高光谱遥感监测和人工智能在大空间尺度上土壤碳

就土壤中的碳是多少?这是一个很难回答的问题,在大的空间尺度上,但是理解土壤有机碳在区域、国家和全球尺度可以帮助科学家预测总体土壤健康,甚至作物生产力和全球碳循环。在最近的研究中,伊利诺斯大学的研究人员已经证明,基于实验室土壤高光谱数据的新的机器学习方法可以提供估计土壤有机碳与实验室方法相同的精度。他们的研究提供了基础使用空中和卫星高光谱遥感监测土壤有机碳在大面积表面。

“土壤有机碳对土壤的健康是一个非常重要的组件,以及农田生产力”,主要研究作者说王盛伊利诺伊大学的。“我们做了一个综合评价机器学习算法的一个非常密集的国家土壤实验室光谱数据库量化土壤有机碳。”

王先生和他的同事使用一个公共土壤光谱库从美国农业部自然资源保护服务包含超过37500 field-collected记录和代表我们所有周围的土壤类型。

“光谱指纹数据丰富的土壤性质;我们说成千上万的点为每个样本”,Andrew Margenot说,作物学系助理教授,研究报告合著者。“你可以通过扫描一个未知样品碳含量和应用统计方法已经使用了几十年,但在这里,我们试图屏幕在几乎每一个潜在的造型方法”,他补充道。“我们知道这些模型的一些工作,但规模和新奇的是,我们尝试了各种各样的机器学习算法。”

Kaiyu官说:“这项工作建立基础用高光谱和多光谱遥感技术来测量土壤碳在土壤表面级别属性。这可能使扩展可能无处不在。”

基于土壤库中选择最佳的算法后,研究人员把它与模拟测试机载和星载高光谱数据。正如预期的那样,他们的模型占表面光谱图像固有的“噪音”,返回一个高度精确和大规模的土壤有机碳。

“NASA和其他机构有新的或即将到来的高光谱卫星任务,这是非常激动人心的知道我们将准备利用新的人工智能技术来预测重要的土壤特性与光谱数据从这些任务”,王说。