共查询到20条相似文献，搜索用时 562 毫秒
1.
通过对土壤电导率和光谱测定,分析了南方丘陵稻田土壤电阻率特征、原始光谱数据及重采样光谱数据特征。在光谱重采样基础上进一步构建光谱包络线去除变换、光谱反射率倒数(1/R)、对数[ln(1/R)]、平方根(R0.5)、一阶微分等单一或复合变换模型。通过横向、纵向综合比较分析不同模型的反射率与电阻率相关性分析的曲线差异,着重探讨了基于一阶微分的数据变换模型间土壤电阻率与光谱反射率间相关性强弱,结果表明:(1)基于一阶微分变换的模型可以对重叠混合光谱进行分解以便识别,扩大样品之间的光谱特征差异,发掘敏感波段的光谱吸收、反射特征;(2)综合反射率的平方根的一阶微分变换、反射率的倒数的对数及反射率对数的一阶微分等模型得出,在波段为382 nm处,土壤电阻率与光谱反射率间相关系数最高达0.788,在波段为555~560 nm,多个微分变换模型相关性系数在0.7以上,可为后续反演因子的确定及土壤电阻率高光谱估测回归模型的建立提供参考。 相似文献
2.
为实现博斯腾湖湖滨绿洲土壤有机碳含量的快速估算，结合实测的土壤高光谱数据与土壤有机碳数据，通过连续小波变换(CWT)进行土壤光谱数据预处理，利用相关系数法(CC)、连续投影算法(SPA)、竞争自适应重加权采样(CARS)、遗传算法(GA)筛选的特征波段作为建模输入量，构建随机森林(RF)模型。结果表明：研究区土壤有机碳含量平均值随土层深度增加由12.36 g/kg降低至10.49 g/kg,变异系数平均值为69.62%,空间异质性较强；CWT变换可以有效提高不同土层深度土壤有机碳含量与光谱反射率间的相关性，不同土层深度相关系数均值平均提升约22.41%;光谱数据经过CWT变换构建的模型精度明显提升，RF模型验证集R2与RPD分别平均提高7.09%、10.06%。CC、CARS、SPA、GA方法能消除光谱信息冗余，有效降低CWT-RF模型的输入量与RMSE值，土层深度0～20、20～40、40～60和60～80 cm筛选的特征波段平均压缩至全波段数目分别为8.51%、5.38%、2.21%和3.67%;RMSE值分别平均降低111.67%、135.61%、12.25... 相似文献
3.
【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。 相似文献
4.
基于连续小波变换的蒺藜植被覆盖度预测 总被引：1，自引：1，他引：0
植被覆盖度是评价土地是否荒漠化最有效的指标之一,也是植被监测的重要指标。通过高光谱估算植被覆盖度,可以为植被监测提供重要依据。以半干旱区托克托县的固沙植被蒺藜（Tribulus terrestris L.）为研究对象,分析了不同植被覆盖度光谱曲线特征的变化情况;提取两波段原始光谱植被指数并与植被覆盖度之间的相关性,选取最优波段组合;利用连续小波变换（continuous wavelet transform,CWT）对植被光谱反射率进行不同尺度分解,提取出不同分解尺度的最优波段;采用偏最小二乘法（partial least square,PLSR）和支持向量机（support vector machine,SVM）两种方法,以不同自变量建立植被覆盖度估算模型。结果表明：①原始光谱植被指数与植被覆盖度呈显著相关,相关系数均在0.55以上,最优波段组合为DI（2 260 nm,2 210 nm）、RI（1 410 nm,660 nm）、NI（1 470 nm,670 nm）、RDVI（1 770 nm,670 nm）、MSR（1 410 nm,660 nm）;②小波系数也与植被覆盖度之间有良好的相关性,原始光谱中1~10尺度对应的相关系数均在0.72以上,在波段630 nm处第6分解尺度中,相关性最大为0.788 9;一阶微分光谱提取的小波系数与植被覆盖度的最大相关性为0.806 9;二阶微分光谱中1~10尺度小波系数与植被覆盖度的相关性均在0.6以上,其中最大相关性为0.781 8;③以原始光谱植被指数与不同导数变换的CWT提取的小波系数为自变量建立的模型中,输入量为二阶微分小波系数的PLSR模型精度最高,模型最稳定,R2为0.905 9,RMSE为0.035 6,这表明经过CWT算法处理后,可以提高光谱的特征信息,为植被覆盖度的估算反演提供技术方法。 相似文献
5.
为解决遥感技术在监测耕层土壤有机质方面的应用问题,利用表层土壤光谱对耕层土壤有机质含量进行估测。以山东省济南市章丘区的表层、耕层各76个土壤样本为研究对象,首先对表层光谱数据进行小波变换去噪、剔除异常样本等处理,然后对处理后的光谱反射率进行一阶微分等10种数学变换,在对数倒数一阶微分和对数一阶微分变换后的反射率数据中选取43个与土壤有机质含量相关系数较高的波段,通过主成分分析以累计贡献率大于90%的标准选取5个主成分作为反演因子,利用BP神经网络(BPNN)、支持向量机回归(SVR)和多元线性回归(MLR)方法建立耕层土壤有机质含量间接估测模型。结果表明,耕层土壤与表层土壤有机质含量之间决定系数R~2达到0.839,显著性P0.01,存在着较强的相关性BPN估测模型的精度最优,决定系数R~2为0.845,平均相对误差为7.642%,RMSE分别为1.622g·kg~(-1)。研究表明,利用表层土壤光谱信息间接估测耕层有机质含量是可行有效的,为耕层土壤有机质的估测问题提供了一种新思路。 相似文献
6.
以贵州省典型山区耕地土壤高光谱数据为研究对象,基于光谱变换法和机器学习原理构建贵州省山区耕地土壤有机质(SOM)含量估算模型。于2020年8月至2021年3月在贵州省13个县(区、市)采集了120个土壤样品,检测土壤可见光-近红外波段光谱信息,利用5种光谱数据变换(原始光谱、一阶微分、二阶微分、倒数对数的一阶微分、连续统去除)和4类模型(偏最小二乘回归、支持向量机、随机森林和BP神经网络)组合出不同土壤有机质含量的预测模型,按照3∶1选择训练样本和测试样本以估算山区SOM含量。结果表明,一阶微分数据变换与山区SOM含量的相关性较高,相关系数最高达到-0.635;反演模型中,基于一阶微分光谱变换构建的BP神经网络模型精度最高,训练集、测试集的决定系数(R2)分别为0.845、0.838,测试集均方根误差(RMSE)为3.452,相对分析误差(RPD)达到2.470,其次是RF、PLSR模型的RPD较高,SVM模型的RPD最低。光谱数据变换中一阶微分法能极大程度提取出山区耕地的SOM含量信息,BP神经网络模型是估算山区SOM含量的最优模型,本研究结果可为贵州省山区耕地... 相似文献
7.
基于高光谱技术剑湖湿地茭草磷含量估算模型研究 总被引：1，自引：0，他引：1
以云南剑湖湿地典型植被优势种茭草为研究对象,利用ASD Filed Spec 3光谱仪采集茭草反射光谱,并测定其磷含量,通过高光谱数据建立茭草磷含量估算模型。结果表明:茭草的反射光谱曲线与健康绿色植被的反射光谱曲线趋势一致,通过一阶导数变换可以更清楚地分析原始光谱的细节特征,作为植被光谱特有的"三边"参数,可以定量分析茭草光谱特征。分别利用光谱反射率、反射率一阶微分值和"三边"参数与磷含量作相关性分析,相关性最高的变量分别为平滑光谱1 085 nm波段、光谱一阶微分1 259 nm波段、红边面积,相关系数分别为0.528、0.619、0.526;基于Land-sat 8 OLI波谱重采样的低维光谱数据,近红外波段对茭草磷含量较为敏感,相关系数为0.519;通过主成分分析提取的变量平滑光谱提取第1成分和反射率一阶微分提取第1成分与磷含量的相关性最高,相关系数分别为0.547和0.494。在建立的估算模型中,多元逐步回归模型估算效果较优,其次为主成分回归模型和单变量回归模型;茭草磷含量最佳估算模型为基于反射率一阶微分建立的多元逐步回归模型,R2为0.76、RMSE为13.69、P为91.08%、MAE为10.75。 相似文献
8.
《浙江大学学报(农业与生命科学版)》2021,(5)
以博斯腾湖西岸湖滨绿洲为研究区,利用实测的土壤有机碳含量与高光谱数据,应用连续投影算法(successive projection algorithm, SPA)从全波段光谱数据中筛选特征变量,并分别采用全波段和特征波段构建偏最小二乘回归(partial least square regression, PLSR)与支持向量机(support vector machine, SVM)模型来估算土壤有机碳含量。结果表明:1)土壤有机碳质量分数变化范围为0.75～48.13 g/kg,平均值为13.31 g/kg,呈中等变异性,变异系数为63.19%。2)土壤有机碳含量与原始光谱反射率表现为负相关性[-0.62相关系数(r)-0.07];经SG平滑结合标准化正态变换后进行一阶微分(Savitzky-Golay-standard normal variate-first derivative, SG-SNV-1st Der)预处理后,通过极显著性检验(P0.01)的波段数达到414个,主要集中在487～575、725～998和1 464～1 514 nm处,其中在788、800与1 768 nm波长处的相关性最高,r均大于0.80。3)光谱经SG-SNV-1st Der预处理后,用SPA构建的PLSR模型验证集的决定系数(R~2)=0.79,均方根误差(root mean square error, RMSE)=3.58 g/kg,残余预测误差(residual prediction deviation, RPD)=1.99,四分位数间距性能比(ratio of performance to interquartile distance, RPIQ)=2.23;而运用SPA结合SVM构建的模型验证集R~2=0.81,RMSE=3.16 g/kg,RPD=2.25,RPIQ=2.53。说明运用SPA结合SVM构建的模型能较好地估算研究区土壤有机碳含量。 相似文献
9.
博斯腾湖西岸湖滨带土壤盐分高光谱反演 总被引：3，自引：0，他引：3
选取博斯腾湖西岸湖滨带为研究区,沿垂直湖岸线方向采集14个土壤剖面70个样本,利用ASD FieldSpec3地物光谱仪获取高光谱数据,基于Q型聚类分析研究不同含盐量土壤光谱特征,对土壤光谱反射率与含盐量做逐波段相关分析和显著性检验,筛选不同光谱变换下的敏感波段,通过多元逐步回归和偏最小二乘回归方法,分别以敏感波段和全波段光谱构建12个土壤含盐量反演模型,优选最佳反演模型。结果表明:17种高光谱变换中, 4种最优光谱变换使土壤含盐量与Savitzky-Golay平滑后的反射率极显著相关波段数明显增多,分别是反射率的一阶微分、平方根一阶微分、对数倒数一阶微分、倒数对数一阶微分,综合确定盐分敏感波段聚集在749、1 024、1 083、1 230、1 677和2 387 nm处;以对数倒数一阶微分光谱全波段建立的偏最小二乘回归模型更适合该区0～50 cm土壤含盐量的高光谱反演,其建模和验证决定系数R~2分别为0.93和0.85,均方根误差RMSE分别为0.37和0.42,相对预测偏差RPD为3.57。 相似文献
10.
快速监测土壤重金属污染程度,对发展精细农业、保障食品安全和社会经济可持续发展具有重要意义。本文基于山东省烟台市的70个土壤样本数据,首先分析了土壤重金属镍的分组光谱特性;对土壤光谱反射率进行一阶微分、倒数的一阶微分、对数的一阶微分等六种变换并计算出光谱反射率变换值与土壤镍含量的相关系数,根据极大相关性原则选取光谱特征;然后建立基于BP神经网络的土壤重金属镍含量光谱估侧模型;并利用其它2种建模方法对镍含量进行建模,验证BP神经网络模型的有效性。结果表明,土壤光谱反射率随镍含量的升高而降低,呈现负相关性;以(1/R1015)′、(1/R2286)′、(1/ln(R925))′和(1/ln(R1911))′为估测因子,所建镍含量估侧模型的决定系数为R2=0.912,平均相对误差为14.279%。研究表明,利用高光谱技术定量估测土壤镍含量是可行的。 相似文献
11.
以托克托县采集的非盐渍土为研究对象,向其添加盐渍土中常见的易溶性钠盐,采用便携式地物光谱仪SVC HR-1024,测定不同盐分含量的土壤的光谱反射率,构建了土壤盐分与高光谱信息的偏最小二乘回归(PLSR)和多元线性逐步回归(MLSR)的土壤盐分反演模型.结果表明:(1)不同种类及含量的盐分对土壤的光谱曲线影响不同,经Na2 CO3、Na2 SO4和NaHCO3盐溶液处理的土壤光谱反射率随着土壤含盐量的增加而增加,NaCl溶液处理后的土壤反射率随着土壤含盐量的增加而递减,且各土样反射率均高于未经处理的土样.(2)4种土样原始光谱数据与SSC相关性从高到低依次为:NaCl、Na2 SO4、NaHCO3、Na2 CO3:经过数学变换后,4种土样最大相关系数分别为:R'-NaCl(-0.895)、(R)'-Na2CO3(-0.781)、R″-Na2SO4(0.767)、(lgR)'-Na2CO3(-0.874):各土样根据相关系数所选敏感波段不同.(3)建模效果最好的是NaCl土样的一阶微分处理的PLSR模型,决定系数(R2)和均方根误差分别为0.871和0.764;MLSR模型中效果最好的为经对数一阶微分处理后的NaHCO3模型,决定系数(R2)和均方根误差分别为0.824和0.846.经验证,PLSR模型更适宜进行土壤盐分反演. 相似文献
12.
有机碳作为衡量土壤肥力的重要指标,其定量化快速监测成为精确农业研究的热点。以安徽淮北平原区宿州市采集的砂姜黑土为研究对象,进行室内理化分析、预处理与室外光谱测量等一系列工作,在土壤原始光谱反射率的基础上,采用去包络线和波段深度提取突出吸收特征,剖析土壤光谱响应特征。基于原始光谱和8种变换形式,分析不同变换光谱形式与有机碳含量的相关性,结合有机碳光谱响应特征分析和光谱特征参量挑选,确定诊断土壤有机碳含量的最佳敏感波段,利用逐步回归方法建立了土壤有机碳高光谱的预测模型。结果表明,550~750nm波段范围是典型砂姜黑土有机碳的主要光谱响应区域。去包络线和波段深度处理突出了土壤有机碳光谱吸收特征,随着有机碳含量的降低,吸收值呈现下降趋势。在不同光谱转换形式中,归一化比值指数(R/R_(M(450-750)))的转换形式与土壤有机碳相关性最强,最敏感波段分别出现在451 nm和644 nm处,相关系数分别达0.80和–0.90。相关性最好的波段范围主要集中在600~700 nm波段附近。基于相关分析与逐步回归分析方法,确定了606、637和644 nm波段处的归一化比值指数为诊断土壤有机碳含量的最佳敏感波段,基于最佳敏感波段的归一化比值指数(R_(606)/R_(M(450-750)),R_(637)/R_(M(450-750))和R_(644)/R_(M(450-750)))建立的高光谱预测土壤有机碳模型具有良好的预测效果,模型的决定系数(R~2)为0.81,均方根误差(RMSE)为0.14,展现了较好的稳定性和预测精度。 相似文献
13.
基于最优模型的荒地土壤有机质含量空间反演 总被引：1，自引：0，他引：1
本研究采用Landsat OLI多光谱遥感影像数据,结合实测土壤有机质含量,利用原始影像反射率(A)、反射率一阶微分(A')、反射率二阶微分(A″)建立单波段和多波段回归模型,估算研究区土壤有机质含量,反演其空间格局。结果显示,经微分处理后的影像反射率,与土壤有机质含量相关系数增大。其中A'处理后的遥感影像反射率与土壤有机质含量的相关系数达到-0.850,比原始的提高了0.401,增强了有机质的光谱信息。多波段回归建模效果优于单波段建模。且A'的多波段回归模型预测精度最好,其建模集R~2为0.80,RMSE为3.66,预测集R~2为0.79,RMSE为3.65,RPD为1.96,表明该模型精度高,误差最小,预测效果最优,可以很好地估算该区域的土壤有机质含量。基于一阶微分的多波段回归模型:SOM=23.12-470.94B3-24.35B4-43.06B6,对研究区的SOM含量空间分布格局进行反演,发现反演结果与实际情况吻合,因此,利用多波段回归模型能很好反演研究区SOM含量空间分布格局,表达其不同有机质含量的土壤空间分布与其对应的空间位置,这为土壤有机质面状参数的获取提供了快速而有效的方法。 相似文献
14.
以宁夏银北地区典型龟裂碱土为研究对象，表层土壤光谱反射率选择平滑、倒数等7种数据处理方式，采用全回归、逐步回归和偏最小二乘三种回归方法，分析龟裂碱土光谱特征，筛选对土壤pH值和ESP的敏感波段，建立龟裂碱土碱化信息的预测模型。结果表明：龟裂碱土的光谱反射曲线属于缓斜型；土壤表层反射率与土壤pH值和ESP在研究波段内均呈极显著正相关关系；反射率倒数对数的一阶微分和反射率的一阶微分在特征波段范围表现较好；反射率与土壤pH值的相关性优于与土壤ESP的相关性。从拟合度和选用敏感波段的多少整体考虑，采用偏最小二乘回归来拟合土壤pH值和ESP的方程最佳，拟合度分别达到0.93和0.8367。 相似文献
15.
《甘肃农业大学学报》2021,(1):118-125
【目的】探讨分数阶微分在高光谱估算湖滨带绿洲土壤电导率的可行性,实现土壤盐分的高精度监测.【方法】以博斯腾湖湖滨绿洲为研究区,引入分数阶微分对土壤高光谱反射率进行0～2阶微分处理,利用相关性检验和连续投影算法优选特征波段,构建土壤电导率的全波段和特征波段,以及利用连续投影算法优选的全波段和特征波段的4种偏最小二乘回归模型,依据决定系数、均方根误差优选土壤电导率的最佳估算模型.【结果】通过P=0.01显著性检验的特征波段,随着阶数的增加,土壤电导率的特征波段数从725增加至776再减少至498;相关系数值随着阶数的增加从0.48至0.68再减少至0.59.0～0.6阶的相关系数绝对值最大值对应的特征波段分布在581～744 nm, 0.8阶～2阶相关系数绝对值最大值对应的波段分布在近红外波段.利用连续投影算法筛选土壤电导率的全波段,其1.4阶微分的波段数量最多,达到6个;利用连续投影算法筛选土壤电导率的特征波段,其2阶微分的波段数量最多,达到3个.连续投影算筛选全波段的偏最小二乘回归模型为土壤电导率的最优模型,分数阶为1.6阶,波段分布在近红外波段,R_C~2=0.64,RMSE_C=3.06,R_V~2=0.83,RMSE_V=2.86.【结论】基于分数阶微分的高光谱估算模型具有较好的稳定性,模型估算的预测能力较好,可以为湖滨带绿洲土壤高光谱估算土壤电导率含量提供方法支持. 相似文献
16.
目的 研究不同维度光谱变换下土壤盐分反演模型及其验证。方法 以博斯腾湖西岸湖滨绿洲为研究区,面向ASD高光谱数据,利用17种一维数学变换光谱和3种二维变换光谱指数,分别与实测土壤盐分进行相关分析,得到0.01显著性检验水平下初步优选的光谱特征参数,基于VIP准则选入最佳自变量实现PLSR模型构建,进行精度验证。结果 研究区干季土壤平均反射率随含盐量的增加而高于湿季土壤平均反射率,尤其体现在590、800、1 810、2 150 nm处;17种一维单波段光谱变换中,对数倒数的一阶微分(1/lgR)变换与土壤盐分含量相关性最好,峰值敏感波段为1 083 nm,相关系数绝对值|r|最高达0.63;3种二维两波段光谱变换中,归一化光谱指数NDSI(R1 780,R1 742)与土壤盐分含量相关性最好,相关分析决定系数R 2最大值为0.57;基于特征归一化光谱指数结合VIP准则进行自变量筛选的PLSR估算模型效果最佳,土壤盐分建模集和验证集的决定系数 达0.77,均方根误差RMSEV为0.64 g/kg,相对分析误差RPD为2.11。 结论 利用归一化光谱指数NDSI建立PLSR高光谱模型可有效地对研究区土壤盐分进行定量估算。 相似文献
17.
《新疆农业科学》2017,(1)
【目的】研究传统土壤全氮含量测定方法,解决复杂、耗时、耗力等问题。【方法】以新疆干旱区灰漠土为研究对象,运用经典统计学和光谱学相结合的方法,研究灰漠土土壤全氮含量的光谱反射特性,通过对原始光谱的数据变换和相关性分析,构建了土壤全氮含量的高光谱估测模型,并对模型进行对比和验证。【结果】土壤中全氮含量不同光谱反射特性趋势相近,土壤的光谱反射率在780、1 800和2 140 nm波长附近出现波峰,在1 910 nm附近有明显的波谷,土壤全氮含量与原始光谱反射率相关性较差。通过一阶微分处理后的光谱数据与全氮含量的相关性显著优于原始光谱和二阶微分处理,最大相关系数为0.819,达到极显著相关;利用一阶微分变换从中提取特征波段667和1 414 nm,建立土壤全氮含量的估测模型:Y=2 698.048 X667-1062.149 X1414-0.015,R2为0.75,对估测模型进行验证发现,R2为0.80,当全氮含量过大或过小时,模型估测偏差相对较大,总体预测精度较高。【结论】高光谱分析技术对土壤全氮含量的预测具有一定的意义,利用估测模型可以快速鉴定土壤全氮含量。 相似文献
18.
【目的】随着工业发展和城市化推进,土壤重金属不断富集,污染范围迅速扩大,及时精准掌握土壤重金属分布和含量至关重要。通过高光谱数据处理分析和估算方法优化,结合植被指数,增加特征因子数量,提高建模预测精度,为鄱阳湖滨湖区耕地土壤质量监测和农业生产提供技术支撑。【方法】以珠海一号高光谱遥感卫星影像和采样点土壤Cr含量检测数据为基础,对原始土壤反射光谱数据进行一阶微分（FD-R）、二阶微分（SDR）、对数(LogR)和对数一阶微分(LogR-FD)变换,分析土壤Cr含量与光谱变量及植被指数之间的相关性,从而确定土壤特征光谱组合;利用偏最小二乘回归模型（partial least square regression,PLSR）和支持向量机模型（support vector machine,SVM）进行土壤Cr含量的预测建模,对建模集和验证集进行模型精度和稳定性分析;根据模型精度对比分析,确定预测的最佳光谱变换、植被指数组合及预测模型。【结果】（1）土壤原始反射光谱、经FD-R、SD-R、LogR和LogR-FD变换后的反射光谱与Cr含量相关系数在b1-b18波段整体上高于b19-b32波段。经L... 相似文献
19.
针对土默川平原地区的土壤盐分含量提出了偏最小二乘与随机森林相结合(RF-PLSR、PLSR-RF)对土壤盐分含量进行预测的回归反演模型.该研究共采集45份土壤样本,随机选取35份为建模集,10份为验证集.试验首先对采集到的高光谱土壤图像进行分割处理提取出土壤在400～1000 nm的原始反射光谱,其次对原始反射光谱进行4种光谱变换(一阶微分、多元散射校正的一阶微分、SG平滑去噪的一阶微分、对数的一阶微分),并与土壤的实测盐分量进行相关性分析(CA),利用相关系数选取敏感波段,最后建立偏最小二乘与随机森林结合的回归反演模型.结果表明,与偏最小二乘回归、随机森林回归单独建模相比,2种模型结合后的预测精度有明显的改善.光谱经过对数的一阶微分变换建立的PLSR-RF反演模型更为明显,其建模集决定系数Rc 2为0.852,均方根误差RMSEc为0.102 g/kg,相对分析误差RPDc为2.600,验证集决定系数Rv 2为0.941,均方根误差RMSEv为0.049 g/kg,相对分析误差RPDv为4.117. 相似文献
20.
基于高光谱的土壤含水率预测模型 总被引：1，自引：0，他引：1
为定量分析土壤含水率与反射光谱特征之间关系，以便为土壤含水率速测提供理论依据。以安徽省阜阳市临泉县为研究区，以区域典型土壤类型—砂姜黑土为研究对象，将土壤样本分别过10和20目的尼龙筛，并设置土壤含水率梯度实验。采用9点移动平滑法结合一阶微分、反射率对数及其一阶微分三种数学变换方法对光谱曲线进行预处理，分析不同目数、不同含水率下的光谱特性差异；拟合分析变换后的样本光谱数据与含水率相关性，提取特征波段，建立土壤含水率多元线性回归预测模型。结果表明：对4种不同土地利用类型的砂姜黑土样本的反射率数据进行对数一阶微分变换后，土壤含水率和光谱数据的相关性明显提升，根据数学变换后提取的特征波段建立的多元线性回归预测模型的预测精度最好；光谱反射率与水分含量呈负相关关系；土壤光谱法反演水分含量时，基于过10目筛的土壤样本建立的预测模型拟合精度要优于过20目筛的土壤样本，R2最高为0.928。研究结果可以为精准农业管理提供极为关键的参数支撑。 相似文献