基于环境变量和机器学习的土壤水分反演模型研究

作     者：王思楠 李瑞平 吴英杰 赵水霞 王秀青 WANG Sinan;LI Ruiping;WU Yingjie;ZHAO Shuixia;WANG Xiuqing

作者机构：内蒙古农业大学水利与土木建筑工程学院呼和浩特010018 内蒙古自治区农牧业大数据研究与应用重点实验室呼和浩特010018 中国水利水电科学研究院牧区水利科学研究所呼和浩特010020 内蒙古自治区测绘地理信息中心呼和浩特010050 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第5期

页      面：332-341页

核心收录：

学科分类：0711[理学-系统科学] 08[工学] 0818[工学-地质资源与地质工程] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0815[工学-水利工程] 0706[理学-大气科学] 0901[农学-作物学] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：内蒙古自治区科技计划项目(201802123) 国家自然科学基金项目(52069021,51839006)。 

主　　题：土壤水分 遥感反演 随机森林 极限学习机 偏最小二乘回归 环境变量 

摘      要：为利用多源数据构建毛乌素沙地腹部土壤含水率建模指示因子,通过微波后向散射系数、地表温度、缨帽变换要素、波段反射率、干旱指数和地形要素等17个变量为建模因子,分别以偏最小二乘(Partial least squares regression,PLSR)、极限学习机(Extreme learning machine,ELM)和随机森林(Random forest,RF)3种方法构建土壤含水率反演模型,对模型进行验证和对比,并对研究区的土壤水分分布进行制图。结果表明:温度植被干旱指数是土壤水分空间变异性的最重要的预测因子(决定系数为0.64),其次是地表温度(0.6)、σ_(VV)(0.38)、植被指数(0.38)、波段7反射率(0.35)、σ_(VH)(0.32)、波段6反射率(0.3)和反照率(0.26)。相比于未筛选变量所构建的模型,利用最优子集筛选(Best subset selection,BSS)变量所构建的模型精度均有所提升。其中PLSR在处理共线性方面表现最优,ELM回归模型最稳定。RF模型具有最高的精确度,4月,决定系数为0.74,均方根误差为8.85%,平均绝对误差为7.86%;8月,决定系数为0.75,均方根误差为8.86%,平均绝对误差为7.41%。不同方法反演的土壤水分分布趋势没有显著差异,高土壤含水率出现在研究区的北部和东南部,中北部平坦地区的土壤含水率较低。利用光谱指数、环境因子和地形数据构建的多因子、多指数综合模型能较高精度地反演毛乌素沙地腹部表层土壤水分,对研究该地区土地荒漠化和生态环境治理具有参考价值。