基于Sentinel-2A影像和XGBoost模型的滇中高原地区土壤有机碳含量反演研究
严正飞1
杨明龙1
唐秀娟2
夏永华1
杨赈1
李万涛1
1.昆明理工大学 国土资源工程学院,云南 昆明 650093;云南省高校高原山区空间信息测绘技术应用工程研究中心,云南 昆明 6500932.昆明市测绘研究院,云南 昆明 650091
摘要：土壤有机碳(Soil organic carbon,SOC)在保持土壤肥力、促进植物生长和农业可持续发展等方面发挥着至关重要的作用,因此,高效精准地获取SOC含量非常重要.利用Sentinel-2A多光谱遥感影像数据并结合实测SOC含量、Sentinel-1后向散射系数、植被指数和地形因子数据(高程、坡度、坡向),分别使用随机森林(RF)、深度森林(DF)和XGBoost算法模型,对姚安灌区的SOC含量进行反演研究.结果表明,从不同组合的辅助变量来看,结合不同变量因子(植被指数因子、地形因子、后向散射系数因子等)有助于提高SOC含量的预测精度,尤其加入地形因子后,RF、DF和XGBoost 3种模型的R2分别提升0.052 3、0.039 8和0.068 9.从不同预测模型测算结果分析,XGBoost和DF算法模型都可以有效地进行耕地SOC含量的精准预测,其中XGBoost算法模型与M3变量组合(Sentinel-2A影像的12个波段数据、植被指数数据、Sentinel-1后向散射系数数据以及地形因子数据的组合)结合的预测能力最高[决定系数(R2)=0.810 6,均方根误差(RMSE)=1.813 2],其次是DF算法模型(R2=0.751 2,RMSE=1.925 5),而RF算法模型的预测能力相对较低(R2=0.624 5,RMSE=2.503 1).
关键词：土壤有机碳Sentinel-2A遥感反演机器学习XGBoost算法滇中高原
分类号：S127(农业物理学)
资助基金：国家自然科学基金(62266026)
论文发表日期：2025-02-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 145-153 )
英文信息