基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

• 作者: Arnon Karnieli 张智韬 王海峰 陈俊英 韩文霆
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 遥感 模型 有机质 荒漠土壤 高光谱 灰度关联 岭回归
• 年，卷（期）: 2018,（14）
• 所属期刊栏目: 农业水土工程
• 页码范围: 124-131
• 页数: 8页
• 分类号: S127|S153.6+21
• 字数: 8667字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.14.016

摘要

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.