基于高光谱的山区耕地土壤有机质含量估测 |
| |
引用本文: | 张永亮,汪泓,肖玖军,李可相,王宇,邢丹.基于高光谱的山区耕地土壤有机质含量估测[J].江苏农业学报,2024(1):112-120. |
| |
作者姓名: | 张永亮 汪泓 肖玖军 李可相 王宇 邢丹 |
| |
作者单位: | 1. 贵州大学矿业学院;2. 贵州省山地资源研究所;4. 贵州省农业科学院辣椒研究所 |
| |
摘 要: | 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...
|
关 键 词: | 土壤有机质 高光谱 山区耕地 一阶微分 BP神经网络 |
|
|