周萍教授团队：基于机器学习优化建模的GF-5影像土壤总氮量预测填图（《智慧农业（中英文）》2024年第5期）

刘丽琪, 魏广源, 周萍. 基于机器学习优化建模的GF-5影像土壤总氮量预测填图[J]. 智慧农业(中英文), 2024, 6(5): 61-73.

Citation:LIU Liqi, WEI Guangyuan, ZHOU Ping. Prediction and Mapping of Soil Total Nitrogen Using GF-5 Image Based on Machine Learning Optimization Modeling[J]. Smart Agriculture, 2024, 6(5): 61-73.

刘丽琪¹， 魏广源²， 周萍^1*

（1.中国地质大学（北京） 地球科学与资源学院，北京 100083，中国；2.中国地质大学（武汉） 地球科学学院，湖北武汉 430074，中国）

摘要： 

［目的/意义］大范围快速检测土壤养分并实现基于GF-5影像对土壤总氮量精准填图。

［方法］基于实测土壤光谱和GF-5星载高光谱数据，引入偏最小二乘回归（Partial Least Squares Regression, PLSR）、反向神经网络（Back Propagation Neural Network, BPNN）和以核函数Poly为驱动支持向量机（Support Vector Machine, SVM）的机器学习算法，构建3种土壤总氮（Total Nitrogen, TN）反演模型，并以十折交叉验证方法确定各模型的最优解。采用多元散射校正（Multiple Scattering Correction, MSC）获取的波段特征值使模型表现更佳。

［结果和讨论］MSC-Poly-SVM模型经测试集样本检验，其决定系数（R²）、均方根误差（Root Mean Squared Error, RMSE）和相对分析误差（Residual Prediction Deviation, RPD）分别是0.863、0.203和2.147。将该模型用于星载GF-5号影像数据进行土壤总氮含量的反演填图。由填图结果可见，黑龙江省富锦市建三江垦区86.1%的土地总氮量均在2.0 g/kg以上，土地氮含量以一等地块和二等地块为主，而三等地块和四等级地块仅占总面积的11.83%。研究区内土壤氮要素储备充足，总氮高背景值主要集中在中部靠近河流两岸、呈北东东向分布。本研究土壤总氮预测成图结果与前人1∶25万地球化学插值和航空高光谱影像（Compact Airborne Spectrographic Imager, CASI）和（Shortwave Infrared Airborne Spectrographic Imager, SASI）填图效果具有很好的一致性。

［结论］研究表明星载GF-5高光谱数据在土壤全氮含量监测填图和可视化分析上具有极高的潜力，本研究提出方法可为今后大范围开展定量检测土壤养分状况以及合理施肥提供技术支撑。

关键词： GF-5高光谱数据；土壤总氮；偏最小二乘回归法；反向神经网络；多元散射校正；机器学习

图1　黑龙江省富锦市建三江地理位置

Fig. 1  Geographical location of Jiansanjiang， Fujin city，Heilongjiang province

图2　土壤总氮含量研究技术流程图

Fig. 2  Technical flow chart for soil TN content research

图3　建三江土壤样本采样点示意图

Fig.3  Schematic diagram of soil sample sampling points in Jiansanjiang

图4　土壤总氮含量制图研究GF-5号影像预处理前、后对比

Fig. 4  Comparison of soil total nitrogen （TN） content mapping before and after preprocessing of GF-5 imagery

图5　土壤总氮含量制图研究全氮含量BP模型图

Fig. 5  Soil TN content mapping study: Total nitrogen content BP model diagram

图 6　土壤总氮含量制图研究三种滤波方法处理前后对比

Fig.6  Comparison of three filtering methods before and after processing for soil TN content mapping study

图7　土壤总氮含量制图研究GF-5影像土壤光谱与地面实测土壤光谱对比图

Fig. 7  Mapping of soil TN content comparison between GF-5 image soil spectrum and ground measured soil spectrum

图8　土壤总氮含量制图研究光谱重采样前后对比

Fig.8  Comparison of soil TN content before and after spectral resampling

图9　不同总氮含量的土壤光谱曲线

Fig.9  Spectral curves of soil with different TN content

图10　4种光谱变换结果

Fig. 10  Transformation results of four spectrals 

图11　各模型土壤测试集总氮估测散点图

Fig. 11  Scatter plot of soil test set TN estimation 

图12　建三江GF-5号星载高光谱影像土壤总氮含量反演填图

Fig.12  Inversion mapping of soil TN content in GF-5 spaceborne hyperspectral data

图13　CASI和SACI 航空高光谱影像土壤总氮含量反演填图

Fig.13  Inversion mapping of soil TN content in CASI and SACI airborne hyperspectral data

图14　1∶25万地球化学结果图

Fig.14  1∶250 000 map of geochemical results

图15　建三江垦区GF-5高光谱影像土地总氮量评价图

Fig.15  Evaluation map of land TN content of GF-5 hyperspectral data for Jiansanjiang

周萍   教授

周萍，女，中国地质大学（北京）教授、硕士研究生导师，从事遥感技术在资源环境地质中应用教学和科研工作三十多年，在高光谱遥感和定量遥感领域科研成果丰富，主持或参加中国地质大调查项目和国家863重大专项等科研工作40多项，以第一作者或第一通讯作者在国内外核心期刊上发表50多篇论文。社会兼职包括中国遥感应用协会黄河流域高质量发展分会副理事长等职务。