基于vis-NIR光谱的Bootstrap-PLSR模型进行SOM预测精度评价

• 作者: 徐强 杨梅花 赵小敏
• 来源期刊: 江西农业大学学报
• 学科: 农学
• 关键词: Bootstrap抽样 偏最小二乘回归 vis-NIR光谱技术 水稻土 有机质
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 土壤科学及其它
• 页码范围: 1227-1234
• 页数: 8页
• 分类号: S153.6+21
• 字数: 4401字
• 语种: 中文
• DOI: 10.13836/j.jjau.2019143

摘要

土壤有机质(SOM)是土壤肥力重要指标之一.快速,无损且准确地预测SOM含量对于保护和提升土壤肥力有重要作用.可见-近红外(vis-NIR)光谱结合偏最小二乘回归(PLSR)模型在土壤属性估测中广泛使用,目的是探讨通过Bootstrap抽样提高PLSR的预测能力和泛化能力.以江西、浙江和湖南三省水稻土为研究对象,采集了523个耕层(0～20 cm)土壤样本,比较偏最小二乘回归(PLSR)和Bootstrap-PLSR两种回归模型在估测SOM的精度和泛化能力;利用确定系数(R2),均方根误差(RMSE)和性能指标(RPIQ,标准差与四分位间距离的比值)来评估预测的准确度,利用Bootstrap抽样后预测值的95％置信区间和实测值的分布情况、欠拟合和过拟合PLSR和Bootstrap-PLSR回归因子的差异来分析Bootstrap-PLSR模型的泛化能力和稳定性.研究表明:使用Bootstrap-PLSR预测的SOM含量的预测精度(R2=0.76,RMSE=5.82,RPIQ=2.51)高于PLSR模型(R2=0.72,RMSE=6.27,RPIQ=2.33).Bootstrap抽样能够提高SOM含量中间部分的预测精度并且具有较强的建模稳定性,Bootstrap-PLSR具有较强的泛化能力且可以用来选择特征波段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵小敏	江西农业大学国土资源与环境学院	159	2831	27.0	44.0
2	徐强		25	20	3.0	3.0
3	杨梅花		1	0	0.0	0.0