多光谱遥感结合随机森林算法反演耕作土壤有机质含量

来源：农业工程学报杂志2020年第10期北京时间：

作者：刘焕军,张美薇,杨昊轩,张新乐,孟祥添,李厚萱,唐海涛,

摘要：土壤有机质（Soil Organic Matter，SOM）遥感反演一般以单期影像作为输入量，为研究多时相影像遥感结合随机森林提高SOM遥感反演精度的可能性，该研究以黑龙江省农垦总局胜利农场耕地范围为研究区，以Sentinel-2A和Landsat 8影像作为数据源，获取两期裸土遥感影像，构建光谱指数，以随机森林算法筛选波段和光谱指数作为输入量，构建SOM反演模型。结果表明：1）两期影像的SOM反射光谱响应波段包括二者共有的中心波长：约560、660、850 nm，以及Sentinel-2A特有的中心波长740 nm 4个波段；2）基于单期影像最佳波段和光谱指数，Sentinel-2A影像SOM最优反演模型R2为0.913，均方根误差为0.860 g/kg，精度高于Landsat 8影像反演模型；3）单期影像最佳波段引入光谱指数，相比以最佳波段作为输入量，使SOM最优反演模型的均方根误差分别提高了28.867%和8.722%；4）引入时相信息，基于单期和两期影像波段和光谱指数，SOM最优反演模型精度由高到低为两期影像（R2为0.938，均方根误差1.329 g/kg）、Sentinel-2A影像（R2为0.935，均方根误差为1.944 g/kg）、Landsat 8影像（R2为0.922，均方根误差2.022 g/kg），两期影像SOM最优反演模型的稳定性和精度略高于单期影像。研究结果证明了Sentinel-2A影像数据以及多时相裸土影像反演SOM的优势。

关键词：土壤, 有机质, 光谱, 随机森林, 时相信息, Sentinel-2A, 反演精度