一种基于机器学习回归算法的土壤盐度预测方法技术

本发明专利技术公开了一种基于机器学习回归算法的土壤盐度预测方法，包括如下步骤：S1、以等边三角形为测点形状，采用EM38大地电导仪采集三角形的三个角点的实测盐度，测量时，读取垂直读数EMV和水平读数EMH，取平均值作为三角形区域的盐度，测量若干个三角形区域的EMH和EMV为基础真理训练集(TS)；S2、利用L波段雷达后向散射系数去除植被贡献来获得土壤组分；S3、通过直接栅格化将实测地块转换为栅格来创建训练集(TS)；S4、利用上述训练集(TS)，采用随机森林回归(RFR)算法建模应用于联合数据集进行盐度预测。

【技术实现步骤摘要】
一种基于机器学习回归算法的土壤盐度预测方法
本专利技术涉及土壤盐度检测领域，具体涉及一种基于机器学习回归算法的土壤盐度预测方法。
技术介绍
土壤盐渍化是农作物生长发育受抑制的重要土壤障碍因子之一。土壤盐渍化影响作物生产和粮食安全。绘制盐渍度的空间分布和土壤盐渍化严重程度对农业管理和发展至关重要。
技术实现思路
为解决上述问题，本专利技术提供了一种基于机器学习回归算法的土壤盐度预测方法。为实现上述目的，本专利技术采取的技术方案为：一种基于机器学习回归算法的土壤盐度预测方法，包括如下步骤：S1、以等边三角形为测点形状，采用EM38大地电导仪采集三角形的三个角点的实测盐度，测量时，读取垂直读数EMV和水平读数EMH，取平均值作为三角形区域的盐度，测量若干个三角形区域的EMH和EMV为基础真理训练集(TS)；S2、利用L波段雷达后向散射系数去除植被贡献来获得土壤组分；S3、通过直接栅格化将实测地块转换为栅格来创建训练集(TS)；S4、利用上述训练集(TS)，采用随机森林回归(RFR)算法建模应用于联合数据集进行盐度预测。进一步地，所述步骤S1中，所述等边三角形的边长15-20米，确保三角形可以近本文档来自技高网...

【技术保护点】
1.一种基于机器学习回归算法的土壤盐度预测方法，其特征在于：包括如下步骤：S1、以等边三角形为测点形状，采用EM38大地电导仪采集三角形的三个角点的实测盐度，测量时，读取垂直读数EMV和水平读数EMH，取平均值作为三角形区域的盐度，测量若干个三角形区域的EMH和EMV为基础真理训练集(TS)；S2、利用L波段雷达后向散射系数去除植被贡献来获得土壤组分；S3、通过直接栅格化将实测地块转换为栅格来创建训练集(TS)；S4、利用上述训练集(TS)，采用随机森林回归(RFR)算法建模应用于联合数据集进行盐度预测。

【技术特征摘要】
1.一种基于机器学习回归算法的土壤盐度预测方法，其特征在于：包括如下步骤：S1、以等边三角形为测点形状，采用EM38大地电导仪采集三角形的三个角点的实测盐度，测量时，读取垂直读数EMV和水平读数EMH，取平均值作为三角形区域的盐度，测量若干个三角形区域的EMH和EMV为基础真理训练集(TS)；S2、利用L波段雷达后向散射系数去除植被贡献来获得土壤组分；S3、通过直接栅格化将实测地块转换为栅格来创建训练集(TS)；S4、利用上述训练集(TS)，采用随机森林回归(RFR)算法建模应用于联合数据集进行盐度预测。2.如权利要求1所述的一种基于机器学习回归算法的土壤盐度预测方法，其特征在于：所述步骤S1中，所述等边三角形的边长15-20米，确保三角形可以近似表示一个TM像素；测量区块的规格1m×1m。3.如权利要求1所述的一种基于机器学习回归算法的土壤盐度预测方法，其特征在于：所述步骤S2具体包括如下步骤：S21、用无线电测量校准从欧洲航天局获取的LANDSAT5TM图像，并采用散射法模型消除附加的大气影响，将所产生的反射率每一波段重新设定为0-1；S22、对从欧洲航天局获取的1.5级雷达结果进行几何校正，并将像素重新调整到12.5米的大小，对水平发射水平接收HH和水平发射垂直接收HV的数字量化值分别进行校正，按照公式转换为后向散射系数(σ0HH、σ0Hv)；然后应用增强Lee滤波器(EnhancedLeefilter3×3大小，Lee1980)去除斑点或噪声，导出σ0HH和σ0Hv，并重放大到30m像素用来匹配TM数据；S23、构建植被含水量(VWC)对雷达后向散射系数影响的水云模型：L2＝exp(-2BV2sec(θi))其中，σ0是来自植被冠层和土壤的总后向散射系数(σ0HH、σ0Hv)；σ0veg是植被的后向散射贡献，σ0soil是土壤的散射贡献；L2是双向植被衰减；θi雷达波束的入射角...

【专利技术属性】
技术研发人员：吴伟成，周晓亭，祝民强，刘光萍，
申请(专利权)人：东华理工大学，
类型：发明
国别省市：江西,36