基于光谱数据的南疆农田土壤有机碳含量估算模型研究

• 作者: 张丽 蒋青松 郝梦洁 郭又波 阿迪力·亚森 鲁新新
• 来源期刊: 塔里木大学学报
• 学科: 农学
• 关键词: 光谱数据 土壤有机碳 南疆农田 估算模型
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 现代农业
• 页码范围: 49-58
• 页数: 10页
• 分类号: S153.6
• 语种: 中文
• DOI: 10.3969/j.issn.1009-0568.2020.04.007

摘要

土壤有机碳含量是准确评价土壤肥力的重要依据,也是影响植被生长的重要因素.本研究以南疆阿瓦提、温宿、和田、新和的农田土壤为研究对象,利用所采集的261个土样的室内有机碳含量和光谱测定数据,经多项式(savizkg golag,SG)平滑、归一化、线性基线校正、标准正态变量变化(standard normal variation,SNV)、多项式平滑+归一化预处理后,分别采用偏最小二乘法(partial least squares regression,PLSR)、主成分回归法(principal component regression,PCR)估算了全波段土壤有机碳含量.研究结果表明:采用不同数据预处理和建模方法,所建模型精度有明显差异,在所选取的5种预处理方法中,经SG平滑+归一化处理后的PLSR模型精度最高,其R2为0.84,RMSE为3.47 g·kg-1,RPD为2.63;经SNV处理后的PCR模型精度也较高,其R2为0.79,RMSE为3.90 g·kg-1,RPD为2.30.根据评价标准,这两种模型都具有较好的预测能力,相比较而言,基于SG平滑+归一化处理后的PLSR模型较基于SNV处理后的PCR模型结果更好,其R2更大,RMSE更小,RPD也更高.由此可见,针对相同的数据预处理方法,PLSR模型较PCR模型更适用于估算土壤有机碳的含量,模型结果更优.因此,采用PLSR模型具有较优的预测效果,可推荐为农田土壤有机碳含量的估算.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋青松		30	39	4.0	5.0
2	阿迪力·亚森		2	0	0.0	0.0
3	鲁新新		2	0	0.0	0.0
4	张丽		9	5	2.0	2.0
5	郝梦洁		1	0	0.0	0.0
6	郭又波		1	0	0.0	0.0