基于机器学习算法的土壤有机质 质量比估算

• 作者: 丁建丽 王敬哲 白婷
• 来源期刊: 排灌机械工程学报
• 学科: 农学
• 关键词: 土壤有机质 高光谱 光谱变量 竞争适应重加权法 随机森林
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 农业水土工程
• 页码范围: 829-834
• 页数: 6页
• 分类号: S278
• 字数: 4466字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8530.18.0168

摘要

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter,SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区——中国新疆艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱R及其一阶导数R′、吸光度log(1/R)及其一阶导数[log(1/R)]′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明:基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和[log(1/R)]′的SOM估测模型精度较高,以[log(1/R)]′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R2)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁建丽	新疆大学资源与环境科学学院	189	2671	27.0	40.0
10	白婷	新疆大学资源与环境科学学院	1	0	0.0	0.0