基于sCARS-RF算法的高光谱估算土壤有机质含量

• 作者: 李冠稳 肖云飞 肖能文 高小红
• 来源期刊: 发光学报
• 学科: 农学
• 关键词: 土壤有机质 可见-近红外光谱 稳定竞争性自适应重加权 随机森林 湟水流域
• 年，卷（期）: 2019,（8）
• 所属期刊栏目: 发光学应用及交叉前沿
• 页码范围: 1030-1039
• 页数: 10页
• 分类号: TP79|S151.9
• 字数: 6170字
• 语种: 中文
• DOI: 10.3788/fgxb20194008.1030

摘要

针对土壤高光谱数据量大、存在光谱信息冗余和重叠现象,应用稳定竞争性自适应重加权采样策略挑选特征变量,结合偏最小二乘回归和随机森林建立土壤有机质含量估算模型,并与竞争性自适应重加权算法、迭代保留有效信息变量、连续投影算法和遗传算法所得结果进行比较.结果显示,5种变量选择算法挑选的特征变量主要分布在1900～2400 nm的近红外光谱区域.RF模型的预测效果优于PLSR模型;与PLSR模型相比,RF模型鲁棒性更好,对异常值和噪声的敏感度更低.基于sCARS算法挑选的特征变量建立RF模型,变量数为51个,仅占全波段的2.55％,验证集R2=0.958,获得的RPD为4.7,能够很好地预测SOM含量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高小红	青海师范大学地理科学学院	22	451	11.0	21.0
3	肖能文		55	553	15.0	21.0
4	李冠稳	青海师范大学地理科学学院	2	0	0.0	0.0
15	肖云飞	青海师范大学地理科学学院	1	0	0.0	0.0