基于高光谱的矿区复垦农田土壤全氮含量反演

• 作者: 张合兵 王世东 王新闯 石朴杰
• 来源期刊: 生态学杂志
• 关键词: 高光谱 全氮 偏最小二乘 随机森林 BP神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 方法与技术
• 页码范围: 294-301
• 页数: 8页
• 语种: 中文
• DOI: 10.13292/j.1000-4890.201901.034

摘要

准确快速估测矿区复垦农田土壤全氮含量是科学评价土地复垦质量的保障.以永城矿区复垦农田为例,对采集的土样进行化学处理和室内高光谱数据测量,对土壤高光谱数据进行3种数学变换,然后与全氮含量进行相关性分析并确定敏感波段.在此基础上,将偏最小二乘法回归(PLSR)模型分别与BP神经网络(BPNN)和随机森林(RF)相结合,建立了PLSR-BPNN和PLSR-RF两种土壤全氮含量高光谱反演模型,并将新建立的模型与传统的PLSR、BPNN和RF进行对比分析.结果表明:与利用单一模型相比,建立的PLSR-BPNN和PLSR-RF两种土壤全氮含量高光谱反演模型精度显著提高,特别是光谱数据经过一阶微分处理并利用PLSR-BPNN模型反演精度最高,验证组决定系数R2达到0.92,相对分析误差RPD为4.01.基于一阶微分光谱建立的PLS-BPNN模型是土壤全氮含量估测模型中的最优方法.研究成果为矿区复垦农田土壤全氮含量反演提供一定的参考价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王世东	河南理工大学测绘与国土信息工程学院	48	434	11.0	18.0
2	张合兵	河南理工大学测绘与国土信息工程学院	96	734	13.0	21.0
3	王新闯	河南理工大学测绘与国土信息工程学院	18	330	9.0	18.0
4	石朴杰	河南理工大学测绘与国土信息工程学院	3	26	3.0	3.0