TY - JOUR A2 - Miano, Teodoro M. AU - banangelesa, Freddy AU - Adam, Elhadi AU - Knight, Jasper AU - Dhau, Inos AU - Ramudzuli, Marubini AU - Mokotjomela，Thabiso M. PY - 2020 DA - 2020/04/13 TI - Predicting Soil Organic Carbon Content Using Hyperspectral Remote Sensing in a degradation Mountain Landscape in Lesotho SP - 2158573 VL - 2020 AB -土壤有机碳是土壤肥力的重要指标。本研究的目的是预测南部非洲莱索托东部山区土壤有机碳含量，该地区是生物多样性高度地方性的地区，也是广泛用于小规模农业的地区。通过使用分析光谱设备(ASD) FieldSpec®4光学传感器测量土壤的反射光谱，采用了一种综合的现场和实验室方法。在野外条件下采集地表土壤光谱，然后在实验室中采集土壤光谱，以评估基于野外光谱的模型的准确性。比较两种不同统计模型(随机森林和偏最小二乘回归)的预测性能。结果表明，随机森林回归能够较准确地预测土壤有机碳含量。相比之下，偏最小二乘回归模型过拟合校准数据集。预测土壤有机含量的重要波长分布在可见光范围(400-700 nm)附近。研究表明，利用导数场光谱测量和随机森林回归可以最准确地估计土壤有机碳。 SN - 1687-7667 UR - https://doi.org/10.1155/2020/2158573 DO - 10.1155/2020/2158573 JF - Applied and Environmental Soil Science PB - Hindawi KW - ER -