基于多源光谱数据和机器学习算法的土壤有机碳反演研究：以内蒙古自治区东北部为例

摘要

为探究外界环境因素（光照、大气条件）和传感器参数（光谱与空间分辨率）对不同来源光谱数据反演土壤有机碳（SOC）精度的影响机制，以内蒙古自治区东北部为研究区，采集160个表层土壤（0～20 cm）SOC样品，并同步获取近端高光谱（室内人造光源与室外太阳光源）以及星载多光谱（Landsat-8、Sentinel-2）与高光谱（ZY1-02D）数据，使用随机森林（RF）与支持向量机（SVM）算法，分别构建SOC反演模型，通过系统比较不同数据源的模型性能，分析环境因素与传感器参数对SOC反演精度的影响。结果显示：室内人造光源因光谱信号稳定、可控性强，其反演精度略优于室外太阳光源，但二者差异较小，表明自然光照波动对SOC反演的影响有限；近地高光谱数据反演精度显著高于卫星多光谱与高光谱数据，主要因卫星数据受大气散射、水汽吸收及混合像元等问题干扰；在卫星数据中，高光谱卫星ZY1-02D的反演精度高于多光谱卫星，而Sentinel-2较Landsat-8的空间分辨率提升（10 m vs 30 m）对模型性能改善有限，说明光谱分辨率对SOC精度的贡献大于空间分辨率。

关键词

多源光谱数据 / 土壤有机碳 / 机器学习算法 / 反演方法 / 资源一号02D / 光谱分辨率