Mapping Soil Salinity Using a Similarity-based Prediction Approach： A Case Study in Huanghe River Delta, China

因为土壤咸度被环境因素强烈影响并且显示，土壤咸度的空间分发能基于它的环境因素被估计。与象土壤质地那样的另外的性质不同，土壤咸度与短期的时间变化。因此，怎么选择强大的环境预言者为土壤是特别重要的咸度。这份报纸论述一条基于类似的预言途径印射土壤咸度并且在中国为 Huanghe (黄) 河三角洲区域检测强大的环境预言者。基于类似的途径基于 unsampled 和取样的地点的环境类似预言 unsampled 地点的土壤咸度。有在 3040 厘米的深度的盐数据的 92 个点的数据集为预言和确认被划分成二个子集。地形学的参数，土壤质地，到灌溉隧道并且到海岸线的距离，从中等分辨率成像分光辐射函数(MODIS ) 的陆地表面温度，规范的差别植被索引(NDVI ) 和土地出现从 Landsat 题目的 Mapper (TM ) 形象的反射数据被产生。基于类似的预言途径在不同环境因素的几联合上被使用。包括在观察并且预言的价值，吝啬的绝对错误和我们发现了那举起的根均方差之间的关联系数( CC )基于三个评估索引，距离到灌溉隧道，土壤质地，夜里陆地表面温度， NDVI ，并且陆地表面反射乐队 5 是为在学习区域在 3040 厘米深度印射土壤咸度的最佳的联合(与 0.69 的 CC 价值和 0.38 的根均方差价值)。我们的结果显示基于类似的预言途径能是为印射土壤咸度的另外的方法的一种重要选择，特别为有有限观察数据的区域并且能被用来以后监视土壤咸度分布。