可见光—近红外光谱估算三江源区不同土壤全氮含量

• 作者: 何林华 张威 张艳娇 李金山 杨扬 杨灵玉 田成明 贾伟 高小红
• 来源期刊: 遥感技术与应用
• 学科: 农学
• 关键词: 土壤全氮 可见光—近红外反射光谱 偏最小二乘回归(PLSR) 反向传播神经网络(BPNN) 三江源区 玉树县 玛多县
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 甘肃遥感学会专栏
• 页码范围: 849-859
• 分类号: S153.6|TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2015.5.0849

摘要

近年来可见光—近红外反射光谱已被广泛应用于估算土壤全氮含量,为大范围区域土壤全氮含量获取提供了一种快速、有效的方法.基于实验室测定的三江源区146个表层土壤(0～30 cm)样品的反射光谱数据(350～2 500 nm)与全氮含量数据;利用偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)两种模型方法与光谱反射率(REF)及其4种数学预处理变换相结合,分别建立分土壤类型样本和总体样本全氮估算模型;评估利用可见光—近红外光谱技术预测三江源区土壤全氮含量的能力.结果表明:BPNN模型的R:al、R:al及验证RPD的平均值分别为0.87、0.81与2.28;而PLSR模型则相应为0.75、0.72和1.95;表明BPNN模型预测能力整体上要优于PLSR模型.BPNN与光谱各种形式的结合均具有良好、或接近良好预测全氮的能力;而PLSR与REF、倒数对数(Log(1/R))及波段深度(BD)的结合仅少部分具有良好估算能力、大部分则为粗略估算能力,一阶微分(FDR)和二阶微分(SDR)估算精度均较低,尤其是SDR(R2 ＜0.5,RPD=1.10～1.27)均不具备估算能力.总体样本所建模型稳定性好于分土壤类型,分土壤类型建模差异性明显;此外,总体来看,BPNN模型比PLSR建模精度高、模型稳定性好,但PLSR模型可操作性强于BPNN模型.