空间关联随机森林模型结合Sentinel-2影像估算潍北地区裸土期土壤盐分

土壤盐分含量(SSC)是评价土地退化和肥力水平的重要指标,实现SSC状态和空间分异的快速准确监测对区域环境的优化管理极为关键。选取潍北平原为研究区,野外采集233处土壤样品并获取同时相Sentinel-2多光谱影像,进一步将特征光谱波段和构建的最优光谱指数作为输入自变量,测试得到的SSC实测值为因变量,最后将空间关联函数引入到随机森林中去建立基于空间关联随机森林算法的SSC遥感估算模型,完成区域尺度上的SSC反演估算与空间制图。结果表明：影像的B3、B8和B11是SSC的特征波段,通过波段比值变换能够增强卫星光谱信号对SSC的吸收响应,筛选得到的最优光谱指数分别为RI₃₄(波段3和波段4的反射率比值)、RI₇₁₁(波段7和波段11的反射率比值)、ND₆₁₁(波段6和波段11的反射率归一化值)和D₄₅(波段4和波段5的反射率差值);仅用特征波段或最优光谱指数来构建模型不能取得满意的SSC估算精度,空间关联随机森林模型的SSC估算精度要高于随机森林模型;在将上述特征波段和最优光谱指数共同输入空间关联随机...     

基于遥感时-空-谱特征及随机森林模型的土壤重金属空间分布预测

获取土壤重金属的含量特征及空间分布是预防土壤污染和制定环保政策的关键.选取济南市长清区为研究区,系统采集304处表层土壤样品（0~20 cm）,利用多源遥感数据构建土壤重金属的光谱特征、时间特征和空间特征;进一步采用相关分析法选择出与土壤重金属密切相关的时-空-谱特征,并将其作为输入自变量,实测土壤砷（As）含量值为因变量,建立基于随机森林（RF）算法的空间预测模型,完成土壤重金属的含量估算和空间分布预测.结果表明：①As含量均值超出背景值43.17％,低于农用地土壤污染风险规定的筛选值和管控值,表明As在土壤中出现富集,但处于可管控范围内.②在单个遥感特征构建的土壤重金属空间预测模型中,精度由高到低依次为：空间特征（RPIQ=3.87）>时间特征（RPIQ=2.57）>光谱特征（RPIQ=2.50）,空间特征对土壤重金属空间预测最为重要.③基于“时间-空间”、“时间-光谱”和“空间-光谱”组合特征的土壤重金属空间预测模型均优于单个特征构建的模型,其精度系数RPIQ值分别为4.81、4.21和4.70.④利用“时间-空间-光谱”特征组合输入的随机森林模型达到最佳的空间预测精度（R²=0.90;RMSE=0.77;RPIQ=5.68）.⑤As在空间分布上从西北到东南含量逐步降低,主要受到黄河冲淤积和工业活动影响.研究采用的遥感时-空-谱特征结合随机森林算法的土壤重金属空间预测技术,可为土壤污染防治及环境风险管控提供有效的方法支持.