基于高光谱数据的土壤全氮含量估测模型对比研究

• 作者: 殷彩云 白子金 罗德芳 彭杰
• 来源期刊: 中国土壤与肥料
• 关键词: 土壤全氮 高光谱 偏最小二乘 支持向量机 随机森林 估测模型
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 研究报告
• 页码范围: 9-15
• 页数: 7页
• 语种: 中文
• DOI: 10.11838/sfsc.1673-6257.20573

摘要

构建基于高光谱数据的土壤全氮含量估测模型,为快速、准确监测农田土壤全氮含量,判断作物生长发育情况和评价土地质量提供新的技术和方法.以新疆南疆地区主要类型土壤为研究对象,于室内测定土壤全氮含量和光谱反射率数据,利用偏最小二乘回归(PLSR)、支持向量机回归(SVM)、随机森林回归(RF)与光谱反射率(R)及其4种数学变换相结合,建立全区和分区全氮含量估测模型.结果 表明,PLSR最优模型的预测集R2和RPD分别为0.73和1.82;SVM最优模型的预测集R2和RPD分别为0.75和1.97;RF最优模型的预测集R2和RPD分别为0.86和3.52,3种模型的预测能力依次为RF＞SVM＞PLSR.除一阶微分(FD)变换外,其它数据变换均对模型精度有不同程度的提高.R及其4种变换后数据均以RF建模精度较高,而以PLSR和SVM建模精度相对较低.全区模型稳定性要高于分区模型,分区模型差异性较明显,稳定性较差.总体来看,RF模型的预测能力稳定,适用性较好,精度较高,可较精确地估测土壤全氮含量;而PLSR和SVM模型只能对全氮含量进行粗略估测.因此,利用RF模型可实现研究区土壤全氮含量的快速准确估测.