社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

Carbon Research | 利用Sentinel-2数据估算芒果园区碳封存的机器学习技术

Carbon Research • 1 月前 • 48 次点击  


摘要
本研究利用多种植被指数(VIs)评估了Sentinel-2号卫星影像在估算芒果园碳封存方面的有效性。本研究在泰国彭世洛府不同芒果园中设置了49个样方采样地块(40×40 m),以收集用于估算地上碳储量的地面实测数据。该研究12种植被指数进行了分析,包括归一化植被指数(NDVI)、归一化红边指数(NDRE)、增强型植被指数(EVI)、绿归一化植被指数(GNDVI)绿叶绿素指数(Clgreen)、比值植被指数(RVI)、三角植被指数(TVI)、修正三角植被指数TVI-2)、角度植被指数(AVI)、归一化色素叶绿素比值指数(NPCRI)、修正简单比值指数(MSRI)以及红边叶绿素指数(CIRE) 这些指数与实地测量的生物量显著的相关性(范围为0.04到0.80)。使用400棵决策每次分裂时 20个随机变量进行优化的随机森林(RF)集成模型,整合了这些指数来预测碳储量。该模型达到了极高的精度(=0.97),均方根误差(RMSE)为每公顷1.57吨碳,平均绝对误差(MAE)为每公顷1.05吨碳。特征重要性分析表明,f(NDVI)、f(NDRE)、f(TVI-2)和f(GNDVI)对模型预测能力的贡献分别为0.283、0.160、0.377和0.181。研究使用70:30的训练集-测试集划分进行交叉验证,证实了该模型的稳健性。所开发的模型能够有效地监测芒果种植园的碳存量,计算得出的平均碳存量为每公顷40.6吨碳(σ=42.19,n=49),且碳存值范围广(每公顷4.13吨碳至218.6吨碳)。这种方法为评估果树种植园的碳存提供了一种具有成本效益且可规模化实施的途径,对农业领域的可持续农业实践碳信用计划均起到了支持作用。

图文摘要


亮点
  • Sentinel-2号卫星影像机器学习技术相结合作为一种具有成本效益且可规模应用的方法 用于监测果园碳存的潜力。

  • NDVI、NDRE、TVI-2和GNDVI这些植被指数非常适合用于估算芒果园的生物量,与实地测量的碳现出很强的相关性。

  • 随机森林集成模型取得了极高的决定系数(=0.97)。

  • 这些发现对于可持续农林业管理、碳信用计划以及气候变化缓解策略具有重大意义,为改进农业系统中碳储量评估提供了一种可靠的方法。


要点图例



图1
 数据处理工作流程



图2 
研究区域和样方采样点

图3 
集成线性回归的随机森林模型

图4 研究区域的12个植被指数

图5 实地调查中获得的固碳量与每个地块的像元数量乘以植被指数均值的乘积之间的关系图

图6 碳封存
预测值与实测值的散点图

结论

研究通过将多种植被指数与随机森林建模相结合,为改进芒果园碳封存估算提供了一个可靠的框架。该方法的高精度表明了其支持监测、报告和验证流程的潜力,而这一流程对于农业领域的碳信用体系气候变化缓解策略至关重要。这种方法其他基于树木的农业系统 的适用性,为全面评估全球碳存潜力提供了一条途径,土地利用规划和气候智慧型农业倡议有所贡献。

未来的研究应该探索这种方法应用于其他农业系统,以及将其整合到整体的气候智慧型农业战略中。尽管当前的模型在芒果园的应用中表现出高性能,但它受到对特定植被指数的依赖以及未考虑地下碳储量的限制。扩大该模型的范围,纳入灵活的指数、外部数据集、时间动态因素以及混合建模方法,可能会增强其在多样化农业环境中的适用性。

研究强调了开发先进方法以便准确且高效地量化碳封存的重要性。解决诸如大气干扰和环境变等挑战将进一步增强这种方法的可靠性及其对可持续农林业系统的贡献。


文章链接
https://doi.org/10.1007/s44246-025-00201-z





Carbon Research 简介

高被引论文(点击题目阅览)






改性生物炭:合成及其去除环境中重金属的机制

Modified biochar: synthesis and mechanism for removal of environmental heavy metals

更好地理解土壤中铁循环对碳的稳定及降解的作用

Towards a better understanding of the role of Fe cycling in soil for carbon stabilization and degradation

功能生物炭的制备及其修复污染土壤和水体的研究进展Engineered biochar for environmental decontamination in aquatic and soil systems: a review





















木质素衍生碳材料:当前现状和未来发展趋势

Lignin Derived Carbon Materials: Current Status and Future Trends

土壤有机碳影响潜在有毒元素的氧化还原转化过程

Redox-induced Transformation of Potentially Toxic Elements with Organic Carbon in Soil

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/180878
 
48 次点击