福州市土壤铬含量高光谱预测的GWR模型研究

• 作者: 杨玉盛 江振蓝 沙晋明
• 来源期刊: 生态学报
• 关键词: 土壤重金属铬 GWR模型 高光谱 光谱分辨率 光谱变换
• 年，卷（期）: 2017,（23）
• 所属期刊栏目: 研究论文
• 页码范围: 8117-8127
• 页数: 11页
• 语种: 中文
• DOI: 10.5846/stxb201609281969

摘要

通过系统分析不同光谱分辨率和光谱变换对±壤铬高光谱预测模型的不确定性影响,筛选出最优的光谱分辨率及光谱变量进行土壤铬含量预测的地理权重回归(GWR)模型构建,利用该模型进行福州市土壤铬含量预测,并将预测结果与普通最小二乘法回归(OLS)结果进行比较分析,探讨GWR模型在土壤铬高光谱预测中的适用性及局限性.结果表明:(1)在10 nm分辨率尺度下,以土壤全铬含量为因变量,反射率的二阶微分和反射率倒数的二阶微分为自变量构建的GWR模型对土壤铬预测的效果最好.GWR模型的R2和调节R2分别为0.821和0.716,较OLS模型分别提高了0.529和0.450,而AIC值为720.703,较OLS模型减少了22个单位,残差平方和仅为OLS模型的1/4,说明GWR模型的预测效果较OLS模型有了显著提高.(2)土壤铬预测模型的精度受光谱分辨率影响.对于OLS预测模型来说,3 nm分辨率的模型预测效果最好,而对于GWR预测模型来说,10nm分辨率的模型不仅预测效果最好,其相较于OLS模型的改善作用显著,为土壤铬含量GWR预测的最佳光谱分辨率.(3)光谱的一阶微分变换可以有效增强土壤铬的光谱特征,而其余的光谱变换对土壤铬的光谱特征则未起到增强作用,但可以很好地提高模型的预测效果.(4)研究得出土壤铬GWR模型预测的最佳光谱分辨率为10 nm,为EO-1 Hyperion影像的光谱分辨率,而且随着采样点的增加,GWR模型的预测效果趋于稳定,适合空间异质性大的区域尺度土壤铬预测.故该模型与高光谱影像结合,实现模型从实验室尺度向区域尺度的推广,为格网尺度土壤铬的空间预测提供可能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨玉盛	福建师范大学地理科学学院	92	3513	33.0	57.0
2	沙晋明	福建师范大学地理科学学院	77	881	16.0	26.0
3	江振蓝	福建师范大学地理科学学院	5	123	5.0	5.0