Read more
Il carbonio organico del suolo (SOC) è un indicatore importante e affidabile della qualità del suolo. In questo studio, gli spettri del suolo sono stati caratterizzati e analizzati per prevedere il contenuto spaziale di SOC, utilizzando una tecnica di modellazione predittiva multivariata - rete neurale artificiale (ANN). Sono state generate immagini iperspettrali EO1-Hyperion (400-2500 nm), set di dati su scala di campo e di laboratorio (350-2500 nm), costituiti dal contenuto di SOC stimato in laboratorio dei campioni di suolo raccolti (variabile dipendente) e dai corrispondenti dati di riflessione delle bande spettrali sensibili al SOC (variabili predittive). Per ogni serie di dati, sono stati sviluppati modelli predittivi ANN e tre serie di dati (a scala di immagine, a scala di campo e a scala di laboratorio) hanno rivelato prestazioni significative della rete per l'addestramento, il test e la validazione, indicando una buona generalizzazione della rete per il contenuto di SOC. L'analisi basata sulla RNA ha mostrato un'elevata previsione del contenuto di SOC a livello di immagine (R2 = 0,93 e RPD = 3,19), campo (R2 = 0,92 e RPD = 3,17) e laboratorio (R2 = 0,95 e RPD = 3,16). I risultati della convalida di ANN hanno indicato che i modelli predittivi hanno funzionato bene (R2 = 0,90) con RMSE 0,070. I risultati hanno dimostrato che i metodi ANN hanno un grande potenziale per la stima del contenuto di SOC.
About the author
Sudheer Kumar Tiwari trabaja como científico en el Centro de Aplicaciones Espaciales de Andhra Pradesh (APSAC), Departamento de Planificación, Gobierno de Andhra Pradesh. Ha completado su M.Tech. en Teledetección y SIG con distinción del Instituto Indio de Teledetección, ISRO, Dehradun en 2011.
