JSPEC 《光谱学 2314 - 4939 2314 - 4920 Hindawi 10.1155 / 2019/5158465 5158465 研究文章 光谱歧视的考古遗址曾被农业社区使用原位高光谱数据 https://orcid.org/0000 - 0002 - 4964 - 2085 Thabeng Olaotse Lokwalo 1 2 https://orcid.org/0000 - 0003 - 3626 - 5839 亚当 Elhadi 2 梅洛 普 2 瓦莱罗能源 伊娃。 1 考古单位 博茨瓦纳大学 4775年Notwane Rd 私人包 乌兰巴托00703 哈博罗内 博茨瓦纳 ub.bw 2 学校的地理位置 考古学和环境研究 威特沃特斯兰德大学 约翰内斯堡2050年 南非 wits.ac.za 2019年 17 10 2019年 2019年 20. 05年 2019年 05年 09年 2019年 17 10 2019年 2019年 版权©2019 Olaotse Lokwalo Thabeng et al。 这是一个开放的文章在知识共享归属许可下发布的,它允许无限制的使用,分布和繁殖在任何媒介,提供最初的工作是正确的引用。

本研究调查野外光谱测量的能力从non-sites区分土壤(自然土壤)和从考古遗址,如贝冢(垃圾清理区域)和动物牛棚。首先,我们测试是否有不同元素的浓度在不同土壤类型时使用方差分析随机森林(RF)和变量选择转发(艘)方法用于选择重要土壤元素分类的考古遗址。在第二种方法中,我们评估的能力领域的光谱反射率测量nonsites之间的区别,贝冢玻化粪,nonvitrified粪便牛棚。引导主旨是随机森林(GRRF)是用于识别重要的波长上述考古和nonarchaeological土壤的歧视。之后,选择土壤元素和波长被用作输入变量在nonsites RF分类算法分类,贝冢玻化粪,nonvitrified粪便。调查结果显示,有显著性差异的化学元素的构成和光谱特征nonsites,贝冢玻化粪,nonvitrified粪便。总之,高分类精度达到当使用野外光谱数据证明,遥感技术可以用来利用上述土壤类型之间的光谱差异映射考古农业社区的功能特征的定居点。

 博茨瓦纳大学 约翰内斯堡的威特沃特斯兰德大学 1。介绍

考古材料的存在土壤中有局部的影响成分的物理和化学性质,使它不同于环境 1, 2]。人类学活动,如动物写和垃圾阻尼改变土壤结构和颜色。例如,拒绝的贝冢含灰通常以宽松的灰色颗粒( 3),而动物潘宁地区出现灰色的沉积高有机动物分泌物( 4]。化学方面,人类活动对土壤有机质含量有影响,影响的磷酸盐( 5)和钾( 6]。米德尔顿和价格( 7)发现有高浓度的K, P, Mg炉区。霍夫曼et al。 6)研究的形成和化学成分上的差异nonvitrified粪便和玻化粪存款在考古遗址。这种改变土壤理化性质发生通过风化和合并沉淀物质到面积和引爆土壤发生过程的平衡 1, 8, 9]。方法通过地球化学分析确定不同的过去人类活动区域通常在站点内级别使用( 1, 2, 10, 11]。材料仍然和土壤物理性质的变化,如纹理和色彩也在景观层面的利益为目的的考古调查和现场识别( 4, 12]。Fieldwalking调查的主要方法是识别考古特征可见地球表面( 4, 6, 13]。然而,地区考古特征不清晰可见或结构的信息在网站使用的空间是不确定的,土壤中元素的浓度进行了分析,以确定考古遗址( 14)或不同的活动区域内网站( 11, 15]。上述传统的考古调查方法、地球化学分析和实地行走是耗时和昂贵的。

高分辨率多光谱传感器的出现在1990年代末不仅提供了利用高光谱分辨率的可能性,但同时也提供了一个机会在考古勘察(有效的数据处理方法 16- - - - - - 18]。大多数发表的研究测试了使用多光谱遥感植被指数计算的数据,以确定考古异常( 19- - - - - - 22]。然而,大多数考古的复杂的性质和小尺寸特性限制了多光谱传感器的广泛使用,容易产生信息损失和混乱由于空间和光谱分辨率较低 23, 24]。此外,一些考古特性可能有微妙的化学和物理差异与他们的环境,这可能会掩饰了多光谱传感器。

光谱数据,通常使用空中拍摄,手持,星载传感器提供数以百计的窄光谱波段。这些窄波段允许一个全面的详细的考古发现,否则错过了的数据通用波段多光谱传感器捕捉到( 25, 26]。然而,使用星载和机载数据带来的挑战与光谱特性和辐射和波长校准不确定性结果影响捕获数据的质量( 23, 27- - - - - - 29日]。星载和机载传感器也缺乏空间和光谱分辨率类似于手持式光谱仪( 23, 27, 28, 30.]。结果是,上述挑战导致的有限使用机载和星载高光谱数据在土壤分析 23]。

近年来,实验室可见近红外光谱(VISNIR) /短波红外短波红外成像光谱数据被视为一个潜在的具有成本效益的选择的实地调查和传统实验室土壤分析方法( 29日, 31日- - - - - - 35]。这导致了光谱库的开发记录不同土壤的光谱特征及其属性。研究人员利用野外光谱数据来评估土壤属性如有机质含量、矿物质,质地,和水分 34, 36- - - - - - 40]。因此,野外光谱数据可能有助于识别考古遗址与特定的土壤属性。

参考数据的文档不同考古的光谱反射特性的缺乏在图书馆。在最近的过去,只有少数研究用光谱学领域/高光谱数据文档植被的光谱特征覆盖考古材料和调查检测和映射的潜在植被健康埋考古材料的代理指标( 41- - - - - - 44]。因此,在考古领域的作用光谱应用探索仍然不佳。例如,和我们所知,没有研究到目前为止研究利用光谱学领域歧视考古表面特征利用土壤特性指标。

最引人注目的挑战之一的使用领域的光谱数据冗余大是由于强烈的光谱特征之间的相关性( 45]。这种高维度需要足够的训练样本和计算过程可能耗时和高昂的成本 46, 47]。在大多数考古学研究中,训练样本的大小是受限制的考古遗址的大小或可访问性问题。这可能会导致一些问题,比如休斯现象或“魔咒”维度,即分类算法的准确性降低在处理有限数量的训练样本( 48, 49]。这是因为理想数量的分类特性受到训练样本的大小( 48, 50, 51]。结果,需要减少维度处理领域光谱学数据时为了避免上述挑战。降维方法提高数据集的区别的能力减少谱带的数量没有下降的重要信息( 52- - - - - - 54]。众多的变量选择方法被用来降低高光谱数据的高维度通过选择最重要的波段数据分类。最常用的特征选择方法是遗传算法( 55- - - - - - 57)和随机森林(RF) ( 30., 58]。遗传算法(气)是基于自然选择的过程中,受到适者生存的原则。遗传算法通常是嵌入在支持向量机等分类波段选择算法( 55, 57, 59),为了提高分类精度。然而,遗传算法容易受到随机的相关性特性( 60和计算要求高 55, 61年]。

射频分类器,它被认为是最好的机器学习算法来处理高维数据( 62年),措施中每个变量的重要性分类。然而,很容易产生偏见的冗余特性,因为对相关预测因子( 63年, 64年]。在射频,样本装袋通常由不太重要的功能,因此,降低分类精度( 65年]。射频还排名功能没有选择最优特性的一个子集( 30.]。

最近,邓和响 66年)开发了一种引导主旨是随机森林(GRRF)算法旨在遏制传统的RF算法的局限性。GRRF消除冗余特性不选择功能携带着类似的信息已经选择在每个节点的一个子集( 66年]。GRRF算法指导的特征选择过程里承认使用重要性分数从正常的RF(射频 66年]。到目前为止,只有两个研究GRRF用于高维度的降低在植被高光谱数据的研究 67年, 68年]。

本研究调查野外光谱测量是否能辨别考古遗址利用土壤特性指标。更准确地说,这项研究的目标是(我)调查是否有显著差异在不同土壤元素浓度的考古遗址,即贝冢玻化粪牛栏,nonvitrified粪便牛栏,(2)使用原位高光谱测量中歧视nonsites(自然土壤),贝冢玻化粪便,nonvitrified粪便,(3)识别重要的波长区分上述特性使用引导主旨是随机森林算法。

 2。材料和方法 2.1。研究区域

Mapungubwe研究的文化景观,位于沙市和林波波河河流的交汇处,林波波省的,南非,如图 1。Shashi-Limpopo融合区域(SLCA)形成了三个国家的边界:博茨瓦纳向西方,南非向南,向北和津巴布韦。地质,SLCA位于林波波河移动皮带连接津巴布韦和Kaapvaal克拉通( 69年]。这个地区的特点是火成岩、沉积岩卡鲁超群( 70年]。侵蚀猖獗,尤其是在靠近河道地区,因此,形成砂岩山脊和露头覆盖大部分地区的SLCA稀疏分布的火山入侵( 71年, 72年]。一般来说,土壤的林波波河活动带包括粘土和砂源自卡鲁系统( 73年]。

SLCA的位置在非洲南部的一些主要农业社区网站提到的文本。

考古,研究区不断被不同组的农业社区自公元900年( 74年- - - - - - 77年]。这些社会实行中央牛模式(CCP)结算系统( 78年]。这是结算系统,动物牛栏是位于中心的结算,接近男性收集区域( 79年)(图 2)。SLCA社会变化发生在公元十二世纪的职业Mapungubwe山,当领导人和平民成为身体分离( 76年, 81年]。动物只有保持在平民定居点,中国共产党继续实行,而统治者将驻留在此时提升领域,从平民(隐蔽的 76年]。考古特征描述这些网站是玻化粪牛栏,nonvitrified粪牛栏,贝冢粮库站,陶器散射。绝大多数考古遗址被后期SLCA出现的农业社区开放空间内林地植被尤其是特点是陶瓷和nonvitrified粪便。上述植被的差异可能是影响陶瓷的化学成分和nonvitrified粪便网站被发现是不同于他们的环境 6, 82年]。

Schroda网站从谷歌地球(a) RGB图像可见;(b)详细草图的轮廓的早期农业社区村庄被Hanisch开挖和调查(改编自 80年])。

贝冢是地区家庭的一般废弃物,包括仍未使用的材料,如破碎的陶瓷碎片,动物的骨头,珠子,从壁炉和其他器具和灰烬,被丢弃( 83年, 84年]。贝冢不同大小取决于网站的持续时间和密度的职业( 75年]。一些地区的贝冢列为国家,如K2,达到了一个直径182.88米和6米的深度 79年, 85年, 86年]。陶瓷、nonvitrified粪粪两种类型的存款在研究区,这表明动物被保存在解决的领域。玻化粪燃烧形成的存款至少一米多厚,在非常高的温度下(1100°C)的地区 87年, 88年]。陶瓷的粪便含有大量的硝酸盐和磷酸盐一些草,这使得它不可能长在他们( 87年]。Nonvitrified粪的特点是未燃的粪便存款。牛栏的牲畜和牲畜的平均直径3米,18米,分别(t . n .霍夫曼个人沟通,2018年9月)。

 2.2。土样的采集和分析

土壤样本三考古特性(贝冢玻化,nonvitrified粪区域)和裸露的土壤(nonarchaeological站点)从周围自然景观被收集在2017年2月实验室光谱测量和化学分析。立意抽样技术使用在田野调查收集数据通过访问网站出现在文学和肯定有粪存款和贝冢( 4, 89年]。为了避免污染与考古特征由于风和水的侵蚀,裸露的土壤样本收集的区域远离考古遗址。共356个样本收集研究区在0-20厘米深度与表面的地平线在每个位置。只有表层土壤采样因为光学传感器不能穿透表面绘制地下土壤属性;因此,它将是没有意义的样本视野下的表层土壤光谱分析( 89年]。此外,每个样本的GPS点的空间参考。从nonsites 60至117个样本收集,贝冢玻化粪,nonvitrified粪网站(图 3)。所有收集到的土壤样品是有拉链的塑料袋包装的野外光谱测量和化学分析实验室。

图片和资料的平均值和标准偏差光谱nonsite (NS),堆肥(MD), nonvitrified粪(NVD)和玻化粪(VD)网站。左边的值意味着光谱表示轴,而正确的轴代表的标准差。

 2.3。实验室光谱数据采集

土壤中收集的字段被风干,渗到2毫米( 39]在被平放在一个黑色塑料盘子里创建一个表面光滑。光谱反射率测量进行了在一个被控制的环境中使用分析光谱设备(ASD) FieldSpec®4光学传感器与350 - 2500纳米光谱范围( 91年, 92年]。分析光谱设备(ASD) FieldSpec®4光学传感器捕获数据抽样间隔为1.4 nm之间350 - 1000 nm和1001 nm之间- 2500 nm ( 91年]。光谱测量被从土壤表面的每个样本在最低点的位置与10毫米的视野使用Hi-Brite探测器配备100 w接触卤素反射灯。谱仪的校准后使用白色spectralon参考面板每10到15测量。土壤样本每袋被随机分为三个样品。三个光谱进行了测量每个样品通过随机调查土壤表面移动。9 (<我talic> n= 9)光谱测量然后平均代表整个土壤样本(图 3)。2151年乐队都包含在分析因为数据收集在一个受控的环境,所以没有需要删除光谱波段改善信噪比。任意参考数据分为训练(70%)和测试(30%)的数据集。

 2.4。土壤分析

样品为33的构成元素进行分析ALS在约翰内斯堡。样品被风干,dry-sieved使用180微米的屏幕(泰勒80目)。此后,0.25克的提法已经准备好样本然后消化、硝酸、氢氟酸的,和盐酸。此后,稀盐酸和残渣,以及由此产生的解决方案是使用电感耦合等离子体原子发射光谱法分析( 93年]。

 2.5。统计方法进行土壤分析

描述性统计进行个别土类的典型值,意思是,中位数,和标准偏差的每个类中元素的浓度。元素的浓度的变化和在类之间测量使用变异系数和四分位范围。变异的两个提到的措施选择,因为它们能够摆脱与异常值相关的挑战[ 94年, 95年]。变异系数也有能力标准化数据,比较两个或两个以上的分布的变化从不同或者相同的数据用不同的手段 94年, 96年]。列文的同质性测试是用来测试方差的同质性和韦尔奇的方差分析(方差分析)每当同质性侵犯。方差分析是用来测试是否有统计上显著差异平均nonsites之间的化学元素组成,每个考古特点:贝冢nonvitrified粪便,和玻化粪 97年, 98年]。的Games-Howell执行事后测试来找出哪些元素是明显不同的跨类自方差是异构和样本大小是不平等的。的水平之间的差异意味着被认为重要的是<我nline-formula> p ≤ 0.05 。然而,方差分析的主要限制是它不是与任何机器学习分类器;因此,它不测量预测模型中的每个元素的重要性( 99年]。

抑制上述局限性,射频结合了变量选择(艘)过程,试图找到理想的最少的元素的子集分类错误( One hundred.]。射频用于变量基于排名的重要性得分均值在降低精度决定使用out-of-bag (OOB)数据和评估的分类精度。然后,阵线的逐步过程采用,即元素被添加到模型根据他们的重要性开始最重要的一个( 101年]。方法继续重复建设新的射频模式添加一个元素在每个迭代和记录OOB错误。数量的树木生长的参数(Ntree)和所需的变量数量将每个节点(Mtry)在每个迭代中使用网格搜索优化。这个过程是重申,直到所有元素加以利用;然后,最小的子群的元素最少的OOB错误被发现。选择最优元素被用作输入变量构造两种不同的射频分类器分类模型。在第一个模型中,最优的元素的子集被用来分类nonsites,贝冢玻化粪,nonvitrified粪网站。在第二个模型中,最优的元素的子集被GRRF结合最优波段选择和分类nonsites,贝冢玻化粪,nonvitrified粪网站了。这样做是为了检查是否有改善分类精度最佳乐队时的一般模型和土壤元素的总和。

 2.6。使用引导主旨是随机变量选择的森林

GRRF特征选择算法,某种形式的regularisation适用于不同类型的决策树模型,执行一个特征子集的选择( 66年, 102年]。重要性regularisation是引导的功能使用基尼系数衡量传统的射频。基尼评估重要性水平的杂质的每个变量的重要性获得超过别人,在采样的一组变量,并选择最优分割在每个节点 103年, 104年]。基尼系数在一个节点<我talic> y可以定义如下: (1) 基尼 y = ∑ k = 1 k p k y 1 − p k y , 在哪里<我nline-formula> p k y 表示类的比例的观察<我talic> k在节点<我talic> y。基尼信息增益(<我talic> h 我,<我nline-formula> v )然后计算基尼系数在节点之间的区别<我talic> y和基尼指数的加权平均在每个子节点<我talic> y。获取信息的功能<我talic> h 我基于杂质在节点<我talic> y可以定义如下: (2) 获得 h 我 , y = 获得 y − w l 基尼 y l − w R 基尼 y R , 基尼(<我talic> yl)和基尼(<我talic> yR)代表了杂质,而<我nline-formula> w l 和<我nline-formula> w R 是左和右子节点的权重。

在GRRF regularisation添加到获取信息从传统的射频和每个个体特性给出一个点球系数。的主旨是信息增益的定义如下: (3) 获得 h 我 , y = λ 我 ⋅ 获得 h 我 , y , h 我 ∉ F , 获得 h 我 , y , h 我 ∉ F , 在哪里<我nline-formula> λ 我 ∉ 0 1 是regularisation系数<我nline-formula> y 我 我 ∈ 1 , … , P 和<我talic> F是特征选择在前面的节点的集合。<我nline-formula> λ 我 ∉ 0 1 计算基础上的重要性得分<我nline-formula> h 我 从传统的射频如下: (4) λ 我 = 1 − γ + γ 小鬼 我 , 在哪里<我nline-formula> γ ∈ 0 1 重要性系数和吗<我nline-formula> 小鬼 我 ∈ 0 1 是控制regularisation系数。Regularisation允许与树相关的模型来减少冗余的特征选择模型,只选择一个新功能分解树节点中的数据,如果选择收益率不同的信息功能,在前面的分裂。不像其他的特征选择方法,主旨是框架允许单个模型的建设,因此减少所需的时间训练模式 102年]。GRRF也有能力来选择理想的变量子集最低的误分类错误。在这项研究中,GRRF被用来选择关键波长准确区别对待nonsites贝冢玻化粪,nonvitrified粪便。这样做是为了减少高维度内固有的高光谱数据( 101年, 105年, 106年]。关键的波长选择GRRF被利用作为输入变量在传统的RF算法nonsites之间的区别。

 2.7。随机森林分类器

射频分类器被用来区分nonsites,贝冢玻化粪,nonvitrified粪便使用关键要素选择由GRRF阵线和波长选择的关键。RF分类算法已经广泛应用于高光谱和多光谱数据的分类( 106年- - - - - - 109年]。一般来说,射频可以被描述为一个创建二叉决策树的分类器和分配类以多数选票在每个节点 106年]。决策树是生长相互独立地使用不同的样本,通过装袋随机创建原始数据集的子集,替代,为每个节点( 110年]。变量不包含在引导样本,这使得三分之一的数据,称为out-of-bag (OOB)样本 110年, 111年]。每棵树生长不修剪( 110年]。然而,Ntree,默认的号码是500棵树,和Mtry,默认是变量的总数量的平方根<我nline-formula> P ,由用户定义 106年]。Mtry Ntree必须优化,以档案分类精度高( 112年]。这项研究确定了最佳组合Mtry和Ntree参数使用网格搜索基于OOB近似误差( 113年]。Ntree的优化是通过使用值范围在500 - 10000年间在500年的间隔,Mtry优化时使用一个倍增因子的违约<我talic> 。

射频能力变量重要性和固有的措施估计预测精度( 111年]。射频估计预测精度通过交叉验证图谱装袋样本三分之一的数据被排除在样例( 104年]。这些精度预测的分类误差称为OOB错误。变量重要性有助于理解每个变量的相关性预测在数据分类。射频组成变量重要性措施意味着变量重要性/意味着降低准确性(MDA)和基尼(重要性 103年]。MDA是计算使用OOB观察和用于排名阵线模型中的元素作为输入变量。高MDA值表示分类的重要变量,而较低的值代表变量不重要的分类。基尼指数被用来评估不同光谱波段的重要性识别不同的考古遗址。高基尼杂质表示类之间的异质性,而基尼杂质较低表明类内同质性。因此,功能少意味着降低基尼系数的分类的重要性,因为他们不扮演任何的角色把数据分成类。

 2.8。精度评估

精度评估是使用一个抵抗数据集由随机将实验室数据划分为前70%的训练,30%测试分类。误分类评估使用OOB错误,这是一个内部评估射频错误的过程。一个误差矩阵是计算用户的准确性,生产者的准确性,总体精度评估射频分类器的分类精度。Kappa系数是用来评估之间的协议参考数据和分类器由于其能力来弥补机会协议( 114年]。完美的协议如果kappa值达到或接近一个( 115年]。

 3所示。结果 3.1。统计分析

本研究使用统计方法来评估在自然土壤元素的浓度,贝冢玻化粪,nonvitrified粪便。土壤样品分析完成上述的每一个类。不同元素的浓度的描述性统计在表中进行了总结 1- - - - - - 4自然土壤,玻化粪便,nonvitrified粪便,和贝冢。统计分析显示高可变性的大多数元素的浓度在每一个土类的变异系数在12%和50%之间。贝冢内的锌和铜的浓度非常高变量的变异系数为53.6%和56.9%,分别。大多数元素的浓度在不同的类变量也很强。P的平均浓度、锰、钙、镁、锌、和英航在玻化粪非常高。Nonvitrified粪便和贝冢也比nonsites上述元素的浓度相对较高(表 1- - - - - - 4)。

汇总统计数据自然土壤中不同化学元素的浓度。

元素 1圣曲。 中位数 3理查德·道金斯曲。 的意思是 标准偏差 变异系数
Ag) 0.5 0.5 0.5 0.5 0.0 5。9
艾尔 3所示。7 4所示。2 4所示。5 4所示。1 0.5 12.5
作为 5。0 5。0 5。0 5。0 0.0 0.0
英航 375.0 400.0 500.0 430.0 65.3 15.2
是 1。0 1。1 1。2 1。1 0.1 13.9
Bi 2。0 2。0 2。0 2。0 0.0 0.0
Ca 0.3 1。3 1。4 0.9 0.6 64.8
Cd 0.5 0.5 0.5 0.5 0.0 0.0
有限公司 4所示。0 8.0 12.0 8.0 4所示。1 50.9
Cr 24.5 43.0 62.0 50.5 32.4 64.0
铜 13.5 25.0 30.5 24.7 12.0 48.3
菲 1。0 1。8 2。5 1。9 0.9 49.3
遗传算法 10.0 10.0 10.0 10.0 0.0 0.0
K 1。0 1。2 1。3 1。2 0.2 15.8
拉 25.0 30.0 30.0 27.3 4所示。7 17.1
毫克 0.3 0.6 0.7 0.5 0.2 46.0
锰 251.5 388.0 504.0 387.9 144.0 37.1
莫 1。0 1。0 1。0 1。0 0.0 0.0
Na 0.9 1。0 1。1 1。0 0.1 8.9
倪 10.0 19.0 27.5 21.8 13.4 61.3
P 215.0 360.0 480.0 406.4 251.3 61.8
Pb 10.0 11.0 13.5 11.0 2。9 26.7
年代 0.0 0.0 0.0 0.0 0.0 0.0
某人 5。0 5。0 5。0 5。0 0.0 0.0
Sc 3所示。0 6.0 7.0 5。5 2。2 39.8
老 90.0 154.0 198.0 150.7 63.0 41.8
Th 20.0 20.0 20.0 20.0 0.0 0.0
“透明国际” 0.3 0.4 0.7 0.5 0.4 71.2
Tl 10.0 10.0 10.0 10.0 0.0 0.0
U 10.0 10.0 10.0 10.0 0.0 0.0
V 30.0 51.0 79.5 59.3 36.1 61.0
W 10.0 10.0 10.0 10.0 0.0 0.0
锌 20.5 37.0 44.5 35.8 14.5 40.5

汇总统计数据玻化粪便内的浓度不同的化学元素。

元素 1圣曲。 中位数 3理查德·道金斯曲。 的意思是 标准偏差 变异系数
Ag) 0.5 0.5 0.5 0.5 0.0 0.0
艾尔 1。9 2。3 2。5 2。2 0.4 18.3
作为 5。0 5。0 5。0 5。0 0.0 0.0
英航 490.0 605.0 672.5 609.2 120.2 19.7
是 0.5 0.6 0.6 0.6 0.1 18.8
Bi 2。0 2。0 2。0 2。0 0.0 0.0
Ca 7.1 8.8 11.5 9.0 2。8 31.4
Cd 0.5 0.5 0.5 0.5 0.0 0.0
有限公司 3所示。0 3所示。0 5。0 3所示。8 1。6 41.4
Cr 26.5 34.0 37.5 33.9 9.3 27.4
铜 35.0 43.5 50.5 43.5 10.7 24.7
菲 0.8 1。1 1。3 1。1 0.4 34.1
遗传算法 10.0 10.0 10.0 10.0 0.0 0.0
K 1。6 1。7 2。0 1。9 0.5 29.0
拉 10.0 20.0 20.0 16.7 6.5 39.1
毫克 2。4 3所示。1 3所示。4 2。8 0.8 27.1
锰 501.0 573.0 715.0 600.0 127.2 21.2
莫 1。0 1。0 1。0 1。0 0.0 0.0
Na 0.4 0.5 0.6 0.5 0.1 28.3
倪 17.0 21.0 24.5 21.7 5。5 25.4
P 9535.0 10000.0 10000.0 9279.2 1380.7 14.9
Pb 6.0 7.0 8.3 7.3 2。2 29.8
年代 0.0 0.0 0.1 0.0 0.0 75.8
某人 5。0 5。0 5。0 5。0 0.0 0.0
Sc 2。8 3所示。0 4所示。0 3所示。1 0.8 25.7
老 987.0 1527.5 1867.5 1471.3 571.2 38.8
Th 20.0 20.0 20.0 20.0 0.0 0.0
“透明国际” 0.1 0.2 0.2 0.2 0.1 40.7
Tl 10.0 10.0 10.0 10.0 0.0 0.0
U 10.0 10.0 10.0 10.0 0.0 0.0
V 16.3 26.0 36.3 27.0 14.4 53.3
W 10.0 10.0 10.0 10.0 0.0 0.0
锌 102.0 141.5 192.5 149.7 55.6 37.1

汇总统计数据nonvitrified粪便内的浓度不同的化学元素。

元素 1圣曲。 中位数 3理查德·道金斯曲。 的意思是 标准偏差 变异系数
Ag) 0.5 0.5 0.5 0.5 0.0 0.0
艾尔 2。9 3所示。0 3所示。7 3所示。6 1。0 28.6
作为 5。0 5。0 5。0 5。0 0.0 0.0
英航 450.0 490.0 560.0 517.1 79.4 15.4
是 0.6 0.8 1。0 0.8 0.2 24.1
Bi 2。0 2。0 2。0 2。0 0.0 0.0
Ca 3所示。0 3所示。8 4所示。6 4所示。1 1。3 32.0
Cd 0.5 0.5 0.5 0.5 0.0 0.0
有限公司 5。0 7.0 10.0 7.7 3所示。3 43.2
Cr 57.0 78.0 83.0 75.2 25.7 34.2
铜 30.0 35.0 40.0 37.6 13.0 34.6
菲 1。4 1。7 2。5 1。9 0.6 32.0
遗传算法 10.0 10.0 10.0 11.2 3所示。3 29.7
K 1。1 1。3 1。4 1。3 0.3 19.1
拉 20.0 20.0 20.0 22.4 4所示。4 19.6
毫克 1。1 1。6 1。9 1。6 0.5 33.4
锰 477.0 504.0 587.0 533.4 97.0 18.2
莫 1。0 1。0 1。0 1。0 0.0 0.0
Na 0.5 0.6 0.7 0.7 0.2 30.0
倪 30.0 35.0 41.0 36.1 10.4 28.7
P 3260.0 5930.0 8580.0 5803.5 3099.1 53.4
Pb 8.0 10.0 12.0 10.2 2。9 28.3
年代 0.0 0.0 0.0 0.0 0.0 41.6
某人 5。0 5。0 5。0 5。0 0.0 0.0
Sc 4所示。0 5。0 6.0 5。5 1。8 32.0
老 431.0 552.0 675.0 573.4 194.6 33.9
Th 20.0 20.0 20.0 20.0 0.0 0.0
“透明国际” 0.2 0.2 0.3 0.3 0.2 68.8
Tl 10.0 10.0 10.0 10.0 0.0 0.0
U 10.0 10.0 10.0 10.0 0.0 0.0
V 35.0 40.0 78.0 54.2 24.9 46.0
W 10.0 10.0 10.0 10.0 0.0 0.0
锌 89.0 113.0 122.0 103.2 34.5 33.5

汇总统计数据中不同化学元素的浓度堆肥存款。

元素 1圣曲。 中位数 3理查德·道金斯曲。 的意思是 标准偏差 变异系数
Ag) 0.5 0.5 0.5 0.5 0.0 0.0
艾尔 4所示。0 5。2 5。6 4所示。8 0.9 19.7
作为 5。0 5。0 5。0 5。0 0.0 0.0
英航 490.0 620.0 645.0 570.0 87.9 15.4
是 0.9 1。1 1。2 1。1 0.2 14.7
Bi 2。0 2。0 2。0 2。0 0.0 0.0
Ca 2。8 3所示。3 3所示。6 3所示。2 1。1 34.7
Cd 0.5 0.5 0.5 0.5 0.0 0.0
有限公司 13.5 15.0 15.0 13.6 2。9 21.1
Cr 37.0 115.0 120.0 87.5 41.8 47.8
铜 38.5 43.0 80.5 60.5 34.4 56.9
菲 2。9 3所示。2 3所示。2 3所示。1 0.5 15.0
遗传算法 10.0 10.0 10.0 11.8 4所示。0 34.2
K 1。2 1。7 1。7 1。5 0.3 23.1
拉 20.0 30.0 30.0 26.4 5。0 19.1
毫克 1。0 1。0 1。5 1。3 0.5 39.3
锰 510.0 526.0 733.0 620.2 194.3 31.3
莫 1。0 1。0 1。0 1。0 0.0 0.0
Na 0.7 1。0 1。1 0.9 0.2 19.0
倪 31.5 46.0 61.0 46.1 15.0 32.6
P 1865.0 2020.0 3210.0 2552.7 1091.3 42.7
Pb 10.5 15.0 16.5 13.7 4所示。9 35.4
年代 0.0 0.0 0.0 0.0 0.0 37.0
某人 5。0 5。0 5。0 5。0 0.0 0.0
Sc 8.0 9.0 9.0 8.4 1。0 12.3
老 325.0 410.0 496.0 425.9 182.6 42.9
Th 20.0 20.0 20.0 20.0 0.0 0.0
“透明国际” 0.4 0.7 0.7 0.6 0.2 28.1
Tl 10.0 10.0 10.0 10.0 0.0 0.0
U 10.0 10.0 10.0 10.0 0.0 0.0
V 86.5 93.0 97.5 92.1 17.8 19.4
W 10.0 10.0 10.0 10.0 0.0 0.0
锌 57.5 62.0 115.5 88.3 47.3 53.6

获得的结果使用韦尔奇的方差分析(<我nline-formula> p < 0.05 )表明,之间有显著差异的不同的元素在不同土类。比较之间的单个元素的平均浓度对土壤类显示只有磷(P)的浓度显著不同的所有四类玻化粪便,nonvitrified粪便,贝冢和自然土壤(Games-Howell,<我nline-formula> p ≤ 0.05 )。P显示显著的<我talic> p值,从0.004的贝冢和nonvitrified粪便0.000贝冢和nonsites之间。,其他元素如镁、钠、铁、锰、年代,锌也记录两个或两个以上的土类之间的细微差异。例如,Mg显示显著<我talic> p值,从0.003的贝冢和nonsites 0.000贝冢和玻化粪之间。然而,一个无关紧要的<我talic> p记录值为0.379毫克元素之间的贝冢和nonvitrified粪便。

 3.2。变量重要性和测量

MDA测量内内置射频分类算法是用来测量每个元素的重要性在歧视nonsites,贝冢玻化粪,nonvitrified粪网站。一般来说,钙、磷、和Sr前最重要的元素在识别上述类,如图 4。Ga、Bi和Th nonsites之间差别的重要元素,最小的贝冢玻化粪,nonvitrified粪网站(图 4)。在评估中每个元素的重要性区分单个类,Sr,艾尔,Ca是最重要的元素在区分网站玻化粪从网站的其余部分(图 5)。在辨别nonsites P和Mg是重要,贝冢玻化粪,nonvitrified粪便。

变量重要性计算RF算法。最高的MDA表示最重要的元素。

不同元素的重要性区分四个土类:NVD, VD, MD, NS。元素高MDA是最重要的预测模型。

基于测量变量(MDA)提供的RF重要性,阵线过程被用来找到最小的一组元素,导致预测精度最高的分类nonsites,贝冢玻化粪便,并使用射频nonvitrified粪便网站。最优选择预测变量(元素)最低的OOB错误率(15.38%)P,钙、锶、镁、铁、锌、有限公司使用所有元素时,出错率增加到17.31%(图 6)。所选元素被用作输入变量在射频分类器模型映射nonsites,贝冢玻化粪,nonvitrified粪网站。

找到最好的分类变量的子集分类nonsites,贝冢玻化粪,nonvitrified粪网站使用阵线方法基于OOB错误。黑色箭头指向元素的最佳子群最低的错误。

所有使用野外光谱仪的波长捕获输入射频分类模型。意味着降低基尼系数在一个普通的射频用来评估变量的重要性区分玻化粪便,自然土壤,贝冢和nonvitrified粪便网站。一般来说,基尼指数最高的意思是减少发生在可见光谱中波长(350 - 576海里),波长513纳米是最重要的。然而,重要的变量覆盖广泛的电磁(EM)波从可见光到近红外波段与著名的山峰,在350年和576纳米之间,1292 nm - 1380 nm, 1575和1748 nm和1801和1808海里(图 7)。

变量重要性度量RF算法产生的所有变量(2151波长)。高意味着降低基尼系数反映了最重要的变量。

GRRF用于选择最佳波长分类玻化粪便,贝冢nonvitrified粪便,和自然土壤。这样做是用变量重要性分数为每个波长从正常获得射频指导里承认射频特性的选择。选择最佳波长549 nm和624 nm在可见光谱中,虽然在近红外,996 nm、1026 nm、1665 nm、1774 nm、1934 nm和2290 nm选中,如图 8。选定的波长被输入到射频标识符映射nonsites,贝冢玻化粪,nonvitrified粪网站。

优化变量的重要性选择由普通射频GRRF计算算法。最高的平均降低基尼指数显示最重要的变量。

 3.3。精度评估

射频测试的预测能力使用最佳元素选择的阵线过程和所有的元素。坚持数据集,它是由随机将数据划分为训练(70%)和测试(30%),是用来测试两种模型的准确性。射频优化利用网格搜索Mtry的优化组合和Ntree实现最低的OOB误差约为15.38%。研究结果表明,网站可以更准确地映射使用选定的七个乐队比当使用33的所有元素(表 5)。用户和生产者精度的两个模型比较表 6。

误差矩阵显示的整体分类的准确性和kappa四个土类,nonvitrified粪(NVD)、堆肥(MD), nonsites (NS),和玻化粪(VD),使用所有的变量(33元素)和最优变量(7)的元素。

类 33元素 七个元素
基米-雷克南 医学博士 NS VD 总 基米-雷克南 医学博士 NS VD 总
基米-雷克南 14 2 0 1 17 15 1 0 1 17
医学博士 1 8 2 0 11 1 8 2 0 11
NS 0 2 10 0 12 0 1 11 0 12
VD 1 0 0 11 12 2 0 0 10 12
总 16 12 12 12 52 18 10 13 11 52
办公自动化 82.69% 84.62%
卡巴 0.7674 0.7921

生产商和用户的四个土类的分类精度,nonvitrified粪(NVD)、堆肥(MD), nonsites (NS),和玻化粪(VD),推导出使用所有变量(33元素)和最重要的变量(7)的元素。

类 33元素 七个元素
生产商的精度(%) 用户的精度(%) 生产商的精度(%) 用户的精度(%)
基米-雷克南 87.50 82.35 83.33 88.24
医学博士 66.67 72.73 80.00 72.73
NS 83.33 83.33 84.62 91.67
VD 91.67 91.67 90.91 83.33

在普通RF算法分类也使用GRRF最佳波段选择的模型。Mtry的优化组合和Ntree OOB误差最低的0.11。总的来说,分类模型实现了在使用所有波长准确度84.76%。然而,实现更高的整体精度为87%在使用最优波段选择GRRF(表 7)。表 8显示了用户和生产者之间的比较上述数据的精度。

误差矩阵显示的整体分类的准确性和kappa四个土类,nonvitrified粪(NVD)、堆肥(MD), nonsites (NS),和玻化粪(VD),使用所有的变量(2151乐队)和最优变量(8乐队)。

类 使用2151乐队 使用8乐队
NVD 医学博士 NS VD 总 NVD 医学博士 NS VD 总
NVD 30. 4 0 0 34 30. 6 0 0 36
医学博士 4 18 0 4 26 4 17 0 0 21
NS 1 2 27 0 30. 1 2 27 0 30.
VD 0 1 0 14 15 0 0 0 18 18
总 35 25 27 18 105年 35 25 27 18 105年
办公自动化 84.76% 87.62%
卡巴 0.7927 0.8316

误差矩阵显示的整体分类的准确性和kappa四个土类,nonvitrified粪(NVD)、堆肥(MD), nonsites (NS),和玻化粪(VD),使用所有的变量(2151乐队)和最优变量(8乐队)。

类 使用2151乐队 使用8乐队
生产商的精度(%) 用户的精度(%) 生产商的精度(%) 用户的精度(%)
NVD 85.71 88.24 85.71 83.33
医学博士 72.00 69.23 68.00 80.95
NS 100.00 90.00 100.00 90.00
VD 77.78 93.33 100.00 100.00

最佳的组合元素和乐队也放入普通射频分类器,看看他们是否可以提高分类精度。结果表明,最优的组合元素和乐队产生一个分类精度比预测模型对于所有乐队,所有的元素,当只使用选中的元素。该模型实现了85.71%的总体精度(表 9)。最优Mtry和Ntree模型产生最低的OOB误差约为14.29%。

误差矩阵显示的整体分类的准确性和kappa四个土类,nonvitrified粪(NVD),贝冢(MD), nonsites (NS),和玻化粪(VD),使用最佳元素(<我talic> n= 7)和最佳乐队(<我talic> n= 8)

类 NVD 医学博士 NS VD 总 UA (%)
NVD 5 1 1 0 7 71.43
医学博士 0 2 0 0 2 100.00
NS 0 0 2 0 2 100.00
VD 0 0 0 3 3 100.00
总 5 3 3 3 14
PA (%) 100.00 66.67 66.67 100.00
办公自动化 85.71%
卡巴 0.7999

PA =生产商的准确性,UA =用户的准确性。

 4所示。讨论

本研究的主要目的是评估的可能性,利用高光谱数据歧视nonsites,贝冢nonvitrified粪便,和玻化粪站点区域以前是由农业社区的特征。它还评估如果上述类可以区分基于他们的化学成分。本研究的发现表明,有显著性差异的构成元素描述考古特性。最重要的是,它也表明,遥感技术可用于地图表面考古特性。考古调查,因为这是一个重要的发展遥感技术的使用将使网站在大面积的快速和便宜的文档。

总的来说,统计分析的结果表明,有一个显著的差异在nonsites元素的浓度,贝冢玻化粪,nonvitrified粪网站。这是因为不同的人为活动有不同的影响土壤的组成元素( 15, 116年]。整个nonsites P的浓度显著不同,贝冢玻化粪,nonvitrified粪便牛棚。平均玻化粪便有高浓度的P紧随其后nonvitrified粪便,贝冢和nonsites。这不足为奇,因为磷是广泛应用于考古研究的指标不同的人类活动 117年, 118年]。磷是土壤纳入的人类活动,包括准备食物,垃圾处理,和动物粪便存款;因此,有必要分析其浓度结合其他元素以识别不同的活动区域( 10, 116年]。在这项研究中,磷被存款纳入土壤动物粪便的牛栏和火山灰和有机存款的贝冢。其他元素钙和镁等明显不同玻化粪便和nonsites但没有显著不同的贝冢和nonvitrified粪便。一般来说,Mg和Ca都高度集中在活动区域玻化粪便,nonvitrified粪便,比nonactivity地区以nonsites贝冢。上述元素的含量在土壤类也高度可变。这也是支持的发现Luzzadder-Beach et al。 5在元素的浓度对人为活动区域在土耳其和墨西哥和霍夫曼et al。 6]在玻化粪钙的浓度在研究区域内的存款。这是影响钙和镁的浓度的差异在草被动物和木灰,这些都会增加土壤中的水平( 6- - - - - - 8, 119年, 120年]。元素的浓度差异在同一类也可以沉积和postdepositional过程的结果,影响整体土壤中元素的浓度,如人类活动、侵蚀、和浸出 6, 7, 121年]。相反,钾(K)在所有无关紧要的不同的类除了玻化粪便。这支持霍夫曼et al。 6)发现K2O明显高于在玻化比nonvitrified粪粪。还不清楚什么导致高水平的K玻化粪存款;不过,霍夫曼et al。 6)由于一些mopane日志用于构造牛栏周围的栅栏。

阵线过程特性的重要性得分基础上计算了普通射频用于选择关键元素的一个子集,可以准确地区别对待不同的考古遗址。磷、钙、锶、镁、铁、锌、和公司被选为最优元素区分的贝冢nonsites nonvitrified粪便,玻化粪站点。这是符合Wilson所研究。 2)发现上述元素的成分是受人类活动等领域的贝冢和牛栏。选定元素的浓度也显著正如上面所讨论的不同在不同的类。射频的分类做了分类器使用射频分类器中选择最优的元素作为输入变量产生了较高的分类精度。这表明,分类算法也可以用于预测网站使用他们的化学成分。这也证实了发现Oonk和Spijker [ 14)考古遗址可以使用元素作为输入变量在预测的分类算法。

这项研究的光谱分析结果表明,野外光谱数据可以利用歧视nonsites,贝冢nonvitrified粪便,玻化粪便。GRRF模型被用来减少高维度的数据集( 66年, 68年]。该算法已在植被映射产生了很好的效果,但从来没有在土壤分析测试( 67年, 68年]。算法选择的八个重要的波长VIS /红外光谱,549 nm、624 nm、996 nm、1026 nm、1665 nm、1774 nm、1934 nm和2290 nm,区分nonsites,贝冢nonvitrified粪便,玻化粪便。从可见光谱波长的选择(549 nm和624 nm)可能影响土壤有机质含量的差异。这个研究的结果是一致的Bartholomeus et al。 122年)和Nolet et al。 123年)发现有相关性的吸收波长在可见光谱和土壤有机质的数量。土壤有机质含量也与颜色。这是由于高浓度的有机物的结果在黑暗的土壤和高的吸收波长( 124年]。波长996 nm和1026 nm)在近红外区域可以与元素,如镁和钙的浓度或其化合物。这个结果支持Thomasson et al。 125年)发现土壤中钙和镁浓度水平对光谱敏感地区在950到1500纳米之间。吸收其他四个选择波长1665 nm、1774 nm、1934 nm和2290 nm可以与样品中磷的浓度有关。磷水平的增加高度与之间的吸收波长1500 nm和2500 nm ( 126年]。土壤中的浓度的磷酸氢钙和镁磷酸盐也显示与反射光谱波长在上述地区高度相关( 127年]。然而,必须指出的是,不同波长在同一光谱区与其他模型在其他选择的研究可能是选择,因为模型训练中删除相关。

一般来说,高分类精度达到当使用最佳乐队由GRRF比当使用所有2151年的乐队。低分类精度达到当使用所有固有的高2151乐队是由自相关领域内的光谱数据,影响预测模型的性能( 101年, 128年, 129年]。这项研究的结果表明,删除相关变量可以提高分类器的预测精度。最重要的是,高分类精度通过使用最佳波长选择的子集GRRF肯定选择重要的波长的能力,提高射频的预测精度在考古遗址进行分类 67年, 68年]。关键元素的组合(<我talic> n= 7)和关键波长(<我talic> n= 8)取得了降低分类精度与使用关键元素(<我talic> n= 7)和关键波长(<我talic> n= 8)分开。低要素结合键时,分类精度达到波长是由数据冗余导致噪声分类输出( 101年, 128年, 130年]。冗余提供的信息来自这样一个事实:波长土壤的物理和化学性质( 31日, 126年),这意味着结合元素和光谱数据在这项研究中产生了冗余数据。最重要的是,选择的波长与乐队GRRF模型对应位置的星载和机载传感器的全球视界2号,带来如地球资源观测卫星8奥利机载可见光红外成像光谱仪(AVIRIS) Hymap,亥伯龙神,机载棱镜实验(顶点),和紧凑的高分辨率成像光谱仪(克里斯) 131年- - - - - - 135年]。然而,光谱仪在细节捕捉数据以更少的噪音和窄谱带与乐队共同机载和星载传感器捕捉到。这是由于传感器的能力,比如空间采样和信噪比,随高度增加而下降( 29日, 136年- - - - - - 138年]。上述权衡在光谱和空间分辨率可能会阻碍使用机载和星载传感器的映射考古的大多数特性,因为微妙的光谱差异和小自然比像素大小( 139年]。因此,需要进行测试的研究确定一个合适的机载或星载传感器研究地区考古特征映射。

一般来说,高分类精度达到在这项研究表明,有可能直接探测考古等特性的贝冢玻化牛栏,nonvitrified牛栏使用野外光谱数据。因此,这个承诺具有成本效益的方法,它可以用来进行考古调查相比,在短时间内大面积的使用元素数据和实地调查行走。测量使用遥感技术还将文档和监控等考古遗址位于访问地区的战区和危险的野生动物的地方容易。

 5。结论

本研究的重点是调查野外光谱测量是否能辨别在考古遗址利用土壤特性指标和识别重要的乐队。统计方法被用来评估是否有显著差异在考古特征元素的浓度和自然土壤。基于本研究的结果,可以使以下推论:

有显著差异nonsites之间元素的浓度,贝冢nonvitrified粪便和玻化粪站点。这种差异在上述元素的构成特性可以用来辨别其中当输入一个分类算法。磷、钙、锶、镁、铁、锌、和公司被认定为区分nonsites的重要元素,贝冢nonvitrified粪便,和玻化粪网站使用时作为输入变量在一个分类模型。

野外光谱数据有能力区分nonsites,贝冢nonvitrified粪便和玻化粪站点。这意味着nonvitrified粪便,玻化粪便,贝冢和nonsites有不同的光谱特征。

波长在可见近红外光谱可以用来区分自然土壤中,贝冢玻化粪,nonvitrified粪便牛棚。八个重要的乐队给最高的一个子集分类精度区分上述类识别时使用GRRF在可见近红外光谱。549 nm和624 nm内可见光谱在近红外波长996纳米的时候,1026 nm、1665 nm、1774 nm、1934 nm和2290 nm。

总之,这项研究的结果表明,有化学对比考古等特性的贝冢玻化粪牛栏,nonvitrified粪便牛栏和自然土壤使光谱学领域歧视。因此,潜在的遥感考古探测和映射特性与独特的土壤理化特性如在这项研究中使用的是礼物。尽管潜在的存在,还需要进一步的研究来高档野外光谱测量不同传感器光谱分辨率确定哪个卫星传感器的最佳波长探测考古遗址的特点是贝冢玻化粪,nonvitrified粪便。

 数据可用性

土壤元素和光谱数据属性用于支持本研究的发现没有提供,因为我们仍然使用它进行进一步的研究。

 的利益冲突

作者宣称没有利益冲突。

 确认

由于博茨瓦纳大学培训部的支持本研究。感恩也给SANParks允许访问Mapungubwe国家公园和戴比尔斯集团(通过邓肯·麦克法迪恩)允许访问威尼西亚自然保护区和使用研究设施。作者也感谢教授托马斯·霍夫曼主张他的数据和投入时间通过我们通过研究区和Ihnos Dhau为他的援助在田野调查数据收集和数据处理的实验室。特别感谢将Lesego Madisha(前考古学家在SANParks Mapungubwe)对她的帮助,SANParks”文化遗产经理变脆Chauke,和威尼西亚自然保护区工作人员的帮助。这项工作是由博茨瓦纳和威特沃特斯兰德大学的大学。

 Oonk 年代。 Slomp c·P。 豪氏威马 d . J。 Vriend s P。 地球化学和矿物学调查国内考古Tiel-Passewaaij现场土壤特性,荷兰 《地球化学勘查 2009年 101年 2 155年 165年 10.1016 / j.gexplo.2008.06.004 2 - s2.0 - 63449117148 威尔逊 c。 戴维森 d . A。 不尽 m . S。 多元化的土壤分析:评估其潜在的援助考古解释 考古科学杂志 2008年 35 2 412年 424年 10.1016 / j.jas.2007.04.006 2 - s2.0 - 37749017897 沃克 n . J。 早期的日期的重要性陶器和羊在津巴布韦 南非考古公告 1983年 38 138年 88年 92年 10.2307 / 3888641 t·n·霍夫曼的起源Mapungubwe项目进展报告2008准备戴比尔斯,NRF SAHRA SANParks, 2009 Luzzadder-Beach 年代。 海滩 T。 特里 r·E。 医生 k . Z。 基本勘查和地质考古学在土耳其和墨西哥 系列 2011年 85年 2 119年 129年 10.1016 / j.catena.2010.09.001 2 - s2.0 - 79951950291 霍夫曼 t . N。 Elburg M。 Watkeys M。 玻化牛粪在南部非洲的铁器时代 考古科学杂志 2013年 40 10 3553年 3560年 10.1016 / j.jas.2013.03.026 2 - s2.0 - 84878571431 米德尔顿 w·D。 价格 d . T。 识别的活动领域从现代多元化的表征沉积物和考古学家地板使用电感耦合等离子体原子发射光谱法 考古科学杂志 1996年 23 5 673年 687年 10.1006 / jasc.1996.0064 2 - s2.0 - 0001428172 Hejcman M。 Ondraček J。 Smrž Z。 古老的浪费与木灰坑不可逆增加作物产量在欧洲中部 植物和土壤 2011年 339年 1 - 2 341年 350年 10.1007 / s11104 - 010 - 0585 - x 2 - s2.0 - 85027956150 施密特 m·J。 拉普Py-Daniel 一个。 德波拉·莫拉 C。 亚马逊的黑暗地球和人类建造的景观:anthrosol形成的普遍模式 考古科学杂志 2014年 42 152年 165年 10.1016 / j.jas.2013.11.002 2 - s2.0 - 84888415042 米德尔顿 w·D。 识别化学活性残留在史前的房子楼层:方法和理由multi-elemental表征人为轻微酸提取的沉积物 考古学 2004年 46 1 47 65年 10.1111 / j.1475-4754.2004.00143.x 2 - s2.0 - 1842814230 帕内尔 J·J。 特里 r·E。 纳尔逊 Z。 土壤化学分析应用作为解释工具,古代人类活动在德拉斯,危地马拉 考古科学杂志 2002年 29日 4 379年 404年 10.1006 / jasc.2002.0735 2 - s2.0 - 0036081913 雅各布森 l Loock j . C。 Van der Westhuizen w·A。 霍夫曼 t . N。 德雷尔 j·j·B。 从Kamdeboo玻化粪的发生区,南部卡鲁,窝国家,林波波河山谷,南非:行动研究 南非科学杂志》上 2003年 99年 1 - 2 26 28 伦弗鲁 C。 联邦铁路公司 P。 考古:理论、方法和实践 2012年 6日 英国伦敦 泰晤士河和哈德逊 Oonk 年代。 Spijker J。 监督机器学习的方法对地球化学预测建模在考古学 考古科学杂志 2015年 59 80年 88年 10.1016 / j.jas.2015.04.002 2 - s2.0 - 84928728940 弗莱 J。 苏拉 F。 破解公共空间在城市环境:地球物理调查,多元化的土壤分析,和工件分布在公元15 th-16th-century斯瓦希里语解决松Mnara,坦桑尼亚 考古科学杂志 2015年 55 55 70年 10.1016 / j.jas.2014.12.020 2 - s2.0 - 84921033413 罗兰兹 一个。 Sarris 一个。 检测接触并使用多传感器遥感地下考古遗址 考古科学杂志 2007年 34 5 795年 803年 10.1016 / j.jas.2006.06.018 2 - s2.0 - 33845681667 Traviglia 一个。 Cottica D。 遥感应用和考古研究在北方威尼斯泻湖:Constanciacus损失的情况下解决 考古科学杂志 2011年 38 9 2040年 2050年 10.1016 / j.jas.2010.10.024 2 - s2.0 - 79960083575 范Ess M。 贝克尔 H。 单是 J。 Stroble J。 Blaschke T。 Griesebner G。 探测考古遗址的抢劫活动在伊拉克使用ikonos图像 Agenwandte Geo-Informatik, Breitrage Zum 18。AGIT研讨会萨尔斯堡 2006年 德国海德堡 Wichman 1 - 669年 678年 Agapiou 一个。 Alexakis D D。 Stavrou M。 Sarris 一个。 Themistocleous K。 Hadjimitsis d·G。 在考古研究前景和局限性的植被指数:新石器时代塞萨利的案例研究 地球资源与环境遥感学报》第四/ GIS应用程序 2013年9月 德国德累斯顿 Agapiou 一个。 Hadjimitsis d·G。 植被指数和字段spectroradiometric测量验证埋架构是:验证下面积与地球物理调查活动 应用遥感技术杂志》上 2011年 5 1 053554年 10.1117/1.3645590 2 - s2.0 - 80054076313 班尼特 R。 Welham K。 山 r。 福特 a . l . J。 植被指数的应用grass-dominated环境考古勘察的特性 考古勘察 2012年 19 3 209年 218年 10.1002 / arp.1429 2 - s2.0 - 84866045812 Lasaponara R。 Masini N。 鉴定考古埋仍然基于归一化植被指数(NDVI) quickbird卫星数据 IEEE地球科学和遥感信 2006年 3 3 325年 328年 10.1109 / lgrs.2006.871747 2 - s2.0 - 33746602728 穆德 诉L。 De熊先生 年代。 Schaepman m E。 娃 t·R。 使用遥感在土壤和地形映射审查 Geoderma 2011年 162年 1 - 2 1 19 10.1016 / j.geoderma.2010.12.018 2 - s2.0 - 79952959031 Siart C。 Eitel B。 Panagiotopoulos D。 过去的考古调查使用遥感和GIS的风景:山Ida方法的案例研究,克里特岛 考古科学杂志 2008年 35 11 2918年 2926年 10.1016 / j.jas.2008.06.006 2 - s2.0 - 49649123483 Aqdus 美国一个。 德拉蒙德 J。 汉森 w·S。 发现考古cropmarks:高光谱的方法 《国际摄影测量的档案,遥感与空间信息科学 2008年7月 中国,北京 361年 366年 Bassani C。 卡瓦利 r·M。 Goffredo R。 帕隆博 一个。 Pascucci 年代。 Pignatti 年代。 特定的光谱波段不同的土地覆盖情况下提高遥感考古勘察的效率:arpi案例研究 《文化遗产 2009年 10 出价 e48 10.1016 / j.culher.2009.09.002 2 - s2.0 - 72149132297 之家 R。 卡斯塔尔迪 F。 Pascucci 年代。 帕隆博 一个。 Pignatti 年代。 比较传感器分辨率和校准土壤质地的策略从高光谱遥感估算 Geoderma 2013年 197 - 198 17 26 10.1016 / j.geoderma.2012.12.016 2 - s2.0 - 84872822059 戈麦斯 C。 Rossel r·a·V。 McBratney 答:B。 土壤有机碳由高光谱遥感和实地可见光谱预测:一个澳大利亚的案例研究 Geoderma 2008年 146年 3 - 4 403年 411年 10.1016 / j.geoderma.2008.06.011 2 - s2.0 - 49549111126 Lagacherie P。 Baret F。 Feret J.-B。 马德拉清爽的 J。 Robbez-Masson j . M。 使用实验室估计土壤的粘土和碳酸钙,领域和机载高光谱测量 环境遥感 2008年 112年 3 825年 835年 10.1016 / j.rse.2007.06.014 2 - s2.0 - 39749117390 亚当 e . M。 Mutanga O。 Rugege D。 伊斯梅尔 R。 歧视的纸莎草植被(莎草纸莎草l .)及其co-existent物种HYMAP使用随机森林和高光谱数据重新取样 国际遥感杂志》上 2012年 33 2 552年 569年 10.1080 / 01431161.2010.543182 2 - s2.0 - 82155171319 Ben-Dor E。 Inbar Y。 程ydF4y2Ba Y。 有机物的反射光谱中的可见光近红外、短波红外区期间(400 - 2500 nm)分解过程控制 环境遥感 1997年 61年 1 1 15 10.1016 / s0034 - 4257 (96) 00120 - 4 2 - s2.0 - 0031177876 Gandariasbeitia M。 Besga G。 Albizu 我。 Larregla 年代。 Mendarte 年代。 预测土壤的化学和生物变量放牧的地区可见-近红外光谱 Geoderma 2017年 305年 228年 235年 10.1016 / j.geoderma.2017.05.045 2 - s2.0 - 85020513974 Rossel r·a·V。 behren T。 使用数据挖掘模型和解释土壤漫反射光谱 Geoderma 2010年 158年 1 - 2 46 54 10.1016 / j.geoderma.2009.12.025 2 - s2.0 - 77953621099 牧羊人 k·D。 沃尔什 m·G。 反射光谱的发展为特征的土壤属性库 美国土壤科学学会杂志》上 2002年 66年 3 988年 998年 10.2136 / sssaj2002.0988 Vohland M。 路德维希 M。 Thiele-Bruhn 年代。 路德维希 B。 测定土壤与短期和中红外光谱的可见属性:光谱变量选择的影响 Geoderma 2014年 223 - 225 88年 96年 10.1016 / j.geoderma.2014.01.013 2 - s2.0 - 84897443551 Kopačkova V。 Koucka l 集成从长波红外可见光谱吸收特性的信息范围矿产映射 遥感 2017年 9 10 1006年 10.3390 / rs9101006 2 - s2.0 - 85032213886 Nawar 年代。 Buddenbaum H。 山 J。 科扎克 J。 Mouazen a . M。 估算土壤粘粒含量和有机质通过不同校准方法的可见漫反射光谱 土壤和耕作研究 2016年 155年 510年 522年 10.1016 / j.still.2015.07.021 2 - s2.0 - 84947125681 Ogen Y。 诺伊曼 C。 Chabrillat 年代。 Goldshleger N。 本金龟子 E。 评估有机物质使用的检测极限点和成像光谱 Geoderma 2018年 321年 One hundred. 109年 10.1016 / j.geoderma.2018.02.011 2 - s2.0 - 85041533260 Ogen Y。 Goldshleger N。 Ben-Dor E。 3 d光谱分析VNIR-SWIR光谱区域的土壤分类的工具 Geoderma 2017年 302年 One hundred. 110年 10.1016 / j.geoderma.2017.04.020 2 - s2.0 - 85019832533 徐 C。 曾 W。 黄 J。 吴 J。 Van Leeuwen W。 预测土壤含水量和土壤盐浓度从高光谱实验室和现场数据 遥感 2016年 8 1 42 10.3390 / rs8010042 2 - s2.0 - 84957876084 Agapiou 一个。 Hadjimitsis D。 Sarris 一个。 Themistocleous K。 Papadavid G。 高光谱检测地面实况数据埋建筑仍然存在 学报-地中海合作会议 2010年11月 Lemessos、塞浦路斯 施普林格 318年 331年 Agapiou 一个。 Hadjimitsis d·G。 Alexakis D。 Sarris 一个。 天文台的验证新石器时代告诉(“magoules”) Thessalian平原,中部希腊,使用高光谱spectroradiometric数据 考古科学杂志 2012年 39 5 1499年 1512年 10.1016 / j.jas.2012.01.001 2 - s2.0 - 84857120530 Agapiou 一个。 Hadjimitsis D。 Alexakis D。 宽带和窄带植被指数的评估鉴定考古裁切线 遥感 2012年 4 12 3892年 3919年 10.3390 / rs4123892 2 - s2.0 - 84872315679 Sarris 一个。 帕帕多普洛斯 N。 Agapiou 一个。 集成的地球物理调查、地面高光谱测量,空中和卫星图像的史前遗址考古勘察:Vesztő-Magor告诉的案例研究,匈牙利 考古科学杂志 2013年 40 3 1454年 1470年 10.1016 / j.jas.2012.11.001 2 - s2.0 - 84870783908 冯 J。 焦 l 刘 F。 太阳 T。 张 X。 非监督特征选择基于最大信息和最小冗余的高光谱图像 模式识别 2016年 51 295年 309年 10.1016 / j.patcog.2015.08.018 2 - s2.0 - 84955757691 汉堡 J。 高恩 一个。 高光谱图像分析的数据处理 化学计量学和智能实验室系统 2011年 108年 1 13 22 10.1016 / j.chemolab.2011.04.001 2 - s2.0 - 79960151553 法雷尔 m D。 Mersereau r·M。 的影响PCA降维高光谱检测困难的目标 IEEE地球科学和遥感信 2005年 2 2 192年 195年 10.1109 / lgrs.2005.846011 2 - s2.0 - 18844429782 的巨大 K。 海斯 R R。 在分类器设计中样本容量的影响 IEEE模式分析与机器智能 1989年 11 8 873年 885年 10.1109/34.31448 2 - s2.0 - 0024716579 Taskin G。 卡亚 H。 Bruzzone l 基于高维特征选择模型表示为高光谱图像 IEEE图像处理 2017年 26 6 2918年 2928年 10.1109 / tip.2017.2687128 2 - s2.0 - 85018883472 火腿 J。 Yangchi陈 Y。 克劳福德 M . M。 戈什 J。 对高光谱数据的随机森林分类框架 IEEE地球科学和遥感 2005年 43 3 492年 501年 10.1109 / tgrs.2004.842481 2 - s2.0 - 14644421528 耆那教徒的 答:K。 沃勒 w·G。 最优数量的特性分类的多元高斯分布数据 模式识别 1978年 10 5 - 6 365年 374年 10.1016 / 0031 - 3203 (78)90008 - 0 2 - s2.0 - 0018253340 蔡 X。 温 G。 魏 J。 李 J。 余 Z。 知觉relativity-based semi-supervised降维算法 应用软计算 2014年 16 112年 123年 10.1016 / j.asoc.2013.12.004 2 - s2.0 - 84891694466 贾 X。 理查兹 j . A。 分段主成分转换为有效的高光谱遥感图像显示和分类 IEEE地球科学和遥感 1999年 37 1 538年 542年 10.1109/36.739109 2 - s2.0 - 0032737410 魏 J。 孟 M。 王 J。 马 Q。 王 X。 自适应semi-supervised降维稀疏表示用成对约束 Neurocomputing 2016年 177年 564年 571年 10.1016 / j.neucom.2015.11.048 2 - s2.0 - 84959089929 李 年代。 吴 H。 王ydF4y2Ba D。 朱 J。 一个有效的特征选择方法对高光谱图像分类基于遗传算法和支持向量机 以知识为基础的系统 2011年 24 1 40 48 10.1016 / j.knosys.2010.07.003 2 - s2.0 - 77957990796 马 j . P。 郑 z . B。 通 问:X。 郑 l F。 应用遗传算法对高光谱图像波段选择分类 5 《2003国际机器学习与控制论会议 2003年11月 IEEE 2810年 2813年 卓 l 郑 J。 李 X。 王 F。 人工智能 B。 钱 J。 基于遗传算法的封装器特征选择方法,使用支持向量机的高光谱图像分类 7147年 学报Geoinformatics 2008和关节GIS与建筑环境会议:遥感图像的分类 2008年6月 广州,中国 国际社会对光学和光子学 71471 j 任 e . M。 艾哈迈德 f . B。 伊斯梅尔 R。 随机森林回归和估算甘蔗叶氮浓度的光谱波段选择使用eo - 1 hyperion高光谱数据 国际遥感杂志》上 2013年 34 2 712年 728年 10.1080 / 01431161.2012.713142 2 - s2.0 - 85010540243 坝子 Y。 Melgani F。 对一个最优支持向量机对高光谱遥感图像分类系统 IEEE地球科学和遥感 2006年 44 11 3374年 3385年 10.1109 / tgrs.2006.880628 2 - s2.0 - 33750798496 Jouan-Rimbaud D。 设计学院 d . L。 De Noord o . E。 随机相关变量选择与遗传算法对多元校正 化学计量学和智能实验室系统 1996年 35 2 213年 220年 10.1016 / s0169 - 7439 (96) 00062 - 7 2 - s2.0 - 0030470692 张 T。 傅 X。 吴 r·s·M。 Kwoh c K。 李 g·K·K。 GA-SVM特征选择模型基于高性能计算技术 学报2009年IEEE国际会议系统,人与控制论 2009年10月 圣安东尼奥,德克萨斯州,美国 IEEE 2653年 2658年 Gislason p . O。 Benediktsson j . A。 人 j . R。 随机森林的土地覆盖分类 模式识别的字母 2006年 27 4 294年 300年 10.1016 / j.patrec.2005.08.011 2 - s2.0 - 30344471525 尼哥底母 K·K。 莫来 j . D。 Strobl C。 齐格勒 一个。 随机森林permutation-based变量重要性的行为措施下预测相关性 BMC生物信息学 2010年 11 1 110年 10.1186 / 1471-2105-11-110 2 - s2.0 - 77949388276 Uddin T。 Uddiny 一个。 基于随机森林的特征选择方法指导活动的认可 学报2015年电气工程和信息通信技术国际会议(ICEEICT) 2015年5月 达卡,孟加拉国 IEEE 1 6 阮 T . T。 赵 H。 黄 j . Z。 阮 T . T。 李 m·J。 一个新特性在随机森林预测高维数据采样方法 《亚太会议知识发现和数据挖掘 2015年10月 奥克兰,新西兰 施普林格 459年 470年 邓 H。 响 G。 基因选择与引导正规化随机森林 模式识别 2013年 46 12 3483年 3489年 10.1016 / j.patcog.2013.05.018 2 - s2.0 - 84881038733 亚当 E。 邓 H。 Odindi J。 任 e . M。 Mutanga O。 检测早期phaeosphaeria叶斑病的侵扰,在玉米作物使用原位高光谱数据和指导正规化随机森林算法 《光谱学 2017年 2017年 8 6961387 10.1155 / 2017/6961387 2 - s2.0 - 85025100391 Mureriwa N。 亚当 E。 Sahu 一个。 Tesfamichael 年代。 检查的频谱分离prosopis glandulosa co-existent物种使用野外光谱测量和引导正规化随机森林 遥感 2016年 8 2 144年 10.3390 / rs8020144 2 - s2.0 - 84962515394 Chinoda G。 Moyce W。 结业证书 N。 欧文 R。 基线林波波河盆地区域的地质报告 2009年 荷兰阿姆斯特丹 Waternet WaterNet工作报告7 Bordy e . M。 Catuneanu O。 沉积学的Beaufort-Molteno卡鲁Tuli盆地冲积地层,南非 南非地质杂志》上 2002年 105年 1 51 66年 10.2113 / 1050051 2 - s2.0 - 85011581550 格策 a。R。 Cilliers 美国年代。 Bezuidenhout H。 分析植被的砂岩脊(Ib土地类型)的Mapungubwe东北部地区的国家公园,南非林波波省 Koedoe:非洲保护区保护和科学 2008年 50 1 72年 81年 10.4102 / koedoe.v50i1.136 2 - s2.0 - 79959611373 Hanisch e·o·M。 沃伊特 大肠。 在北方德兰士瓦Schroda: Zhizo网站 指导考古遗址在北部和东部德兰士瓦 1981年 比勒陀利亚,南非 南非考古学家协会 37 53 格策 a。R。 Cilliers 美国年代。 Bezuidenhout H。 科尔纳 K。 河岸植被的分析(Ia土地类型)的提议Vhembe-Dongola国家公园,南非林波波省 Koedoe 2003年 46 2 45 64年 10.4102 / koedoe.v46i2.55 花茎甘蓝 j . A。 区际交互在非洲南部:Zhizo和豹的小丘关系在南非北部,津巴布韦西南部和东部博茨瓦纳,公元1000年到1200年 非洲考古审查 2000年 17 4 183年 210年 10.1023 /:1006796925891 2 - s2.0 - 33444473861 Eloff j·F。 迈耶 一个。 沃伊特 大肠。 greefswald网站 指导考古遗址在北部和东部德兰士瓦 1981年 比勒陀利亚,南非 德兰士瓦博物馆 7 22 霍夫曼 t . N。 Mapungubwe和津巴布韦的起源文化 古德温系列 2000年 8 14 29日 10.2307 / 3858043 沃格尔 j . C。 花茎甘蓝 j . A。 Leokwe希尔的约会网站,对区域历史的影响 古德温系列 2000年 8 47 50 10.2307 / 3858045 Hanisch e·o·M。 Schroda:考古证据 在粘土雕刻:铁器时代从Schroda雕像,南非林波波省 2002年 比勒陀利亚,南非 民族文化历史博物馆 20. 39 霍夫曼 t . N。 Mapungubwe和伟大的津巴布韦:社会复杂性的起源和传播在非洲南部 考古人类学杂志》 2009年,一个 28 1 37 54 10.1016 / j.jaa.2008.10.004 2 - s2.0 - 61349193799 Hanisch e·o·M。 一个考古的解释某些铁器时代网站林波波河/沙市山谷 1980年 比勒陀利亚,南非 比勒陀利亚大学 迈耶 一个。 K2和Mapungubwe 古德温系列 2000年 8 4 4 13 10.2307 / 3858042 Denbow j . R。 Cenchrus ciliaris:一个生态指标的使用在博茨瓦纳东部航空摄影铁器时代的贝冢 南非科学杂志》上 1979年 75年 9 405年 408年 Chirikure 年代。 Manyanga M。 波拉德 a . M。 Bandama F。 Mahachi G。 Pikirayi 我。 津巴布韦Mapungubwe前文化:从Mapela山新证据,津巴布韦西南部 《公共科学图书馆•综合》 2014年 9 10 e111224 10.1371 / journal.pone.0111224 2 - s2.0 - 84909992126 霍夫曼 t . N。 的历史考古Mapungubwe面积:布尔birwa纳和砍刀 南部非洲人文 2012年 24 1 33 59 费根 B。 greefswald序列:Bambandyanalo Mapungubwe 《非洲的历史 1964年 5 3 337年 361年 沃伊特 大肠。 Mapungubwe:一个考古的解释一个铁器时代社区 1983年 1 比勒陀利亚,南非 德兰士瓦博物馆 彼得 B。 玻化粪便在考古的情况下:一个实验研究的过程中形成的Mosu和Bobirwa区域 普拉:博茨瓦纳非洲研究杂志》上 2001年 15 1 125年 143年 你的 P。 Segobye 答:K。 明 d . W。 影响中东部博茨瓦纳的史前玻璃生物质渣 考古科学杂志 1995年 22 5 629年 637年 10.1016 - 4403(95)80148 -颁布/ s0305该政令旨在0 2 - s2.0 - 0038457011 霍夫曼 t . N。 Mapungubwe项目的起源,进步 2011年 SAHRA和SANParks 进度报告2011准备戴比尔斯,NRF Paillou P。 洛佩兹 年代。 Farr T。 Rosenqvist 一个。 映射在撒哈拉沙漠地下地质使用l波段SAR:第一ALOS / PALSAR成像雷达的结果 IEEE选择杂志的主题应用地球观测和遥感 2010年 3 4 632年 636年 10.1109 / jstars.2010.2056915 2 - s2.0 - 78650440860 分析光谱设备公司 FieldSpec 4 standard-res光谱仪 2018年 https://www.asdi.com/products-and-services/fieldspec-spectroradiometers/fieldspec-4-standard-res 丹纳 M。 打孔机 M。 汉克 T。 里希特 K。 光谱采样与ASD FieldSpec 4-theory、测量问题,解释 2015年 德国波茨坦 地球科学数据服务 EnMAP现场指导技术报告 肌萎缩性侧索硬化症 ME-ICP61跟踪级别使用传统icp - aes分析的方法 2018年 南非约翰内斯堡 ALSGLOBAL 弗莱彻 M。 锁 g·R。 考古学家挖掘数字:基本统计数据 2005年 33 牛津大学,英国 牛津大学考古学院 深南 年代。 量化考古 1997年 第二个 美国爱荷华州的城市,IA 爱荷华大学出版社 Bedeian a·G。 Mossholder k W。 使用变异系数作为衡量的多样性 组织研究方法 2000年 3 3 285年 297年 10.1177 / 109442810033005 2 - s2.0 - 0011669301 比尤伊克 V。 脸颊 l 球 J。 统计审查9:单向方差分析 急救护理 2004年 8 2 130年 10.1186 / cc2836 2 - s2.0 - 1842426345 麦当劳 j . H。 生物统计手册 2009年 2 美国马里兰州巴尔的摩 充满活力的家出版 伊斯梅尔 R。 Mutanga O。 歧视的早期阶段sirex noctilio侵扰使用分类树集合体和短波红外波段 国际遥感杂志》上 2011年 32 15 4249年 4266年 10.1080 / 01431161.2010.486413 2 - s2.0 - 80051776645 亚当 E。 Mutanga O。 伊斯梅尔 R。 确定桉树的易感性nitens森林Coryphodema tristis (cossid蛾)发生在普马兰加,南非 国际地理信息科学杂志》上 2013年 27 10 1924年 1938年 10.1080 / 13658816.2013.772183 2 - s2.0 - 84886900849 曼苏尔 K。 Mutanga O。 艾弗森 T。 亚当 E。 识别指标对牧场草地物种退化评估利用高光谱数据重新取样,爱莎鹰决议 ISPRS《摄影测量与遥感 2012年 70年 56 65年 10.1016 / j.isprsjprs.2012.03.006 2 - s2.0 - 84860222532 邓 H。 响 G。 特征选择通过正规化的树木 《2012年国际神经网络(IJCNN)联合会议 2012年6月 澳大利亚布里斯班 IEEE 1 8 弓箭手 k·J。 金 r . V。 实证描述随机森林变量重要的措施 计算统计和数据分析 2008年 52 4 2249年 2260年 10.1016 / j.csda.2007.08.015 2 - s2.0 - 35748978234 Touw w·G。 Bayjanov j . R。 Overmars l 数据挖掘在生命科学与随机森林:在公园里散步或迷失在丛林中? 简报的生物信息学 2012年 14 3 315年 326年 10.1093 /龙头/ bbs034 2 - s2.0 - 84871787691 任 e . M。 Mutanga O。 亚当 E。 伊斯梅尔 R。 检测sirex noctilio grey-attacked和闪电击中的松树使用机载高光谱数据,随机森林和支持向量机分类器 ISPRS《摄影测量与遥感 2014年 88年 48 59 10.1016 / j.isprsjprs.2013.11.013 2 - s2.0 - 84890837785 陈 j . C.-W。 Paelinckx D。 评价随机森林和演算法基于树的系综分类为景观元素映射和频谱带选择使用机载高光谱图像 环境遥感 2008年 112年 6 2999年 3011年 10.1016 / j.rse.2008.02.011 2 - s2.0 - 43949125818 任 E。 Makori D。 Landmann T。 爱莎鹰高光谱数据的实用程序和随机森林分类器花映射 遥感 2015年 7 10 13298年 13318年 10.3390 / rs71013298 2 - s2.0 - 84945923695 Akar O。 在我 O。 使用随机森林算法的多光谱图像分类 大地测量学和地质信息杂志》上 2013年 1 2 105年 112年 10.9733 / jgg.241212.1 Rodriguez-Galiano 诉F。 Chica-Olmo M。 Abarca-Hernandez F。 阿特金森 p . M。 Jeganathan C。 随机森林的地中海土地覆盖分类使用multi-seasonal意象和multi-seasonal纹理 环境遥感 2012年 121年 93年 107年 10.1016 / j.rse.2011.12.003 2 - s2.0 - 84857753353 膝 R。 Poggi j . M。 Tuleau-Malot C。 变量选择使用随机森林 模式识别的字母 2010年 31日 14 2225年 2236年 10.1016 / j.patrec.2010.03.014 2 - s2.0 - 77957922514 Belgiu M。 Drăguţ l 随机森林遥感:回顾应用和未来的发展方向 ISPRS《摄影测量与遥感 2016年 114年 24 31日 10.1016 / j.isprsjprs.2016.01.011 2 - s2.0 - 84961834117 Mutanga O。 亚当 E。 赵 m·A。 全球视界2号图像带来高密度的湿地植被生物量估算使用和随机森林回归算法 国际期刊《应用地球观测和地质信息 2012年 18 399年 406年 10.1016 / j.jag.2012.03.012 2 - s2.0 - 84864512878 田 F。 杨 l Lv F。 周 P。 肽的预测液相色谱保留时间黑腹果蝇蛋白质组的机器学习方法 分析Chimica学报 2009年 644年 1 - 2 10 16 10.1016 / j.aca.2009.04.010 2 - s2.0 - 65549154236 罗森菲尔德 g . H。 Fitzpatrick-Lins K。 协议系数作为衡量主题分类的准确性 摄影测量工程和遥感 1986年 52 2 223年 227年 麦克亨利 h . M。 咖啡 K。 AustralopithecustoHomo:转换在身体和心灵 年度回顾人类学 2000年 29日 1 125年 146年 10.1146 / annurev.anthro.29.1.125 2 - s2.0 - 0000452365 Entwistle j . A。 亚伯拉罕 p W。 Dodgshon r。 geoarchaeological意义和空间变异性的一系列土壤物理和化学属性前居住地点,斯凯岛 考古科学杂志 2000年 27 4 287年 303年 10.1006 / jasc.1999.0453 2 - s2.0 - 0034024815 霍利迪 诉T。 Gartner w·G。 土壤P分析考古学的方法 考古科学杂志 2007年 34 2 301年 333年 10.1016 / j.jas.2006.05.004 2 - s2.0 - 33750185282 迫降 s R。 Magnoni 一个。 海滩 T。 特里 r·E。 Dahlin b . H。 Schabel m·J。 磷酸分馏和空间模式在古代废墟:一个案例研究来自尤卡坦半岛 系列 2009年 78年 3 260年 269年 10.1016 / j.catena.2009.02.005 2 - s2.0 - 67650578693 格里菲思 m·A。 土壤调查的考古遗址在安大略省,加拿大,即土壤和附近的一个考试前的村庄 Geoderma 1980年 24 4 327年 336年 10.1016 / 0016 - 7061 (80)90060 - 9 2 - s2.0 - 0019201884 Mashimbye p . M。 球晶:放牧在Mapungubwe策略的证据 2013年 南非约翰内斯堡 威特沃特斯兰德大学 威尔逊 c。 戴维森 d . A。 不尽 m . S。 评估网站的特异性的土壤元素签名识别和解释前的功能区域 考古科学杂志 2009年 36 10 2327年 2334年 10.1016 / j.jas.2009.06.022 2 - s2.0 - 68349085692 Bartholomeus h . M。 Schaepman m E。 Kooistra l 史蒂文斯 一个。 Hoogmoed w·B。 Spaargaren o . s . P。 基于光谱反射率的土壤有机碳的量化指标 Geoderma 2008年 145年 1 - 2 28 36 10.1016 / j.geoderma.2008.01.010 2 - s2.0 - 43649091529 Nolet C。 Poortinga 一个。 Roosjen P。 Bartholomeus H。 Ruessink G。 测量和建模的影响表面水分光谱反射率的海滨沙滩 《公共科学图书馆•综合》 2014年 9 11 e112151 10.1371 / journal.pone.0112151 2 - s2.0 - 84911440209 他 T。 王 J。 林 Z。 程 Y。 土壤有机质的光谱特征 地理空间信息科学 2009年 12 1 33 40 10.1007 / s11806 - 009 - 0160 - x 2 - s2.0 - 65349168900 Thomasson j . A。 隋 R。 考克斯 m . S。 Al-Rajehy 一个。 土壤反射率传感确定土壤属性在精准农业 交易的ASAE 2001年 44 6 1445年 10.13031/2013.7002 Bogrekci 我。 李 w·S。 提高磷传感通过消除土壤粒径效应在光谱测量 交易的ASAE 2005年 48 5 1971年 1978年 10.13031/2013.19989 Bogrekci 我。 李 w·S。 常见的土壤光谱的测量磷酸盐 交易的ASAE 2005年 48 6 2371年 2378年 10.13031/2013.20076 亚当 E。 Mutanga O。 Rugege D。 伊斯梅尔 R。 字段的纸莎草植被光谱法(莎草纸莎草l .)在圣卢西亚的沼泽湿地,南非 4 学报2009年IEEE国际地球科学和遥感研讨会 2009年7月 首尔,韩国 IEEE 4 - 260 4 - 263 10.1109 / igarss.2009.5417324 2 - s2.0 - 77951260764 媒体报道 美国B。 莫泽 G。 提取的光谱通道高光谱图像分类的目的 IEEE地球科学和遥感 2007年 45 2 484年 495年 10.1109 / tgrs.2006.886177 2 - s2.0 - 33846636871 Bajcsy P。 林 P。 高光谱波段选择的方法 摄影测量工程&遥感 2004年 70年 7 793年 802年 10.14358 / pers.70.7.793 2 - s2.0 - 4143064738 Ayasse 答:K。 索普 答:K。 罗伯茨 d . A。 评估表面性质的影响甲烷检索使用合成机载可见光/红外成像光谱仪下一代(AVIRIS-NG)的形象 环境遥感 2018年 215年 386年 397年 10.1016 / j.rse.2018.06.018 2 - s2.0 - 85048947249 卡瓦利 r·M。 Colosi F。 帕隆博 一个。 Pignatti 年代。 Poscolieri M。 远程高光谱图像作为支持考古勘察 《文化遗产 2007年 8 3 272年 283年 10.1016 / j.culher.2007.03.003 2 - s2.0 - 34548478109 Dematte j . a . M。 摩根 c·l·S。 Chabrillat 年代。 Thenkabail p S。 光谱遥感在土壤科学:从地面到空间的艺术,应用潜力和视角 土地资源监测、建模、测绘遥感 2015年 美国佛罗里达州波卡拉顿的 CRC的新闻 661年 732年 Schaepman m E。 Jehle M。 Hueni 一个。 先进的辐射测量的测量和地球科学应用与机载棱镜实验(顶点) 环境遥感 2015年 158年 207年 219年 10.1016 / j.rse.2014.11.014 2 - s2.0 - 84923089038 斯坦伯格 一个。 Chabrillat 年代。 史蒂文斯 一个。 Segl K。 福斯特把 年代。 共同表面土壤性质的预测基于可见光机载可见光和模拟EnMAP成像光谱数据:预测精度和空间分辨率的影响 遥感 2016年 8 7 613年 10.3390 / rs8070613 2 - s2.0 - 85006822915 Kokaly r F。 成像光谱仪校准矿物识别和评估的影响映射使用机载数据收集在阿拉斯加,美国Khandahar,阿富汗 2016年IEEE国际地球科学和遥感学报》研讨会(雪茄烟) 2016年7月 中国,北京 1931年 1934年 克鲁斯 f。 Boardman j·W。 亨廷顿 j·F。 机载高光谱数据的比较和eo - 1 hyperion矿物映射 IEEE地球科学和遥感 2003年 41 6 1388年 1400年 10.1109 / tgrs.2003.812908 2 - s2.0 - 0042739634 王妃 N。 Mandla 诉R。 辛格 T。 评估大气修正高光谱数据与矿物映射 地球科学前沿 2017年 8 4 797年 808年 10.1016 / j.gsf.2016.06.004 2 - s2.0 - 85002833754 Thabeng o . L。 梅洛 年代。 亚当 E。 高分辨率遥感的勘察和先进的分类技术考古遗址的标志:粪便中存款Shashi-Limpopo融合区域(南非) 考古科学杂志 2019年 102年 48 60 10.1016 / j.jas.2018.12.003 2 - s2.0 - 85059239373