黑土区土壤有机质和全氮含量遥感反演研究

作者：郑淼; 王翔; 李思佳; 张丽; 宋开山^*

来源：地理科学, 2022, 42(08): 1336-1347.

DOI：10.13249/j.cnki.sgs.2022.08.002

• 土壤有机质(SOM)
• 土壤全氮(STN)
• 多元逐步线性回归
• 随机森林
• Sentinel-2A

以东北典型黑土区耕地为研究区，以Sentinel-2A(全球环境与安全监测计划的第二颗卫星，于2015年6月23日发射)影像作为数据源，构建光谱指数，分别采用多元逐步线性回归(Multiple Stepwise Linear Regression,MSLR)和随机森林(Random Forest, RF)算法建立土壤有机质(SOM)和土壤全氮(STN)预测模型，并采用十折交叉验证方法评估模型的性能。研究对比分析了不同气候、土壤类型和地形下土壤有机质和全氮的空间分布差异。研究表明：(1)海伦示范区的SOM和STN含量最高，其年均温最低，高程最高，年降水量多，SOM含量升高，其年均温最低，年降水量多，STN含量升高；(2)与基于多元逐步线性回归算法建立的SOM和STN预测模型相比，随机森林算法建立的SOM和STN预测模型，有着更高的精度和稳定性；(3)运用RF算法建立的SOM反演模型的R2为0.96，均方根误差为5.49 g/kg,STN反演模型的R2为0.95，均方根误差为0.27 g/kg；(4)不同示范区统一建立SOM和STN预测模型，有助于提高预测精度，实现跨区域建模与制图。

• 单位
  中国科学院东北地理与农业生态研究所; 吉林师范大学