基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量

• 作者: 张鹏 徐浩凯 李耀翔 汪洪涛 耿志伟
• 来源期刊: 安徽农业科学
• 学科: 农学
• 关键词: 近红外光谱技术 森林土壤有机碳含量 波段优选
• 年，卷（期）: 2014,（15）
• 所属期刊栏目: 林业
• 页码范围: 4702-4706,4742
• 页数: 6页
• 分类号: S718.52
• 字数: 5088字
• 语种: 中文

摘要

森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法(PLS)、支持向量机回归(SVR)、主成分回归(PCR)3种建模方法及Savitzky-Golay平滑+多元散射校正、Savitzky-Golay平滑+一阶导数、Savitzky-Golay平滑+二阶导数、Savitzky-Golay平滑+多元散射校正+一阶导数、Savitzky-Golay平滑+多元散射校正+二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选.结果表明:当光谱区域为1 380 ～1 450 nm,l 800～1 950 nm,2 050 ～2 300 nm,光谱数据采用Savitzky-Golay平滑+多元散射校正+一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳.校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6.因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张鹏	东北林业大学工程技术学院	102	719	14.0	20.0
2	李耀翔	东北林业大学工程技术学院	52	397	11.0	18.0
3	耿志伟	东北林业大学工程技术学院	16	63	5.0	7.0
4	汪洪涛	东北林业大学工程技术学院	5	29	3.0	5.0
5	徐浩凯	东北林业大学工程技术学院	5	32	3.0	5.0