基于GF-1遥感数据预测区域森林土壤有机质含量

作者：李莹莹; 赵正勇^*; 杨旗; 丁晓纲; 孙冬晓; 韦孙玮

来源：土壤, 2022, 54(01): 191-197.

DOI：10.13758/j.cnki.tr.2022.01.025

• 土壤预测
• 人工神经网络模型
• GF-1
• 遥感数据
• 多层土壤

为探索国产卫星GF-1预测土壤有机质(SOM)的能力，本研究以广东省云浮市的罗定市为研究区，以GF-1多光谱遥感影像衍生的9个遥感变量和DEM提取的9个地形水文变量为预测因子，建立2种人工神经网络模型(A模型：地形水文；B模型：地形水文+遥感)，对5个土壤深度(L1:0～20 cm,L2:20～40 cm,L3:40～60 cm,L4:60～80 cm,L5:80～100 cm)的SOM进行预测。结果表明：5个深度的B模型全都比A模型的精度高，尤其是L1、L2土层，精度提升明显，其R2分别提高了13%和10%；而深层土壤(L3、L4、L5)的精度提升较小，仅提高了4%、5%和4%。另外，两个评价指标RMSE和ROA±10%也表现出相似的趋势。总体而言，GF-1遥感数据显著改善了上层(0～40 cm)森林土壤人工神经网络模型的预测精度，对下层(40～100 cm)森林土壤模型改善尺度较低，是预测森林土壤SOM含量可观的新遥感数据源。

• 单位
  广西大学; 广东省林业科学研究院