小波包-局部最相关算法提高土壤有机碳含量高光谱预测精度

• 作者: 张锐 李兆富 潘剑君
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 光谱分析 土壤 有机质 小波包 局部最相关
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 农业水土工程
• 页码范围: 175-181
• 页数: 7页
• 分类号: S127
• 字数: 5853字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.01.024

摘要

高光谱遥感可以实现水稻土排水期有机碳含量的快速预测,但土壤反射率受多种噪声的影响,有机碳光谱信号探测受阻,预测模型性能低下,如何在去除噪声的同时最大限度地保持有机碳光谱信号十分重要.以原状新鲜水稻土为研究对象,采用Biorl.3小波系对反射光谱进行1～7层小波包变换,通过相关分析确定最大分解层;将原始反射率至最大分解层以内的各层光谱相关系数组成相关系数集,采用局部最相关算法(local correlation maximization,LCM)构造土壤有机碳最优光谱;最后基于最优光谱建立有机碳含量偏最小二乘预测模型并进行分析.结果显示:1)随着小波包分解层数的增加,土壤反射率与有机碳含量的相关性不断增强,到第6层达到最高,确定为小波包最大分解层;2)基于LCM构造的最优光谱比未去噪光谱平滑,比小波包去噪光谱保留了更多光谱细节;3)未去噪光谱、小波包去噪光谱和LCM最优光谱有机碳预测模型的验证决定系数分别为0.693、0.727和0.781,均方根误差为1.952、1.840和1.679 g/kg,残留预测偏差为1.85、1.97和2.17.小波包-局部最相关算法在去噪同时有效保持了土壤有机碳光谱信号,可提高水稻土有机碳含量高光谱预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘剑君	南京农业大学资源与环境科学学院	149	3243	33.0	49.0
2	李兆富	南京农业大学资源与环境科学学院	40	713	16.0	26.0
3	张锐	南京农业大学资源与环境科学学院	14	513	10.0	14.0