基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

• Published in: 农业工程学报 Vol. 34; no. 14; pp. 124 - 131
• Main Authors: 王海峰, 张智韬, Arnon Karnieli, 陈俊英, 韩文霆
• Format: Journal Article
• Language: Chinese
• Published: 西北农林科技大学中国旱区节水农业研究院,杨凌 712100%本古里安大学 Blaustein 沙漠研究所,思德博克 84990%西北农林科技大学中国旱区节水农业研究院,杨凌,712100 15.07.2018; 西北农林科技大学水利与建筑工程学院,旱区农业水土工程教育部重点实验室,杨凌 712100
• Subjects: 模型; 岭回归; 有机质; 遥感; 灰度关联; 荒漠土壤; 高光谱
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.2018.14.016

S127%S153.6+21; 为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR).通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较.结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4％左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(Rp2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37).荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径.