STE | 基于机器学习的西北干旱荒漠地区土壤盐分检测：Landsat-8 OLI & Sentinel-2 MSI

      准确评估土壤盐渍化被认为是应对全球气候变化的最重要步骤之一，对干旱和半干旱地区更是如此。包括Landsat系列在内的多光谱遥感数据为各种规模和分辨率的土壤盐渍化的周期调查提供了潜力。2016年发射的Sentinel-2卫星星座具有5天的时间重访频率，已经被证明是评估土壤盐度的理想工具。然而关于Landsat-8 OLI和Sentinel-2 MSI之间的土壤盐分反演的详细比较的研究仍然有限。为此，我们在一个干旱的沙漠地区——新疆艾比湖湿地国家自然保护区（ELWNNR）内收集了64个表土样品，以比较Landsat-8OLI和Sentinel-2 MSI之间的监测精度。在这项研究中，使用遥感数据导出的协变量（光谱波段，缨帽变换湿度分量（TCW）和卫星盐度指数）和实验室测得的电导率数（土水比1∶5浸提液）据对Cubist模型进行训练。

      研究结果表明，测得的土壤盐度与表层土壤水分具有显着相关性（Pearson'sr = 0.75）。TCW的引入产生了令人满意的估算性能。与OLI数据集相比，MSI数据集和Cubist模型的组合产生了总体上更好的模型性能和精度度量（R²= 0.912，RMSE = 6.462 dS m ^-1，NRMSE = 9.226％，RPD = 3.400和RPIQ = 6.824）。Landsat-8 OLI和Sentinel-2 MSI之间的区别是可区分的。总之，具有更好空间分辨率的MSI图像的性能优于OLI。在Cubist框架内将遥感数据集及其导出的TCW结合起来，可以得到区域准确的盐度图。MSI数据的时间重访频率和频谱分辨率的提高有望对沙漠土壤高质量土壤盐分信息的获取产生积极的促进作用。

←左右滑动了解更多→

论文链接

https://doi.org/10.1016/j.scitotenv.2019.136092