参考文献：
[1] 庞煜龚, 张孟豪, 姜敏等. 广东省肇庆市高要区耕地土壤理化性质和微生物特征的空间异质性及综合质量评价[J]. 华南农业大学学报, 2025, 46: 151-163.
[2] Chapin, F. S., Matson, P.A., Vitousek, P. M. Principles of Terrestrial Ecosystem Ecology [M]. New York: Springer, 2014.
[3] Htwe, N. M. P. S., Ruangrak, E. A review of sensing, uptake, and environmental factors influencing nitrate accumulation in crops [J]. Journal of Plant Nutrition, 2021.
[4] 刘丽琪, 魏广源, 周萍. 基于机器学习优化建模的GF-5影像土壤总氮量预测填图[J]. 智慧农业（中英文）, 2024, 6: 61-73.
[5] 宋雪, 张民, 周洪印等. 基于土壤优化光谱参数估测太湖地区土壤全氮含量[J]. 农业资源与环境学报, 2020, 37: 43-50. https://doi.org/10.13254/j.jare.2018.0365.
[6] 章海亮, 谢潮勇, 田彭等. 基于可见/近红外光谱和数据驱动的机器学习方法测量土壤有机质和总氮[J]. 光谱学与光谱分析, 2023, 43: 2226-2231.
[7] 赵春江. 农业遥感研究与应用进展[J]. 农业机械学报, 2014, 45: 277-293.
[8] 聂鹏程, 钱程, 覃锐苗等. 天空地一体化信息感知与融合技术发展现状与趋势[J]. 智能化农业装备学报（中英文）, 2023, 4: 1-11.
[9] Zhang, S., Zhang, J., Bai, Y., et al. Evaluation and improvement of the daily Boreal Ecosystem Productivity Simulator in simulating gross primary productivity at 41 flux sites across Europe [J]. Ecological Modelling, 2018, 368: 205-232. https://doi.org/10.1016/j.ecolmodel.2017.11.023.
[10] 杨子, 潘鑫, 袁洁等. 基于随机森林算法的卫星监测太湖蓝藻数据集（2019）[J]. 全球变化数据学报, 2023, 7(3): 321-326..
[11] 潘霞. 基于Google Earth Engine云平台下地物覆被类型的遥感影像智能分类方法研究[D]. 呼和浩特: 内蒙古农业大学, 2021.
[12] 遥感云计算平台发展及地球科学应用[OL]. https://d.wanfangdata.com.cn/Periodical/ygxb202101014 [2025-4-13].
[13] Prasad, A. M., Iverson, L. R., Liaw, A. newer tree classification and prediction techniques: bagging and random forests for ecological regression [J]. Ecosystems, 2006, 9(2):181-199.
[14] Breiman, L. Random forests [J]. Machine Learning, 2001, 45: 5-32.
[15] 王大鹏, 王周龙, 李德一等. 综合非光谱信息的荒漠化土地CART分类[J]. 遥感学报, 2007: 487-492.
[16] Breiman, L., Friedman, J. H., Olshen, R. A., et al. Classification and Regression Trees [M]. Belmont: Wadsworth International Group, 1984.
[17] Friedman, J. H. Greedy function approximation: a gradient boosting machine [J]. Annals of Statistics, 2001, 29(5): 1189-1232.