融合多源遥感与机器学习的太原市土壤全氮含量数据集（2020）研发
文献类型：期刊论文
| 作者 | 邵馨1,2; 杨婷1 |
| 刊名 | 全球变化数据学报(中英文)
 |
| 出版日期 | 2025-09-25 |
| 卷号 | 9期号:03页码:323-330+449-456 |
| 关键词 | GEE 土壤全氮 多源遥感数据 机器学习模型 |
| ISSN号 | 2096-3645 |
| 产权排序 | 1 |
| 英文摘要 | 土壤全氮含量是反映土壤养分水平与生态功能的重要指标，对农业生产、生态保护与环境安全具有重要意义。本研究依托Google Earth Engine（GEE）云计算平台，融合多源遥感数据，选取了包括MODIS NDVI指数、Sentinel-2近红外波段反射率、地表土壤水分、降水量、地表温度和数字高程模型（DEM）等关键环境因子作为输入变量，采用随机森林回归（Random Forest,RF）、分类回归树（Classification and Regression Tree,CART）和梯度提升回归树（Gradient Boosting Regression Tree,GBRT）三种机器学习模型，对土壤全氮含量进行反演，构建了2020年太原市土壤全氮含量数据。以国际土壤信息中心（ISRIC）通过SoilGrids项目提供的全球土壤全氮含量数据为参考，采用均方根误差（RMSE）和决定系数（R2）作为评估指标，通过交叉验证，RF、CART、GBRT的各层土壤全氮含量平均RMSE分别为0.16 g/kg、0.21 g/kg、0.33 g/kg，平均R2分别为0.62、0.64、0.85。数据验证结果表明，该数据集具有较高的精度和可靠性，可为区域土壤养分评估、农业生产决策及生态环境管理提供科学支持。数据集内容为2020年太原市多层（包括6个深度层次：0–5 cm、5–15 cm、15–30 cm、30–60 cm、60–100 cm与100–200 cm）土壤全氮含量数据，空间分辨率为30 m，以.tif格式存储，共18个数据文件，数据总量为1.52 GB（压缩为1个文件，219 MB）。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/217631]  |
| 专题 | 黄河三角洲现代农业工程实验室_中文论文 |
| 通讯作者 | 杨婷 |
| 作者单位 | 1.中国科学院地理科学与资源研究所黄河三角洲现代农业工程实验室; 2.云南师范大学地理学部 |
| 推荐引用方式 GB/T 7714 | 邵馨,杨婷. 融合多源遥感与机器学习的太原市土壤全氮含量数据集（2020）研发[J]. 全球变化数据学报(中英文),2025,9(03):323-330+449-456. |
| APA | 邵馨,&杨婷.(2025).融合多源遥感与机器学习的太原市土壤全氮含量数据集（2020）研发.全球变化数据学报(中英文),9(03),323-330+449-456. |
| MLA | 邵馨,et al."融合多源遥感与机器学习的太原市土壤全氮含量数据集（2020）研发".全球变化数据学报(中英文) 9.03(2025):323-330+449-456. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。