结合高光谱信息的土壤有机碳密度地统计模型

传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数（R^2）、均方根误差、标准差与预测均方根误差比（ratio of performance to deviation,RPD）对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 33; no. 2; pp. 183 - 191
Main Author 刘艳芳 宋玉玲 郭龙 陈奕云 卢延年 刘以
Format Journal Article
LanguageChinese
Published 武汉大学资源与环境科学学院，武汉 430079 2017
武汉大学苏州研究院，苏州 215123
数字制图与国土信息应用工程国家测绘地理信息局重点实验室，武汉 430079%华中农业大学资源与环境学院,武汉,430070%武汉大学资源与环境科学学院，武汉 430079
地球空间信息技术协同创新中心，武汉大学，武汉 430079
武汉大学地理信息系统教育部重点实验室，武汉 430079
Subjects
偏最小二乘回归
光谱分析
协同克里格
回归克里格
土壤
土壤有机碳密度
模型
soil organic carbon density
土壤有机碳密度
models
regression kriging
模型
土壤
协同克里格
回归克里格
spectrum analysis
partial least-squares regression
光谱分析
soils
偏最小二乘回归
co-kriging
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2017.02.025

Cover

More Information
Summary:传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数（R^2）、均方根误差、标准差与预测均方根误差比（ratio of performance to deviation,RPD）对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。
Bibliography:11-2047/S
Liu Yanfang1,2,3, Song Yuling1,2,3, Guo Long4, Chen Yiyun1,2,5,6, Lu Yannian1,2,3, Liu Yi1,2,3 （1. School of Resource and Environmental Science, Wuhan University, Wuhan 430079, China; 2. Key Laboratory of Geographic Information Systems, Ministry Education, Wuhan University, Wuhan 430079, China; 3. Key Laboratory of Digital Mapping and Land Information Application Engineering, National Administration of Surveying, Mapping and Geo-information, Wuhan 430079, China; 4. College of Resource and Environment, Huazhong Agricultural University, Wuhan 430070, China; 5. Collaborative Innovation Center of Geospatial Technology, Wuhan University, Wuhan 430079, China; 6. Suzhou Institute of Wuhan University, Suzhou, Jiangsu 215123, China）
The availability of soil organic carbon density（SOCD） information is of great importance for the development of ecological agriculture and the study of global climate change. Compared with traditional laboratory analysis, Visible and near-infrared（VNIR） reflectance spectroscopy has
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2017.02.025