Ecological Indicators│基于可解释机器学习和Sentinel-2影像的内陆干旱-东部沿海土壤盐渍化反演模型

文章预览

1、研究背景 土壤盐渍化是土地资源和生态环境的一个潜在风险因素，尤其在干旱地区和沿海地区显得尤为严重。盐渍化会导致土地退化、农作物减产，并威胁粮食安全。基于传统野外调查方式的盐渍化监测方法存在局限性，无法满足大范围、快速和动态的监测需求。随着遥感技术的进步，特别是Sentinel-2卫星遥感数据的使用和机器学习算法的发展，研究者们可以更精确和快速地监测土壤盐渍化。 2、创新之处 本研究针对中国的典型内陆干旱和东部沿海盐碱土壤，使用Sentinel-2数据（包括6个波段和27个光谱指数），结合土壤质地、水分含量、温度、降水数据和DEM数据，建立了一个跨区域的干旱-沿海土壤盐渍化监测模型。此外，对比了多种特征变量选择方法和机器学习模型，以提高土壤盐渍化反演的准确性。同时，使用了SHAP方法来增强机器学习模型的 ………………………………