日韩久久午夜一级啪啪 I一区二区av I婷五月天激情 I婷婷在线网站 I亚洲精选在线观看 I亚洲精品看片 I亚洲精色 I色a网 I五月激情丁香图片 I夜夜操夜夜干 I天天曰天天干 I天天干天天操 I亚洲精品乱码久久久久久写真 I最新国产在线视频 I色av资源网 I在线播放亚洲 I天天干天天操av I色婷婷久久一区二区 I天天干天天射天天操 I伊人中文在线 I日韩美精品视频 I五月综合色 I五月激情五月激情

　　 在全球碳循環(huán)中，土壤有機(jī)碳（SOC）是最大的陸地碳庫(kù)，約占陸地總碳的50-80%，其含量是大氣或植被的三倍以上，并決定了景觀的碳源、碳匯能力。了解土壤有機(jī)碳含量對(duì)環(huán)境可持續(xù)性和碳中和至關(guān)重要。隨著遙感數(shù)據(jù)和預(yù)測(cè)模型的發(fā)展，融合多源遙感數(shù)據(jù)預(yù)測(cè)SOC含量是一個(gè)有趣而富有挑戰(zhàn)性的課題。為此，中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所農(nóng)業(yè)遙感學(xué)科組的科研人員基于區(qū)域能量權(quán)重的離散小波變換和譜帶分割方法，融合了2009-2019年10個(gè)場(chǎng)景的陸地衛(wèi)星多光譜圖像數(shù)據(jù)的時(shí)相信息、地形數(shù)據(jù)的空間信息和高分5號(hào)高光譜圖像的光譜信息。然后，利用偏最小二乘回歸、隨機(jī)森林和卷積神經(jīng)網(wǎng)絡(luò)算法，開發(fā)一種提取時(shí)-空-譜（TSS）融合信息的新方法，驗(yàn)證TSS信息是否能夠更好地代表土壤信息，提高土壤有機(jī)碳含量預(yù)測(cè)的準(zhǔn)確性，并驗(yàn)證模型的可移植性，評(píng)估時(shí)相、空間和光譜信息在預(yù)測(cè)SOC含量中的作用。 

　　 結(jié)果表明：當(dāng)TSS信息作為輸入且CNN作為預(yù)測(cè)模型時(shí)，獲得了最優(yōu)的SOC含量預(yù)測(cè)模型（均方根誤差（RMSE）為2.49 g kg-1，決定系數(shù)（R2）為0.86，性能與四分位間距之比（RPIQ）為1.91）。其次，不同信息影響SOC含量預(yù)測(cè)精度的順序是光譜>時(shí)相>空間信息。此外，無論使用哪種輸入量，CNN都比PLSR和RF具有更高的預(yù)測(cè)精度。CNN的RMSE比RF低0.42 g kg-1，R2和RPIQ分別比RF高9.25%和0.14%。上述結(jié)論在驗(yàn)證區(qū)域得到證明。該研究的意義在于，利用了數(shù)據(jù)挖掘技術(shù)，集成了土壤光譜庫(kù)、多源遙感數(shù)據(jù)和深度學(xué)習(xí)算法，以獲得大規(guī)模和高空間分辨率的土壤有機(jī)碳含量預(yù)測(cè)模型，為今后綜合利用多源遙感數(shù)據(jù)和深度學(xué)習(xí)算法預(yù)測(cè)土壤性質(zhì)提供了新思路。 

　　圖1基于多時(shí)相多光譜、高光譜、地形及其融合數(shù)據(jù)預(yù)測(cè)SOC含量的流程圖 

　　圖2基于區(qū)域能量加權(quán)離散小波變換的圖像融合過程 

　　圖3基于不同輸入量的實(shí)驗(yàn)室實(shí)測(cè)與預(yù)測(cè)SOC含量之間的散點(diǎn)圖 

　　 研究成果于近期發(fā)表在國(guó)際期刊Remote Sensing of Environment（IF=13.85）上，由劉煥軍研究員（通訊作者）和孟祥添博士（第一作者）共同完成。該研究得到了中國(guó)國(guó)家重點(diǎn)研發(fā)計(jì)劃（2021YFD1500100）資助。 

　　文章信息：Meng, X.T., Bao, Y.L., Wang, Y.A., Zhang, X.L., Liu, H.J. 2022. An advanced soil organic carbon content prediction model via fused temporal-spatial-spectral (TSS) information based on machine learning and deep learning algorithms. Remote Sens. Environ. 280, 113166. https://doi.org/10.1016/j.rse.2022.113166