公开(公告)号：CN115468921B

公开(公告)日：2024-08-13

申请号：CN202211156901.0

申请日：2022-09-21

Applicant: 中国科学院东北地理与农业生态研究所

Inventor： 王翔 ,  李思佳 ,  宋开山 ,  王丽萍 ,  郑淼

IPC: G01N21/25 ,  G01N21/47 ,  G06F18/243

Abstract: 使用环境因素与光谱结合的土壤分类方法，本发明属于土壤光谱分类领域，具体涉及一种土壤高光谱分类的方法。本发明是为了解决大区域土壤光谱分类精度低的技术问题。本方法如下：一、表层土壤样本采集与测试；二、土壤样本光谱测试；三、土壤光谱处理；四、环境数据下载与处理；五、不同土类光谱特征分析；六、分类变量的重要性分析；七、土壤分类模型的构建。土壤分类模型使用随机森林模型，使用环境因素和包络线去除光谱的主成分作为分类变量，验证样点分类精度可以达到81.5％，kappa系数为0.77。如果仅使用光谱信息去构建随机森林分类模型，最高分类精度仅为45.9％。对于大区域的土壤分类研究，环境因素很重要，可以识别光谱信息不能识别的土壤类型。

公开(公告)号：CN115932154A

公开(公告)日：2023-04-07

申请号：CN202211151154.1

申请日：2022-09-21

Applicant: 中国科学院东北地理与农业生态研究所

Inventor： 王翔 ,  尚盈辛 ,  宋开山 ,  王丽萍 ,  郑淼

IPC: G01N31/16 ,  G01N21/84 ,  G06V10/764

Abstract: 考虑土壤类型的土壤有机碳遥感制图方法，本发明属于数字土壤制图领域，具体涉及一种土壤有机碳遥感估算的方法。本发明是为了解决当前由于SOC遥感制图模型单一而导致的高估或低估的技术问题。本方法如下：一、土壤样点采集与测试；二、遥感影像下载与处理；三、环境数据下载与处理；四、土壤分类模型的构建；五、SOC预测模型构建；六、SOC遥感制图。本发明的土壤分类模型使用随机森林模型，使用植被指数、温度、降水、土壤质地作为分类变量，验证样点总体分类精度为91.67％，kappa系数为0.88。考虑土壤类型的SOC预测模型的验证样点R2为0.71，RMSE为2.54g·kg‑1。考虑土壤类型的SOC预测精度高于所有样点的单一预测模型精度。

公开(公告)号：CN115541809A

公开(公告)日：2022-12-30

申请号：CN202211151376.3

申请日：2022-09-21

Applicant: 中国科学院东北地理与农业生态研究所

Inventor： 王翔 ,  李思佳 ,  宋开山 ,  王丽萍 ,  郑淼

IPC: G01N31/16 ,  G01N21/84

Abstract: 考虑土壤分类概率的土壤有机碳制图方法，本发明属于数字土壤制图领域，具体涉及一种土壤有机碳遥感估算的方法。本发明的目的是为了解决因土壤类型差异导致单一模型预测能力不足的问题。本方法如下：一、表层土壤样本采集与测试；二、遥感影像下载与处理；三、环境数据下载与处理；四、土壤分类模型的构建与分类概率计算；五、SOC预测模型构建；六、SOC遥感制图。考虑土壤分类概率的SOC预测模型的验证样点R2为0.77，RMSE为2.30g·kg‑1。考虑土壤类型的SOC预测精度较高，考虑像素分类不确定性更合理。

公开(公告)号：CN115656416B

公开(公告)日：2025-01-21

申请号：CN202211151372.5

申请日：2022-09-21

Applicant: 中国科学院东北地理与农业生态研究所

Inventor： 王翔 ,  李思佳 ,  宋开山 ,  王丽萍 ,  郑淼

IPC: G01N31/16 ,  G01N21/31 ,  G06F18/23213 ,  G06N5/01 ,  G06N20/20

Abstract: 基于光谱形状特征的土壤有机质预测方法。本发明属于土壤有机质光谱预测领域，具体涉及一种估算土壤有机质的方法。本方法如下：一、土壤样本采集与处理；二、土壤样本光谱测试；三、土壤光谱处理与光谱特征参数提取；四、SOM预测模型构建，估算SOM含量。本发明构建的模型具有较高的预测精度，基于形状特征的光谱特征参数在SOM预测中具有很大的潜力。

公开(公告)号：CN115656416A

公开(公告)日：2023-01-31

申请号：CN202211151372.5

申请日：2022-09-21

Applicant: 中国科学院东北地理与农业生态研究所

Inventor： 王翔 ,  李思佳 ,  宋开山 ,  王丽萍 ,  郑淼

IPC: G01N31/16 ,  G01N21/31 ,  G06F18/23213 ,  G06N5/01 ,  G06N20/20

Abstract: 基于光谱形状特征的土壤有机质预测方法。本发明属于土壤有机质光谱预测领域，具体涉及一种估算土壤有机质的方法。本方法如下：一、土壤样本采集与处理；二、土壤样本光谱测试；三、土壤光谱处理与光谱特征参数提取；四、SOM预测模型构建，估算SOM含量。本发明构建的模型具有较高的预测精度，基于形状特征的光谱特征参数在SOM预测中具有很大的潜力。

公开(公告)号：CN115468921A

公开(公告)日：2022-12-13

申请号：CN202211156901.0

申请日：2022-09-21

Applicant: 中国科学院东北地理与农业生态研究所

Inventor： 王翔 ,  李思佳 ,  宋开山 ,  王丽萍 ,  郑淼

IPC: G01N21/25 ,  G01N21/47 ,  G06K9/62

Abstract: 使用环境因素与光谱结合的土壤分类方法，本发明属于土壤光谱分类领域，具体涉及一种土壤高光谱分类的方法。本发明是为了解决大区域土壤光谱分类精度低的技术问题。本方法如下：一、表层土壤样本采集与测试；二、土壤样本光谱测试；三、土壤光谱处理；四、环境数据下载与处理；五、不同土类光谱特征分析；六、分类变量的重要性分析；七、土壤分类模型的构建。土壤分类模型使用随机森林模型，使用环境因素和包络线去除光谱的主成分作为分类变量，验证样点分类精度可以达到81.5％，kappa系数为0.77。如果仅使用光谱信息去构建随机森林分类模型，最高分类精度仅为45.9％。对于大区域的土壤分类研究，环境因素很重要，可以识别光谱信息不能识别的土壤类型。