河套灌区土壤水溶性盐基离子高光谱综合反演模型

论文摘要

为了提高野外高光谱反演土壤水溶性盐基离子的精度,以河套灌区永济灌域盐渍化土壤为研究对象,构建了基于光谱变换、特征波段、特征光谱指数筛选以及支持向量机（SVM）的机器学习相结合的高光谱综合反演模型。结果表明,经预处理的原始光谱反射率与土壤离子相关性总体较低,最大相关系数仅为0.18,原始光谱反射率与土壤离子的相关系数由大到小依次为Ca2+、SO42-、Mg2+、全盐量、Na++K+、Cl-。全盐量、Na++K+、Cl-、SO42-、Ca2+、Mg2+的光谱最优变换形式分别为（1/R）″、（1/R）″、（lnR）’、（lnR）″、R’、（lnR）″,敏感波段（P<0.01）数分别为41、7、9、65、76、28个,利用逐步回归法在敏感波段中筛选出特征波段,基于特征波段建立的回归模型中各离子的决定系数R2平均值为0.35,均方根误差RMSE平均值为0.87 g/kg,其中SO42-拟合精度最高,R2为0.52,Ca2+拟合精度最低,R2仅为0.20。将特征波段代入光谱指数中,结合逐步回归法确定了Mg2+特征光谱指数为3个,全盐量特征光谱指数为2个,Na++K+、SO42-、Ca2+特征光谱指数分别为1个,与仅考虑特征波段的回归模型相比,特征波段+特征光谱指数结合后各离子回归模型的R2平均提高了58.67%,RMSE降低了24.60%,其中SO42-拟合精度最高,R2为0.74,RMSE为0.47 g/kg。考虑了特征波段+特征光谱指数的SVM模型相比仅考虑特征波段的SVM模型,其预测能力有了明显提高,各离子相对分析误差（RPD）平均提高了110.27%,训练集R2平均提高了37.54%,RMSE平均降低了40.12%,验证集R2平均提高了56.04%,RMSE平均降低了39.39%。SO42-的RPD达到3.000,模拟效果最优,具备很好的预测能力;全盐量模型具有很好的定量预测能力,Mg2+模型可用于评估或相关性方面的预测,Na++K+、Ca2+的模型具有区别高低值的能力。

论文目录

• 0 引言
• 1 材料与方法
•   1.1 研究区基本情况
•   1.2 土壤样品采集及含量测定
•   1.3 光谱采集及光谱数据处理
•   1.4 光谱指数的构建
•   1.5 基于特征波段和特征光谱指数的SVM模型构建
•   1.6 模型评价指标
• 2 结果与分析
•   2.1 野外实测土壤原始光谱反射率与土壤水溶性盐基离子含量的相关性
•   2.2 土壤水溶性盐基离子的光谱最优变换和特征波段的筛选
•   2.3 基于逐步回归的土壤水溶性盐基离子特征指数筛选
•   2.4 基于特征波段及特征波段+特征光谱指数的SVM综合模型构建
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 孙亚楠,李仙岳,史海滨,崔佳琪,王维刚

关键词: 水溶性盐基离子,光谱变换,特征波段,特征光谱指数,支持向量机,综合反演模型

来源: 农业机械学报 2019年05期

年度: 2019

分类: 农业科技,基础科学

专业: 物理学,自然地理学和测绘学,农业基础科学,农艺学

单位: 内蒙古农业大学水利与土木建筑工程学院

基金: 国家自然科学基金项目(51539005,51669020,51469022),内蒙古自治区水利科技重大专项(NSK2017-M1),内蒙古自然科学基金项目(2016JQ06)

分类号: S156.41;O433

页码: 344-355

总页数: 12

文件大小: 466K

下载量: 340