【摘要】：遙感數(shù)據(jù)作為反映土壤組成結(jié)構(gòu)及植被生長狀況的數(shù)據(jù)源,借助輔助環(huán)境因子的土壤屬性預測在數(shù)字土壤制圖中日益受到重視。論文運用隨機森林(Random Forest,RF)算法,基于AWIFS(分辨率56 m)和MODIS(分辨率250 m)遙感數(shù)據(jù)及501個實測樣點數(shù)據(jù)對陜西省土壤有機質(zhì)空間分布狀況進行預測,并對預測精度進行估算。結(jié)果表明陜西省土壤有機質(zhì)含量以南部的秦嶺山地區(qū)和大巴山區(qū)為最高,土壤有機質(zhì)含量大于25 g·kg~(-1),黃土高原南部處于中等水平,大部分在16~25 g·kg~(-1)之間,關中平原和漢中低山丘陵區(qū)含量偏低,大部分在13~25 g·kg~(-1),而黃土高原北部和風沙灘區(qū)含量大部分低于10 g·kg~(-1)�；贏WIFS影像的預測效果要優(yōu)于MODIS影像,成像日期對有機質(zhì)預測的影響不大�；赗F模型的土壤有機質(zhì)預測精度在設定的不同抽樣百分比條件下,獨立驗證數(shù)據(jù)集的平均誤差大部分不超過3 g·kg~(-1),預測值與實測值的相關系數(shù)在0.7以上。高程是影響土壤有機質(zhì)預測的最重要因子,當影像的分辨率降低時,樣點分布的地理經(jīng)緯度和坡度對土壤有機質(zhì)預測的影響上升,植被因子的影響程度下降。
[Abstract]:Remote sensing data, as a data source reflecting soil composition and vegetation growth, have been paid more and more attention in digital soil mapping with the help of soil attribute prediction of auxiliary environmental factors. Based on AWIFS (resolution 56m) and MODIS (resolution 250m) remote sensing data and 501 measured samples, the spatial distribution of soil organic matter in Shaanxi Province is predicted by Random forest RF algorithm, and the prediction accuracy is estimated. The results showed that the content of soil organic matter was the highest in Qinling Mountains and Daba Mountains in the south of Shaanxi Province. The content of soil organic matter was more than 25 g kg ~ (-1) in the southern part of the Loess Plateau, most of which was between 16 ~ 25 g kg ~ (-1) in the south of Loess Plateau. The contents in Guanzhong Plain and Hanzhong low mountain and hilly area were low, mostly in 1325 g kg-1, while in the north of Loess Plateau and wind-beach area, the content was less than 10g kg-1. The prediction effect of AWIFS image is better than that of MODIS image, and the date of imaging has little effect on organic matter prediction. The prediction accuracy of soil organic matter based on RF model under different sampling percentages, the average error of independently verified data set is less than 3 g kg-1, and the correlation coefficient between the predicted value and the measured value is more than 0.7. Height is the most important factor affecting the prediction of soil organic matter. When the resolution of the image is reduced, the geographical longitude, latitude and slope of the distribution of the sample point increase in the prediction of soil organic matter, and the influence degree of vegetation factor decreases.
【作者單位】： 西北農(nóng)林科技大學資源環(huán)境學院;農(nóng)業(yè)部西北植物營養(yǎng)與農(nóng)業(yè)環(huán)境重點實驗室;
【基金】：國家科技基礎性工作專項項目(2014FY110200A08)~~
【分類號】：S153.621

【參考文獻】

相關期刊論文 前7條

1 王茵茵;齊雁冰;陳洋;解飛;;基于多分辨率遙感數(shù)據(jù)與隨機森林算法的土壤有機質(zhì)預測研究[J];土壤學報;2016年02期

2 劉二永;劉健;余坤勇;何平;趙振賀;;基于環(huán)境因子和R-STPS的林地土壤有機質(zhì)預測模型[J];農(nóng)業(yè)機械學報;2015年01期

3 李龍;姚云峰;秦富倉;郭月峰;王欣;常偉東;;小流域土壤有機碳密度空間變異特征的尺度效應研究[J];土壤;2014年05期

4 方斌;吳金鳳;;作物種植前后土壤有機質(zhì)及養(yǎng)分因子的空間變異分析[J];生態(tài)學報;2014年04期

5 巫振富;趙彥鋒;齊力;陳杰;;復雜景觀區(qū)土壤有機質(zhì)預測模型的尺度效應[J];土壤學報;2013年02期

6 方匡南;吳見彬;朱建平;謝邦昌;;隨機森林方法研究綜述[J];統(tǒng)計與信息論壇;2011年03期

7 張法升;曲威;尹光華;劉作新;;基于多光譜遙感影像的表層土壤有機質(zhì)空間格局反演[J];應用生態(tài)學報;2010年04期

相關博士學位論文 前2條

1 趙業(yè)婷;基于GIS的陜西省關中地區(qū)耕地土壤養(yǎng)分空間特征及其變化研究[D];西北農(nóng)林科技大學;2015年

2 劉京;陜西省土壤信息系統(tǒng)的建立及應用[D];西北農(nóng)林科技大學;2010年

【共引文獻】

相關期刊論文 前10條

1 張經(jīng)緯;貢亮;黃亦翔;劉成良;龔霽程;潘俊松;;基于隨機森林算法的黃瓜種子腔圖像分割方法[J];農(nóng)機化研究;2017年10期

2 王日升;謝紅薇;安建成;;基于分類精度和相關性的隨機森林算法改進[J];科學技術與工程;2017年20期

3 江葉楓;孫凱;郭熙;葉英聰;饒磊;李偉峰;;基于環(huán)境因子和鄰近信息的土壤屬性空間分布預測[J];環(huán)境科學研究;2017年07期

4 賀建章;王海波;季知祥;孟祥君;張濤;;基于隨機森林理論的配電變壓器重過載預測[J];電網(wǎng)技術;2017年08期

5 張鎦琢;王峰;吳子俊;黃紅英;謝立亞;李智民;馮文艇;;隨機森林法對人群焦慮情況和職業(yè)健康監(jiān)護數(shù)據(jù)關系的分類判別分析[J];職業(yè)衛(wèi)生與應急救援;2017年03期

6 劉鋒;李春燕;譚祥勇;王鵬飛;;基于機器學習在空氣質(zhì)量指數(shù)中的應用[J];重慶工商大學學報(自然科學版);2017年03期

7 張海燕;劉巖;馬麗萌;苑津莎;巨漢基;魏彤珈;;決策樹算法的比較與應用研究[J];華北電力技術;2017年06期

8 屠睿博;陳中華;王洪凱;;基于隨機森林算法的小鼠micro-CT影像中骨骼關節(jié)特征點定位[J];中國生物醫(yī)學工程學報;2017年03期

9 齊雁冰;王茵茵;陳洋;劉姣姣;張亮亮;;基于遙感與隨機森林算法的陜西省土壤有機質(zhì)空間預測[J];自然資源學報;2017年06期

10 Yinxue Cao;Ming Wang;Kai Liu;;Wildfire Susceptibility Assessment in Southern China:A Comparison of Multiple Methods[J];International Journal of Disaster Risk Science;2017年02期

相關博士學位論文 前3條

1 劉芬;陜西省土壤養(yǎng)分與肥料資源利用研究[D];西北農(nóng)林科技大學;2015年

2 趙業(yè)婷;基于GIS的陜西省關中地區(qū)耕地土壤養(yǎng)分空間特征及其變化研究[D];西北農(nóng)林科技大學;2015年

3 楊同輝;寧波市新農(nóng)村GIS開發(fā)與應用研究[D];華東師范大學;2011年

【二級參考文獻】

相關期刊論文 前10條

1 張娟娟;熊淑萍;時雷;馬新明;王高;;基于近紅外光譜分析的土壤全氮含量估測研究[J];土壤;2015年04期

2 郭澎濤;李茂芬;羅微;林清火;唐群鋒;劉志崴;;基于多源環(huán)境變量和隨機森林的橡膠園土壤全氮含量預測[J];農(nóng)業(yè)工程學報;2015年05期

3 劉二永;劉健;余坤勇;何平;趙振賀;;基于環(huán)境因子和R-STPS的林地土壤有機質(zhì)預測模型[J];農(nóng)業(yè)機械學報;2015年01期

4 李龍;姚云峰;秦富倉;郭月峰;王欣;常偉東;;小流域土壤有機碳密度空間變異特征的尺度效應研究[J];土壤;2014年05期

5 張楚天;楊勇;賀立源;季世民;劉穎穎;;基于環(huán)境因子和聯(lián)合概率方法的土壤有機質(zhì)空間預測[J];土壤學報;2014年03期

6 劉雙印;徐龍琴;李振波;李道亮;;基于PCA-MCAFA-LSSVM的養(yǎng)殖水質(zhì)pH值預測模型[J];農(nóng)業(yè)機械學報;2014年05期

7 李龍;吳麗芝;姚云峰;秦富倉;郭月峰;焦素香;高云波;;小流域土壤有機碳含量的空間變異特征研究——以內(nèi)蒙古赤峰市黃花甸子流域為例[J];水土保持研究;2013年05期

8 郭德亮;樊軍;米美霞;;黑河中游綠洲區(qū)不同土地利用類型表層土壤水分空間變異的尺度效應[J];應用生態(tài)學報;2013年05期

9 巫振富;趙彥鋒;齊力;陳杰;;復雜景觀區(qū)土壤有機質(zhì)預測模型的尺度效應[J];土壤學報;2013年02期

10 許爾琪;張紅旗;;伊犁新墾區(qū)土壤有機質(zhì)的克里金插值和條件模擬多尺度分析[J];土壤;2013年01期

相關博士學位論文 前10條

1 劉志鵬;黃土高原地區(qū)土壤養(yǎng)分的空間分布及其影響因素[D];中國科學院研究生院（教育部水土保持與生態(tài)環(huán)境研究中心）;2013年

2 高義民;陜西渭北蘋果園土壤養(yǎng)分特征時空分析及施肥效應研究[D];西北農(nóng)林科技大學;2013年

3 劉京;陜西省土壤信息系統(tǒng)的建立及應用[D];西北農(nóng)林科技大學;2010年

4 林芬芳;不同尺度土壤質(zhì)量空間變異機理、評價及其應用研究[D];浙江大學;2009年

5 邢月華;遼寧省玉米主產(chǎn)區(qū)農(nóng)田土壤養(yǎng)分變異及玉米推薦施肥研究[D];沈陽農(nóng)業(yè)大學;2009年

6 吳春發(fā);復合污染土壤環(huán)境安全預測預警研究[D];浙江大學;2008年

7 陳彥;綠洲農(nóng)田土壤養(yǎng)分時空變異及精確分區(qū)管理研究[D];石河子大學;2008年

8 王紅娟;我國北方糧食主產(chǎn)區(qū)土壤養(yǎng)分分布特征研究[D];中國農(nóng)業(yè)科學院;2007年

9 魯明星;湖北省區(qū)域耕地地力評價及其應用研究[D];華中農(nóng)業(yè)大學;2007年

10 許紅衛(wèi);田間土壤養(yǎng)分與作物產(chǎn)量的時空變異及其相關性研究[D];浙江大學;2004年

【相似文獻】

相關期刊論文 前10條

1 張雷;王琳琳;張旭東;劉世榮;孫鵬森;王同立;;隨機森林算法基本思想及其在生態(tài)學中的應用——以云南松分布模擬為例[J];生態(tài)學報;2014年03期

2 李旭青;劉湘南;劉美玲;吳伶;;水稻冠層氮素含量光譜反演的隨機森林算法及區(qū)域應用[J];遙感學報;2014年04期

3 王盼;陸寶宏;張瀚文;張巍;孫銀鳳;季妤;;基于隨機森林模型的需水預測模型及其應用[J];水資源保護;2014年01期

4 王棟;岳彩榮;田傳召;范懷剛;王躍輝;;基于隨機森林的大姚縣TM遙感影像分類研究[J];林業(yè)調(diào)查規(guī)劃;2014年02期

5 劉毅;杜培軍;鄭輝;夏俊士;柳思聰;;基于隨機森林的國產(chǎn)小衛(wèi)星遙感影像分類研究[J];測繪科學;2012年04期

6 呂淑婷;張啟敏;;一類帶Poisson跳的隨機森林發(fā)展系統(tǒng)數(shù)值解的收斂性[J];寧夏大學學報(自然科學版);2010年04期

7 李治;楊曉梅;孟樊;范文義;;物候特征輔助下的隨機森林宏觀尺度土地覆蓋分類方法研究[J];遙感信息;2013年06期

8 金宇;周可新;方穎;劉欣;;基于隨機森林模型預估氣候變化對動物物種潛在生境的影響[J];生態(tài)與農(nóng)村環(huán)境學報;2014年04期

9 馬明;岳彩榮;張云飛;李小婷;張博;;基于TM影像的土地覆蓋分類比較研究[J];綠色科技;2014年03期

10 ;[J];;年期

相關會議論文 前7條

1 謝程利;王金橋;盧漢清;;核森林及其在目標檢測中的應用[A];第六屆和諧人機環(huán)境聯(lián)合學術會議（HHME2010)、第19屆全國多媒體學術會議（NCMT2010）、第6屆全國人機交互學術會議（CHCI2010）、第5屆全國普適計算學術會議（PCC2010）論文集[C];2010年

2 武曉巖;方慶偉;;基因表達數(shù)據(jù)分析的隨機森林方法及算法改進[A];黑龍江省第十次統(tǒng)計科學討論會論文集[C];2008年

3 張?zhí)忑?梁龍;王康;李華;;隨機森林結(jié)合激光誘導擊穿光譜技術用于的鋼鐵分類[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

4 相玉紅;張卓勇;;組蛋白去乙�；敢种苿┑臉�(gòu)效關系研究[A];第十一屆全國計算（機）化學學術會議論文摘要集[C];2011年

5 張濤;李貞子;武曉巖;李康;;隨機森林回歸分析方法及在代謝組學中的應用[A];2011年中國衛(wèi)生統(tǒng)計學年會會議論文集[C];2011年

6 馮飛翔;馮輔周;江鵬程;劉菁;劉建敏;;隨機森林和k-近鄰法在某型坦克變速箱狀態(tài)識別中的應用[A];第八屆全國轉(zhuǎn)子動力學學術討論會論文集[C];2008年

7 曹東升;許青松;梁逸曾;陳憲;李洪東;;組合樹的集合體和后向消除策略去分類P-糖蛋白化合物[A];第十屆全國計算(機)化學學術會議論文摘要集[C];2009年

相關博士學位論文 前6條

1 張乾;基于隨機森林的視覺數(shù)據(jù)分類關鍵技術研究[D];華南理工大學;2016年

2 薛小明;基于時頻分析與特征約簡的水電機組故障診斷方法研究[D];華中科技大學;2016年

3 曹正鳳;隨機森林算法優(yōu)化研究[D];首都經(jīng)濟貿(mào)易大學;2014年

4 雷震;隨機森林及其在遙感影像處理中應用研究[D];上海交通大學;2012年

5 岳明;基于隨機森林和規(guī)則集成法的酒類市場預測與發(fā)展戰(zhàn)略[D];天津大學;2008年

6 李書艷;單點氨基酸多態(tài)性與疾病相關關系的預測及其機制研究[D];蘭州大學;2010年

相關碩士學位論文 前10條

1 錢維;藥品不良反應監(jiān)測中隨機森林方法的建立與實現(xiàn)[D];第二軍醫(yī)大學;2012年

2 韓燕龍;基于隨機森林的指數(shù)化投資組合構(gòu)建研究[D];華南理工大學;2015年

3 賀捷;隨機森林在文本分類中的應用[D];華南理工大學;2015年

4 張文婷;交通環(huán)境下基于改進霍夫森林的目標檢測與跟蹤[D];華南理工大學;2015年

5 李強;基于多視角特征融合與隨機森林的蛋白質(zhì)結(jié)晶預測[D];南京理工大學;2015年

6 朱玟謙;一種收斂性隨機森林在人臉檢測中的應用研究[D];武漢理工大學;2015年

7 肖宇;基于序列圖像的手勢檢測與識別算法研究[D];電子科技大學;2014年

8 李慧;一種改進的隨機森林并行分類方法在運營商大數(shù)據(jù)的應用[D];電子科技大學;2015年

9 趙亞紅;面向多類標分類的隨機森林算法研究[D];哈爾濱工業(yè)大學;2014年

10 黎成;基于隨機森林和ReliefF的致病SNP識別方法[D];西安電子科技大學;2014年

，

本文編號：2197047