来源：期刊VIP网 时间：
作者：支俊俊;朱宏;薛晨;张硕鹏;孙福军;
单位：安徽师范大学地理与旅游学院;沈阳农业大学土地与环境学院;
摘要：【目的】实现基于智能手机图像和高光谱数据的草毡层识别。【方法】于野外采集了163个土壤剖面的图像和高光谱数据。对土壤剖面图像进行预处理后得到其在RGB、HSV、YIQ和Lab四种颜色模型中的颜色特征以及粗糙度、对比度、方向度、线性度、规则度和粗略度6个纹理特征。对土壤剖面高光谱数据进行预处理后得到其38个光谱特征波段。基于三种不同的特征方案（颜色特征、颜色特征结合纹理特征、颜色特征结合纹理特征和光谱特征）分别建立K-最近邻算法（K-Nearest Neighbor,KNN）、随机森林（Random Forest,RF）和梯度提升树（Gradient Boosting Decision Tree, GBDT）三种机器学习模型来识别草毡层。【结果】三种特征方案识别效果为颜色特征结合纹理特征和光谱特征方案显著优于颜色特征结合纹理特征方案和单一颜色特征方案，三种机器学习模型识别效果为GBDT模型性能略优于RF模型，显著优于KNN模型。其中基于颜色特征结合纹理特征和光谱特征方案的GBDT模型有着最佳的识别效果，总体分类精度为0.929,F1为0.928,AUC为0.975。【结论】相比于传统依赖专家经验和实验室测定数据对草毡层进行识别的方法，基于智能手机图像特征和高光谱数据的草毡层识别在成本和效率方面具有明显的优势。本研究中基于颜色特征结合纹理特征和光谱特征方案的GBDT模型实现了草毡层的高准确度识别，说明将图像特征和光谱特征结合起来对草毡层进行识别是可靠的。
关键词：手机图像;;高光谱;;草毡层;;数字土壤制图;;梯度提升树
基金资助：国家自然科学基金项目(42271060,42077002)资助
