Satellite Spectral Data on the Quantification of Soil Particle Size from Different Geographic Regions

Demattê, José Alexandre Melo; Guimarães, Carlos Henrique; Fongaro, Caio Troula; Vidoy, Emmily Larissa Felipe; Sayão, Veridiana Maria; Dotto, André Carnieletto; Santos, Natasha Valadares dos

doi:10.1590/18069657rbcs20170392

Cited by 6 publications

(3 citation statements)

References 20 publications

(24 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Известные методы дистанционного спектрального определения структурного состава почвы условно можно разделить на следующие: ̶ Мультиспектральные спутниковые методы видимого и ближнего ИК диапазонов [3]; ̶ Мультиспектральные спутниковые методы ИК диапазона [4]; ̶ Гиперспектральные методы [5]. Как отмечается в работе [3], спектральные данные, полученные от LandsatTM7, с шести спектральных каналов позволяет различить структурный состав незаросшей почвы по таким составляющим как песок, песочный известняк, глинистый известняк, суглинок, глина.…”

Section: краткий обзор известных методов дистанционного определения с...unclassified

“…Хорошо известно, что структурный состав почвы значительно влияет на отражательные свойства Земли и в значительной степени предопределяет оптико -физические характеристики незаросшей части суши при проведении дистанционного зондирования Земли [1][2][3]. Кроме этого, структурный состав частиц почвы влияет на эрозионные характеристики Земли [1], и находится в тесной корреляционной связи с содержанием углерода почве и предопределяет текстуру почвенного слоя [2].…”

Section: Introductionunclassified

See 1 more Smart Citation

Метод Повышения Точности Определения Структурного Состава Почвы Методами Дистанционного Зондирования

КАЗИМОВА¹

2021

Вестник Северо-Восточного Федерального Университета Им. М.К.Аммосова. Vestnik of North-Eastern Federal University. Серия "Науки

View full text Add to dashboard Cite

Хорошо известно, что структурный состав почвы значительно влияет на отражательные свойства Земли и в значительной степени предопределяет оптико-физические характеристики незаросшей части суши при проведении дистанционного зондирования Земли. Кроме этого, структурный состав частиц почвы влияет на эрозионные характеристики Земли, и находится в тесной корреляционной связи с содержанием углерода почве и предопределяет текстуру почвенного слоя. В проводимых исследованиях была использована известная регрессионная взаимосвязь между количеством органических веществ и процентным содержанием ила и глины в почве. Также используется аналогичная связь между количеством органических веществ и процентным содержанием песка в почве. Отмечена важность и значимость структурного показателя для изучения физико-химических свойств почв в зонах сельскохозяйственной деятельности. Дана сравнительная характеристика спектральных методов дистанционного определения структурного состава почвы. Особый интерес представляет возможность использования гиперспектральных методов дистанционного зондирования для определения структурного состава почвы. Гиперспектральные методы определения структурного состава почвы разработаны с использованием соответствующей аппаратуры, установленной на борту летательных средств. Предложен усовершенствованный метод гиперспектрального анализа структуры почвы. Показано, что известный гиперспектральный метод определения структурного состава почвы при неучете влияния атмосферного аэрозоля фактически теряет свою работоспособность, что диктует необходимость усовершенствования данного метода. Реализация предложенного усовершенствованного метода гиперспектрального определения структурного состава почвы позволяет устранить аэрозольную погрешность известного метода, достигающую, по приближенной оценке, 12%.

show abstract

Section: краткий обзор известных методов дистанционного определения с...unclassified

Section: Introductionunclassified

Метод Повышения Точности Определения Структурного Состава Почвы Методами Дистанционного Зондирования

КАЗИМОВА¹

2021

Вестник Северо-Восточного Федерального Университета Им. М.К.Аммосова. Vestnik of North-Eastern Federal University. Серия "Науки

View full text Add to dashboard Cite

show abstract

“…More recently, Demattê et al (2018) proposed a quantification model for soil texture based on reflectance information from a range of bare soils acquired by intersecting multi-temporal satellite images. This model was applied to another region to calculate its pertinency.…”

Section: Introductionmentioning

confidence: 99%

Identification of soil type in Pakistan using remote sensing and machine learning

Haq

Shahbaz

Asif

et al. 2022

PeerJ Computer Science

View full text Add to dashboard Cite

Soil study plays a significant role in the cultivation of crops. To increase the productivity of any crop, one must know the soil type and properties of that soil. The conventional soil type identification, grid sampling and hydrometer method require expert intervention, more time and extensive laboratory experimentation. Digital soil mapping, while applying remote sensing, offers soil type information and has rapidity, low cost, and spatial resolution advantages. This study proposes a model to identify the soil type using remote sensing data. Spectral data of the Upper Indus Plain of Pakistan Pothwar region and Doabs were acquired using fifteen Landsat eight images dated between June 2020 to August 2020. Bare soil images were obtained to identify the soil type classes Silt Loam, Loam, Sandy Loam, Silty Clay Loam and Clay Loam. Spectral data of band values, reflectance band values, corrective reflectance band values and vegetation indices are practiced studying the reflectance factor of soil type. Regarding multi-class classification, Random Forest and Support Vector Machine are two popular techniques used in the research community. In the present work, we used these two techniques aided with Logistic Model Tree with 10-fold cross-validation. The classification with the best performance is achieved using the spectral data, with an overall accuracy of 86.61% and 84.41% for the Random Forest and Logistic Model Tree classification, respectively. These results may be applied for crop cultivation in specific areas and assist decision-makers in better agricultural planning.

show abstract

Different approaches to estimating soil properties for digital soil map integrated with machine learning and remote sensing techniques in a sub-humid ecosystem

Saygın,

Aksoy,

Alaboz

et al. 2023

Environ Monit Assess

View full text Add to dashboard Cite

Satellite Spectral Data on the Quantification of Soil Particle Size from Different Geographic Regions

Cited by 6 publications

References 20 publications

Метод Повышения Точности Определения Структурного Состава Почвы Методами Дистанционного Зондирования

Метод Повышения Точности Определения Структурного Состава Почвы Методами Дистанционного Зондирования

Identification of soil type in Pakistan using remote sensing and machine learning

Different approaches to estimating soil properties for digital soil map integrated with machine learning and remote sensing techniques in a sub-humid ecosystem

Contact Info

Product

Resources

About