Using remote sensors to predict soil properties: Radiometry and peat depth in Dartmoor, UK
Using remote sensors to predict soil properties: Radiometry and peat depth in Dartmoor, UK
复制标题
使用遥感器预测土壤特性：英国达特穆尔的辐射测量和泥炭深度
DOI：
10.1016/j.geoderma.2021.115232
复制
发表时间：
2021
期刊：
影响因子：
6.1
通讯作者：
Marchant B
中科院分区：
文献类型：
--
作者：
Marchant B
遥感器提供了大空间范围内的高分辨率数据，可用于绘制土壤特性图，如有机碳浓度或其含水量。传感器很少直接测量感兴趣的属性，而是测量相关属性。有必要对感兴趣的属性进行地面测量，以校准土壤属性和传感器data.We之间的模型或关系开发了一个框架，用于优化土壤属性的地面测量的位置和数量，用于将传感器data.We调查。这些数据被用来估计一个线性混合模型的属性，固定的影响是一个灵活的样条函数的传感器measurements.The框架是用来映射泥炭深度横跨达特穆尔国家公园的一部分，使用放射性钾数据测量从航空调查。最准确的地图的结果，从使用地质统计预测联合收割机的传感器数据和泥炭深度测量之间的空间相关性的关系。最佳抽样设计表明，地面测量应集中在泥炭深度最大，最不确定的地方。当在25个最佳选择的站点进行测量时，不使用传感器数据的预测比使用传感器数据的预测具有20%的均方根误差。对于200次地面测量，此收益为14%。使用传感器数据和25个地面测量值制作的地图比仅基于200个地面测量值制作的地图具有更小的均方根误差。
Remote sensors provide high resolution data over large spatial extents that can potentially be used to map soil properties such as the concentration of organic carbon or its moisture content. The sensors rarely measure the property of interest directly but instead measure a related property. There is a need to make ground measurements of the property of interest to calibrate a model or relationship between the soil property and the sensor data.We develop a framework for optimizing the locations and number of ground measurements of a soil property for surveys incorporating sensor data. The data are used to estimate a linear mixed model of the property where the fixed effects are a flexible spline-based function of the sensor measurements.The framework is used to map peat depth across a portion of Dartmoor National Park using radiometric potassium data measurements from an airborne survey. The most accurate maps result from using a geostatistical predictor to combine the relationship with the sensor data and the spatial correlation amongst the peat depth measurements. The optimal sampling designs suggest that ground measurements should be focussed where peat depths are largest and most uncertain. When measurements are made at 25 optimally selected sites, predictions that do not utilise the sensor data have 20% larger root mean square errors than those that do. For 200 ground measurements this benefit is 14%. The maps produced using the sensor data and 25 ground measurements have smaller root mean square errors than those based only upon 200 ground measurements.
登录
查看更多内容
英格兰西南部伽马射线衰减与土壤之间的关系
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
D. Beamish
通讯作者：
D. Beamish
DOI：
10.1007/s11004-006-9069-1
发表时间：
2007-02
期刊：
Mathematical Geology
影响因子：
--
作者：
B. P. Marchant;R. Lark
通讯作者：
B. P. Marchant;R. Lark
土壤修复调查的优化多阶段抽样
DOI：
--
发表时间：
2013
期刊：
影响因子：
--
作者：
B. Marchant;A. McBratney;R. Lark;B. Minasny
通讯作者：
B. Minasny
北爱尔兰土壤中的伽马射线衰减，特别是泥炭。
影响因子：
2.3
作者：
D. Beamish
通讯作者：
D. Beamish
影响因子：
4.2
作者：
Marchant, B. P.;Lark, R. M.
通讯作者：
Lark, R. M.