基于Google+Earth+Engine和机器学习的耕地土壤有机质含量预测.pdfVIP

第 38 卷 第 18 期 农 业 工 程 学 报 Vol.38 No.18 130 2022 年 9 月 Transactions of the Chinese Society of Agricultural Engineering Sept. 2022 基于 Google Earth Engine 和机器学习的耕地土壤有机质含量预测 1,2 2※ 1 1 2 郭 静 ，龙慧灵 ，何 津 ，梅 新 ，杨贵军 （1. 湖北大学资源环境学院，武汉 430062 ；2. 农业农村部农业遥感机理与定量遥感重点实验室，北京市农林科学院信息技术研究 中心，北京 100097 ） 摘 要：土壤有机质含量是耕地质量定级的依据，是耕地质量评价的核心内容之一，因此，精准高效地获取土壤有机质 含量非常重要。高分辨率遥感技术和谷歌地球引擎（Google Earth Engine，GEE ）云计算平台的出现，为土壤有机质的高 效反演提供了新的途径和方法。该研究以藁城区的 Sentinel-2A MSI 数据和 Landsat8 OLI 数据为主要的数据源，结合 Sentinel-1 SAR 数据、ECMWF/ERA5 气象数据和 USGS/SRTMGL1_003 高程数据，分别采用随机森林（Random Forest ， RF ）、梯度升级树（Gradient Boosting Decision Tree，GBDT ）和支持向量机（Support Vector Machine，SVM）算法，在 GEE 平台对藁城耕地土壤有机质含量进行反演。结果表明：1）基于 Sentinel-2A 建立的模型（模型 A* ）在预测 SOM 含 量方面优于基于 Landsat8 建立的模型（模型 B* ），GBDT 算法下的 Sentinel-2A 的全变量模型取得了最佳结果（R2=0.759 ， RMSE= 2.852 g/kg ）；2 ）考虑红边波段的Sentinel-2A 数据建立的模型（A-1 ）比不考虑红边波段的模型（A-0 ），R2 提 高了 9.752% ；；3 ）从不同的预测算法来看，GBDT 算法能较好地适用于研究区的土壤有机质预测，GBDT 算法、Sentinel-2A 与 GEE 的结合是土壤有机质预测制图的一种有效方法。 关键词：土壤；有机质；数字土壤制图； GEE 云平台；机器学习；耕地 doi ：10.11975/j.issn.1002-6819.2022.18.014 中图分类号：S127 文献标志码：A 文章编号：1002-6819(2022)-18-0130-08 郭静，龙慧灵，何津，等. 基于 Google Earth Engine 和机器学习的耕地土壤有机质含量预测[J]. 农业工程学报，2022， 38(18)：130-137. doi ：10.11975/j.issn.1002-6819.2022.18.014 Guo Jing, Long Huiling, He Jin, et al. Predicting soil organic matter contents in cultivated land using Google Earth Engine and machine learning[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(18): 130-137. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2022.18.014