利用遥感和机器学习方法,在南非东开普省Gqeberha沿海地区进行基于云的土壤盐度制图

《Journal of African Earth Sciences》:Cloud-Based Soil Salinity Mapping in Coastal Zones of Gqeberha, Eastern Cape, South Africa, Using Remote Sensing and Machine Learning Approaches

【字体: 大 中 小 】 时间:2026年01月03日 来源:Journal of African Earth Sciences 2.2

编辑推荐:

  土壤盐渍化动态监测研究基于南非Gqeberha海岸区,通过Sentinel-2卫星光谱指数结合Google Earth Engine地形数据,构建随机森林与轻GBM预测模型,验证RF模型最优(R2最高0.81,RMSE最低14.8 dS/m),证实云平台与遥感机器学习在沿海盐分监测中的可行性,为可持续农业提供决策支持。

  
S. Raja Ranganathan | Nada Alzaben | Abdulaziz G. Alghamdi | Hatim Dafaalla
AIML系,SNS技术学院,哥印拜陀-641035,印度

摘要

土壤盐碱化是一个普遍存在的环境问题,尤其是在沿海地区,这些地区加剧了根区盐分积累的条件(如盐分入侵、排水不良和蒸散作用减弱)。本研究聚焦于南非东开普省的Gqeberha沿海地区,旨在利用遥感数据和更先进的机器学习方法开发一种可靠的基于云的技术来绘制土壤盐碱化地图。研究使用了Sentinel-2卫星的遥感图像生成光谱指数,同时从Google Earth Engine中的DEM产品中提取地形变量。构建了两种集成学习模型:随机森林(RF)和Light Gradient Boosting Machine(LightGBM),根据上述环境变量来确定土壤电导率(EC)。通过校准、验证和交叉验证测试对这两种模型进行了评估。随机森林模型取得了最佳结果,其R2值分别为0.81、0.68、0.59,均方根误差(RMSE)分别为14.8、18.45和20.15 dS m?1。LightGBM模型的R2值分别为0.73、0.65、0.56,RMSE值分别为18.9、18.75和20.25 dS m?1,虽然预测精度略低,但仍处于可接受范围内。相对性能指数(RPIQ)也证实了随机森林模型的优越性。研究结果证明了云计算能力和基于卫星的环境特征结合机器学习在动态沿海环境中评估和监测土壤盐碱化的可行性。该方法为土地管理者和政策制定者提供了一种可扩展的方案,以帮助受盐碱化影响的地区实施可持续农业实践。

引言

土壤盐碱化是一个日益重要的环境问题,尤其是在沿海地区,因为海水入侵和排水不良使得盐分更容易积累(Sertel等人,2017;Hassani等人,2021)。盐碱化会导致农业产量下降、土壤健康状况恶化、水质受到影响,并威胁粮食安全和可持续的土地利用(Zhang等人,2023)。由于靠近海洋且水文条件高度动态,沿海地区尤为脆弱(Aldakheel等人,2005;Scudiero等人,2016b)。因此,管理土壤盐碱化至关重要,以避免破坏生态平衡,也不影响依赖健康景观维持生计的社区日常生活(Lobell等人,2010)。尽管实地测量是黄金标准(准确或接近准确),但其不具备可扩展性,且最终可能效率低下且成本高昂(Jiang等人,2019)。
本研究采用先进的地理空间和计算方法对土壤盐碱化进行建模(Akramkhanov等人,2011)。地理信息系统(GIS)能够管理和分析空间数据,并整合不同的环境变量(Farzamian等人,2019;Wu等人,2021)。地球观测技术,特别是Sentinel-2卫星数据,可以提供关于地表状况的最新详细信息(Xu等人,2021)。人工智能技术,也称为机器学习(ML)技术,如随机森林算法和Light Gradient Boosting框架,适用于根据光谱和辅助数据进行高级环境建模(Helat等人,2017)。这些模型通过基于云的平台(如Google Earth Engine,GEE)进行训练和验证,能够在低计算需求下高效处理大规模数据,并部署模型(Bell等人,2001;Madani,2013)。
南非东开普省的Gqeberha海岸线具有多样的土地利用类型、降雨量变化以及不断增加的人为压力,使得该地区极易发生土壤盐碱化(Gorji等人,2020)。盐碱化通常与农业扩张、城市化和气候变化有关(Wang等人,2020)。尽管早期有一些研究通过传统采样或遥感特征评估了土壤盐碱化,但大多数方法在分辨率和预测能力方面效果不佳(Farahmand & Sadeghi,2020)。此外,用于区域评估的计算资源也较为有限(Shi等人,2021)。本研究利用高空间分辨率卫星数据和高性能机器学习模型,在更大研究区域内基于云的环境中进行盐碱化预测,以推进盐碱化制图研究(Amezketa,2007;Zhu等人,2021)。
本研究的主要目标是建立一个基于云的框架,用于在沿海地区进行精确且可扩展的土壤盐碱化绘图(Scudiero等人,2016a)。因此,研究将展示:(1)如何从遥感数据中提取关键的光谱和环境特征(Hafez等人,2020);(2)如何开发和比较两种分类器——随机森林(RF)和LightGBM——在估算土壤盐碱化方面的输出可靠性;(3)如何展示其他云计算平台(如GEE)可用于大规模环境监测(He等人,2009;Ding & Yu,2014)。因此,该研究将为其他盐碱化严重的地区提供一种可重复的方法,有助于基于证据的决策制定,以管理土地和水资源(Guo等人,2023)。
本研究结合了基于云的遥感地球数据、GIS技术和机器智能方法,用于绘制沿海地区的盐碱化土壤地图(Douaoui等人,2006)。研究利用GEE的处理效率实现大规模数据集的扩展,并通过集成学习模型提高准确性(Zaman等人,2018)。对RF和LightGBM模型的比较分析为确定它们在环境建模中的相对优势奠定了基础(Metternicht & Zinck,2003)。此外,本研究扩展了与Gqeberha海岸相关的研究领域,并为当地利益相关者提供了具有空间相关性的数据(Allbed等人,2014)。该方法论框架可以在其他受威胁的沿海地区复制(Farifteh等人,2006)。

研究区域

本研究在南非东开普省的Gqeberha海岸进行。该沿海区域面积约为2.93平方公里,包含城市、城郊和农业用地。地理上,研究地点位于南纬33°25'35''至34°4'5''、东经25°8'0''至26°4'40''之间,地形多样,包括沿海平原和低矮丘陵,如图1所示。研究区域属于温带气候,降水量适中。

土壤样本采集与实验室分析

2023年旱季(6月至7月),采用分层随机采样方法从150个地理参考点使用土壤钻取器采集了15个土壤样本,目标层为表土层(0–30厘米),确保覆盖不同的地形和预期的盐碱化区域,并与卫星数据采集时间相吻合。样本经空气干燥、筛分(2毫米),然后使用1:5的土壤-水提取法分析电导率(EC)。

植被健康状况的视觉特征

图3利用(a)NDVI和(b)GDVI显示了植被的空间分布趋势。NDVI值范围为-0.09至0.45,GDVI值范围为-0.09至0.84。两张图中高值区域普遍存在,表明Gqeberha大部分海岸的植被茂盛健康。密集的植物覆盖表明水分保持能力更强,表面盐分暴露较少,这使得这些指数在间接评估土壤盐碱化风险方面具有价值(Ding & Yu,2014)。

基于反射率的土壤水分胁迫检测:GNDVI和OSAVI

图4展示了GNDVI的值范围为0.08至0.65。

结论

本研究展示了如何结合基于云的地球观测数据、空间分析技术和人工智能模型来绘制和追踪南非Gqeberha海岸线的土壤盐碱化情况。通过利用Google Earth Engine的并行处理能力和随机森林(RF)与Light Gradient Boosting Machine(LightGBM)的预测能力,研究获得了精细且可扩展的盐分动态空间和时间分布图。在这两种算法中,随机森林模型表现更为出色。

CRediT作者贡献声明

Hatim Dafaalla:撰写 – 审稿与编辑、正式分析、数据管理。Nada Alzaben:软件开发、正式分析、数据管理。Abdulaziz G Alghamdi:软件开发、正式分析、数据管理。Raja Ranganathan S:撰写 – 审稿与编辑、初稿撰写、正式分析、概念构思

未引用的参考文献

Grobler和Cowling,2021。

伦理批准与参与同意

不适用。

出版同意

不适用。

数据可用性

不适用。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。
作者声明没有可能被视为潜在利益冲突的财务利益或个人关系。

资金支持

不适用。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究结果。

致谢

作者感谢King Khalid University的研究与研究生院通过大型研究项目(项目编号RGP2/224/46)以及Princess Nourah bint Abdulrahman大学的研究支持项目(项目编号PNURSP2025R733,位于沙特阿拉伯利雅得)对本研究的资助。作者还感谢King Saud University的研究支持项目(项目编号RSPD2025R825,位于沙特阿拉伯利雅得)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号