《表1 电机参数：基于变量优选与机器学习的干旱区湿地土壤盐渍化数字制图》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于变量优选与机器学习的干旱区湿地土壤盐渍化数字制图》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

地形数据是数字土壤制图研究中最常用的地表参数，地形条件在盐分布和重新分布中起着重要作用，坡陡的地形有利于盐分的淋移，而低洼的地形却有利于盐分的积累[20]。本研究从地理空间数据云（http://www.gscloud.cn/）获取了空间分辨率为30 m的研究区DEM数据，并重采样成10 m的分辨率，使用SAGA GIS软件计算了15种地形指数，见表1。在土壤盐渍化监测中，植被是影响预测精度的关键因素之一，虽然植被会遮蔽土壤信息，但是在高植被覆盖下，植被指数对土壤盐分的变化更加敏感[21]。已通过遥感影像计算了部分植被指数，见表2。在遥感影像上，由于盐渍化土壤的蓝、绿、红和近红外的光谱特性不同，因此相关学者开发了各种盐度指数用于土壤盐渍化的监测与制图[22]。然而目前构建的指数大都集中于可见光与近红外波段，在短波近红外和红边光谱带中研究较少，Sentinel-2特有的3个红边光谱带为改善土壤盐分监测提供了新的机遇。本研究计算了33个红边光谱指数，见表3。