均誤差大部分不超過3g kg-1,土壤有機(jī)質(zhì)預(yù)測(cè)值與實(shí)測(cè)值的相關(guān)系數(shù)在0.7左右。6、在整個(gè)陜西省范圍內(nèi),高程是影響土壤有機(jī)質(zhì)預(yù)測(cè)的最重要因子,當(dāng)影像的空間分辨率降低時(shí),樣點(diǎn)分布的地理經(jīng)緯度和坡度(Slope)對(duì)土壤有機(jī)質(zhì)預(yù)測(cè)的影響度上升,植被因子對(duì)土壤有機(jī)質(zhì)的影響程度下降。
[Abstract]:Soil organic matter is one of the most representative attributes of soil and is an effective index to evaluate soil fertility and soil quality. Investigation and sampling is the main method to understand the status of soil organic matter in the region, but the prediction of soil organic matter only depends on the measured samples, which is time-consuming and laborious, and has the problem of large deviation in the local special terrain and geomorphology area. With the development of 3s technology, soil attribute prediction based on auxiliary environmental factors has been paid more and more attention in digital soil mapping. As a data source reflecting soil composition and vegetation growth, remote sensing data has been gradually applied to soil attribute prediction and played a unique advantage. In this paper, the spatial distribution of soil organic matter in Shaanxi Province and its different geomorphological regions was predicted by using random forest random forest fission (RFF) algorithm, based on the remote sensing data of AWIFS MODIS and SRTM (spatial resolution of 56mmm 250m and 30m respectively) and 501 measured samples. The effects of remote sensing data with different resolutions and different acquisition dates on soil organic matter prediction results were compared and analyzed. The accuracy of soil organic matter predicted by RF model and ordinary Kriging model was compared by random percentage sampling. The factors influencing the spatial distribution of soil organic matter in Shaanxi Province were analyzed. The main results are as follows: 1. Based on the ranking of relative importance factors of RF model and the correlation coefficient between factors and soil organic matter, the environmental factors involved in the prediction of soil organic matter in Shaanxi Province were selected. Vegetation factors, including elevation, slope, longitude, latitude and resolution of different remote sensing data and imaging time, are obtained by NDVIV TVI RSR and RVI. 2. The content of soil organic matter in Shaanxi Province varies greatly in the north and south directions, the Qinling region and the Dabashan region in the south of Shaanxi Province are the highest, the majority of the soil organic matter content is more than 25 g kg -1, and the content of soil organic matter in the southern part of the Loess Plateau is in the middle level. Most of the soil organic matter was between 22 and 30 g kg-1, and the content of soil organic matter was relatively low in the plain area, most of which was lower than 30 g kg -1. Among them, the soil organic matter in Guanzhong Plain ranged from 4.43-16 g kg-1. The content of soil organic matter was mostly 9.48-30g kg-1 in Hanzhong lowland and lower than 10g kg-1in the eastern part of Guanzhong Plain, while the content of soil organic matter was the lowest in the northern Loess Plateau and wind-sand plateau, basically below 10g kg-1. The spatial resolution of remote sensing data has a certain influence on the prediction results of soil organic matter, and the prediction effect based on AWIFS image is better than that of MODIS image in Shaanxi province. In Dingbian county scale, the prediction effect of soil organic matter based on TM image is better than that of AWIFS image. 4. Remote sensing images with different acquisition dates have little effect on soil organic matter prediction. On the whole, in plain areas, the values of soil organic matter obtained in autumn are slightly lower than those in spring. The prediction accuracy of soil organic matter based on RF model is higher than that based on OK model under different sampling percentages. At the same time, compared with the existing research results, the prediction accuracy of soil organic matter in this paper is within the range of expected value. The average error of independent validation data set is not more than 3 g kg -1, the correlation coefficient between soil organic matter prediction value and measured value is about 0.7. Height is the most important factor affecting soil organic matter prediction in the whole Shaanxi Province. When the spatial resolution of the image decreases, the influence of the geographic longitude, latitude and slope of the sample distribution on soil organic matter prediction increases, and the influence of vegetation factors on soil organic matter decreases.
【學(xué)位授予單位】：西北農(nóng)林科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：S153.621

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 井艷波;張梁;;遙感圖像(RS)在黑龍江省森林資源連續(xù)清查中的應(yīng)用[J];林業(yè)科技情報(bào);2009年02期

2 岳東霞;杜軍;劉俊艷;郭建軍;張佳靜;馬金輝;;基于RS和轉(zhuǎn)移矩陣的涇河流域生態(tài)承載力時(shí)空動(dòng)態(tài)評(píng)價(jià)[J];生態(tài)學(xué)報(bào);2011年09期

3 彭道黎;趙永泉;;基于RS的河北沽源縣土地利用動(dòng)態(tài)監(jiān)測(cè)研究[J];西北林學(xué)院學(xué)報(bào);2009年02期

4 方元;陳利燕;;基于RS的東莞市耕地流轉(zhuǎn)變化分析[J];安徽農(nóng)業(yè)科學(xué);2009年22期

5 韓春榮;劉果厚;韓寶龍;史學(xué)剛;;基于RS和GIS的鄂爾多斯半日花景觀動(dòng)態(tài)變化研究[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

6 衣華鵬;張鵬宴;王桂芝;;基于RS與GIS的煙臺(tái)市耕地資源動(dòng)態(tài)變化與可持續(xù)利用研究[J];安徽農(nóng)業(yè)科學(xué);2007年01期

7 吳明浩;;基于RS的徐州市地表溫度與植被指數(shù)關(guān)系研究[J];現(xiàn)代農(nóng)業(yè)科技;2010年23期

8 孫喜梅;董洪濤;張宜;;基于RS的河南省趙口灌區(qū)小麥最佳配水量計(jì)算[J];灌溉排水學(xué)報(bào);2012年04期

9 亓興蘭;李寶銀;劉健;;基于RS閩江流域土地利用結(jié)構(gòu)變化及其驅(qū)動(dòng)力分析[J];林業(yè)勘察設(shè)計(jì);2007年02期

10 許木土,林敬蘭,周伏建,陳明華,李瓊,黃炎和;利用GIS和RS實(shí)現(xiàn)廈門市水土流失的快速調(diào)查[J];土壤侵蝕與水土保持學(xué)報(bào);1998年S1期

相關(guān)會(huì)議論文 前10條

1 張貝爾;;RS支持下的下墊面與城市地表溫度定量分析[A];中國(guó)地理學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文摘要集[C];2007年

2 孫文強(qiáng);張衛(wèi);黃婉怡;張慶;賴靜花;李莉;;心理韌性量表(RS)中文版在大學(xué)生中的應(yīng)用[A];第十二屆全國(guó)心理學(xué)學(xué)術(shù)大會(huì)論文摘要集[C];2009年

3 李曉璇;胡德勇;湯慶新;;基于RS和GIS的耕地變化及驅(qū)動(dòng)力分析—以封丘市為例[A];全國(guó)國(guó)土資源與環(huán)境遙感應(yīng)用技術(shù)研討會(huì)論文集[C];2009年

4 忻琦;;基于RS的農(nóng)作物生長(zhǎng)狀態(tài)特征選取及圖像搜索算法研究[A];全國(guó)農(nóng)業(yè)遙感技術(shù)研討會(huì)論文集[C];2009年

5 路海濤;;基于3DGIS和RS的安徽省淮河取排水工程電子沙盤制作的實(shí)現(xiàn)[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，，服務(wù)創(chuàng)新驅(qū)動(dòng)發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會(huì)論文集[C];2012年

6 陳晨;徐偉;金光;;RS通信編碼器的優(yōu)化設(shè)計(jì)及FPGA實(shí)現(xiàn)[A];2010通信理論與技術(shù)新發(fā)展——第十五屆全國(guó)青年通信學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2010年

7 司徒文貝;王雪毓;李曉璽;陳玲;;RSⅢ型抗消化淀粉的制備及其結(jié)構(gòu)性能的研究[A];2010年中國(guó)農(nóng)業(yè)工程學(xué)會(huì)農(nóng)產(chǎn)品加工及貯藏工程分會(huì)學(xué)術(shù)年會(huì)暨華南地區(qū)農(nóng)產(chǎn)品加工產(chǎn)學(xué)研研討會(huì)論文摘要集[C];2010年

8 秦薇薇;丁恩杰;李娜;;基于RS—485總線的井下變電所監(jiān)控系統(tǒng)設(shè)計(jì)[A];第十四屆全國(guó)煤礦自動(dòng)化學(xué)術(shù)年會(huì)暨中國(guó)煤炭學(xué)會(huì)自動(dòng)化專業(yè)委員會(huì)學(xué)術(shù)會(huì)議論文集[C];2004年

9 任虹;王拴榮;付文君;范忠范;;基于FPGA的RS(255,237)譯碼器設(shè)計(jì)[A];中國(guó)空間科學(xué)學(xué)會(huì)空間探測(cè)專業(yè)委員會(huì)第十九次學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2006年

10 白玉江;;RS、3DGIS技術(shù)在城市生態(tài)管理中的應(yīng)用初探[A];第五期中國(guó)現(xiàn)代化研究論壇論文集[C];2007年

相關(guān)重要報(bào)紙文章 前5條

1 高婀娜;天津大學(xué)研究還原藍(lán)RS顏料化新工藝[N];中國(guó)包裝報(bào);2005年

2 何文;RS抗性淀粉膳食科技成果發(fā)布[N];消費(fèi)日?qǐng)?bào);2008年

3 記者 劉寶亮;RS抗性淀粉膳食填補(bǔ)國(guó)內(nèi)空白[N];中國(guó)經(jīng)濟(jì)導(dǎo)報(bào);2008年

4 本報(bào)記者 邱一丹;奧迪RS入列 豪車三大全面交火[N];中國(guó)經(jīng)營(yíng)報(bào);2012年

5 西安 趙德君;遙感(RS)在農(nóng)業(yè)上的應(yīng)用(一)[N];電子報(bào);2009年

相關(guān)博士學(xué)位論文 前3條

1 劉萍;基于RS的太原城區(qū)水生態(tài)系統(tǒng)服務(wù)價(jià)值研究[D];太原理工大學(xué);2016年

2 王玲;基于GIS和RS的干旱區(qū)綠洲耕地質(zhì)量評(píng)價(jià)方法及應(yīng)用研究[D];石河子大學(xué);2011年

3 高志海;基于RS和GIS的綠洲植被與荒漠化動(dòng)態(tài)研究[D];北京林業(yè)大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 鞏永芳;基于RS與GIS的休寧縣林地保護(hù)利用規(guī)劃研究[D];安徽農(nóng)業(yè)大學(xué);2014年

2 張二浩;白藜蘆醇合成代謝關(guān)鍵酶基因4CL和RS融合表達(dá)研究[D];中國(guó)林業(yè)科學(xué)研究院;2015年

3 梁虹;RS公司戰(zhàn)略研究[D];南京大學(xué);2016年

4 王茵茵;基于RS數(shù)據(jù)與RF算法的陜西省土壤有機(jī)質(zhì)預(yù)測(cè)研究[D];西北農(nóng)林科技大學(xué);2016年

5 李志偉;基于RS的城市土地集約利用潛力評(píng)價(jià)研究[D];河北農(nóng)業(yè)大學(xué);2006年

6 張紹練;大氣激光通信系統(tǒng)中RS編譯碼的仿真與軟硬件實(shí)現(xiàn)[D];中國(guó)科學(xué)院研究生院（長(zhǎng)春光學(xué)精密機(jī)械與物理研究所）;2012年

7 苗海南;基于RS的渤海沿岸近20年生態(tài)系統(tǒng)服務(wù)價(jià)值變化分析[D];天津師范大學(xué);2014年

8 王鐵錚;基于RS的城市土地集約利用潛力評(píng)價(jià)[D];內(nèi)蒙古師范大學(xué);2014年

9 賓翩翩;RS培訓(xùn)學(xué)校教師離職的原因與對(duì)策研究[D];廣西大學(xué);2014年

10 李元;數(shù)字多媒體廣播RS編解碼算法研究和硬件設(shè)計(jì)[D];中國(guó)傳媒大學(xué);2007年

本文編號(hào)：1798293