土壤氧化铁的特征波长选择和高光谱反演

• 作者: 赵海龙 甘淑 王俊杰 胡琳
• 来源期刊: 中国生态农业学报(中英文)
• 学科: 农学
• 关键词: 土壤 高光谱 氧化铁 特征波长 随机森林回归 偏最小二乘回归
• 年，卷（期）: 2022,（8）
• 所属期刊栏目: 农业资源与环境
• 页码范围: 1336-1345
• 页数: 9页
• 分类号: TP79
• 语种: 中文
• DOI: 10.12357/cjea.20220177

摘要

传统的氧化铁特征波长选取方法单一，多仅利用相关系数法（CC），建模输入变量较多导致预测精度不高。为提高模型预测精度，在云南禄丰恐龙谷南缘山地采集135个5~20 cm表层土壤样品，室内测定样品的光谱反射率和氧化铁含量。对土壤光谱曲线进行Savizky-Golay平滑后作为原始光谱曲线（OR），对原始光谱曲线进行一阶微分（FD）和倒数的对数（RL）变换；通过与氧化铁含量的相关性分析，利用迭代保留信息变量（IRIV）、竞争性自适应重加权算法（CARS）和连续投影法（SPA）算法提取特征波长，把提取的特征波长作为自变量，氧化铁含量作为因变量，分别用随机森林回归（RF）和偏最小二乘回归（PLSR）进行反演模型的构建。结果表明，相关性分析结合IRIV、CARS和SPA算法提取特征波长的方法可以有效降低建模波长数；通过结合不同的光谱变换方法和建模方法，发现RL-CC-CARS-PLSR模型的效果最好，其建模集R2为0.833，RMSE为4.361 g·kg−1，验证集R2为0.826，RMSE为5.600 g·kg−1，RPIQ达3.618，模型具有很好的稳定性和预测能力。该研究为利用高光谱反演土壤氧化铁含量提供了参考。