基于优化模型耦合的矿业复垦土壤有机质含量估测
发布时间：2021-03-03 05:07
【目的】本文旨在探究矿业复垦土壤有机质含量的快速估测方法,为矿业复垦土壤质量快速监测提供技术参考。【方法】以湖北省某矿业复垦区作为研究对象,对复垦土壤光谱反射率进行了3种光谱变换;以全波段和显著性波段（与有机质含量的相关系数通过P=0.05检验）为2种建模数据,采用偏最小二乘回归（Partial Least Squares Regression,PLSR）、随机森林回归（Random Forest Regression,RFR）以及支持向量机（Support Vector Machine, SVM）3种方法,建立并优化遴选土壤有机质含量反演模型,并基于优化模型进行算术平均值二次估测。【结果】对于PLSR与SVM模型,采用显著性波段建模R2和RPD整体上更高,而RFR模型采用全波段建模R2和RPD较高;基于显著性波段建立的一阶微分PLSR模型稳定性与预测能力最好,R2和RPD分别为0.77和2.14;与传统的单一模型相比,采用算术平均值二次估测能够在一定程度上提升估测精度,尤其是标准正态变换方式下提升空间更大,表现出了较好...
【文章来源】：西南农业学报. 2020,33(02)北大核心
【文章页数】：7 页
【部分图文】：
原始光谱反射率及其数学形式与土壤有机质含量的相关分析
研究结果表明,光谱数据与有机质含量之间存在较高的相关性,在对光谱数据进行数学变换后相关性有了进一步提升[23],尤其是在一阶微分形式下,由于该变换可以较好的突显出原曲线的拐点以及波峰对应的波长位置[24],相关性显著增强,相关系数的绝对值最高达到了0.8左右。且由估测结果的衡量指标可以发现,光谱经一阶微分变换后得到的模型展现出了更好的估测效果,这表明该变换可有效降低土壤质地、成土母质等其他因素的影响,建立更优的估测模型[25]。因此尝试数学变换可以进一步提升光谱数据对土壤有机质含量的估测效果,也表明光谱数据对有机质含量拥有很好的解释能力,可以作为一种快速估测土壤有机质含量的方法;在全波段和显著性波段建模形式下,各模型之间存在一定的差异,对于PLSR模型,显著性波段建模存在一定的优势,RFR模型则在全波段建模中体现出了更好的估测能力,而SVM模型在本次验证集估测中整体效果不太理想,且从整体估测结果上可以看出SVM也较于倾向显著波段建模。上述现象表明,在光谱数据的四种数学形式下,相较于包含大量数据的训练集,在将去除数据冗余的信息作为训练集的情况下,PLSR(除SNV形式)、SVM可以拥有较好的估测效果。而对于RFR(除R形式)而言,在将所有波段反射率作为训练集的情况下,可以更好的识别光谱曲线的特性,拥有更高的识别精度;此外,从基于算术平均值的二次估测结果中可以看出,模型之间的估测结果经平均处理后可以实现相互校正,从而进一步提升估测精度,尤其是标准正态形式下估测精度有了较大提升。值得指出的是,由于土壤反射光谱受多种要素的影响[8],如水分、氧化物与重金属等,有机质含量的估测精度有待于进一步提高,还需要综合考虑其它影响因素进行进一步分析和实践对比。4 结 论
【参考文献】：
期刊论文
[1]不同粒径处理的土壤全氮含量高光谱特征拟合模型[J]. 王海江,刘凡,YUNGER John A,崔静,马玲. 农业机械学报. 2019(02)
[2]一种新的光谱参量预测黑土养分含量模型[J]. 张东辉,赵英俊,秦凯. 光谱学与光谱分析. 2018(09)
[3]基于三种空间预测模型的海南岛土壤有机质空间分布研究[J]. 姜赛平,张怀志,张认连,李兆君,谢良商,徐爱国. 土壤学报. 2018(04)
[4]土壤重金属高光谱反演研究综述[J]. 郭颖,毕如田,郑超,袁宇志,柴敏,郭治兴. 环境科技. 2018(01)
[5]煤矸石充填复垦重构土壤重金属含量高光谱反演[J]. 徐良骥,李青青,朱小美,刘曙光. 光谱学与光谱分析. 2017(12)
[6]土壤有机质高光谱估算模型研究进展[J]. 章涛,于雷. 湖北农业科学. 2017(17)
[7]基于遥感与随机森林算法的陕西省土壤有机质空间预测[J]. 齐雁冰,王茵茵,陈洋,刘姣姣,张亮亮. 自然资源学报. 2017(06)
[8]天山北麓土壤有机质高光谱特征分析[J]. 管延龙,王让会,李成,姚健,耿列超. 环境科学与技术. 2015(09)
[9]基于偏最小二乘回归的土壤有机质含量高光谱估算[J]. 于雷,洪永胜,耿雷,周勇,朱强,曹隽隽,聂艳. 农业工程学报. 2015(14)
[10]荒漠土壤有机质含量高光谱估算模型[J]. 侯艳军,塔西甫拉提·特依拜,买买提·沙吾提,张飞. 农业工程学报. 2014(16)
博士论文
[1]基于遥感数据的工矿复垦区分类与反演方法研究[D]. 陈元鹏.中国地质大学(北京) 2018
本文编号：3060668
【文章来源】：西南农业学报. 2020,33(02)北大核心
【文章页数】：7 页
【部分图文】：
原始光谱反射率及其数学形式与土壤有机质含量的相关分析
研究结果表明,光谱数据与有机质含量之间存在较高的相关性,在对光谱数据进行数学变换后相关性有了进一步提升[23],尤其是在一阶微分形式下,由于该变换可以较好的突显出原曲线的拐点以及波峰对应的波长位置[24],相关性显著增强,相关系数的绝对值最高达到了0.8左右。且由估测结果的衡量指标可以发现,光谱经一阶微分变换后得到的模型展现出了更好的估测效果,这表明该变换可有效降低土壤质地、成土母质等其他因素的影响,建立更优的估测模型[25]。因此尝试数学变换可以进一步提升光谱数据对土壤有机质含量的估测效果,也表明光谱数据对有机质含量拥有很好的解释能力,可以作为一种快速估测土壤有机质含量的方法;在全波段和显著性波段建模形式下,各模型之间存在一定的差异,对于PLSR模型,显著性波段建模存在一定的优势,RFR模型则在全波段建模中体现出了更好的估测能力,而SVM模型在本次验证集估测中整体效果不太理想,且从整体估测结果上可以看出SVM也较于倾向显著波段建模。上述现象表明,在光谱数据的四种数学形式下,相较于包含大量数据的训练集,在将去除数据冗余的信息作为训练集的情况下,PLSR(除SNV形式)、SVM可以拥有较好的估测效果。而对于RFR(除R形式)而言,在将所有波段反射率作为训练集的情况下,可以更好的识别光谱曲线的特性,拥有更高的识别精度;此外,从基于算术平均值的二次估测结果中可以看出,模型之间的估测结果经平均处理后可以实现相互校正,从而进一步提升估测精度,尤其是标准正态形式下估测精度有了较大提升。值得指出的是,由于土壤反射光谱受多种要素的影响[8],如水分、氧化物与重金属等,有机质含量的估测精度有待于进一步提高,还需要综合考虑其它影响因素进行进一步分析和实践对比。4 结 论
【参考文献】：
期刊论文
[1]不同粒径处理的土壤全氮含量高光谱特征拟合模型[J]. 王海江,刘凡,YUNGER John A,崔静,马玲. 农业机械学报. 2019(02)
[2]一种新的光谱参量预测黑土养分含量模型[J]. 张东辉,赵英俊,秦凯. 光谱学与光谱分析. 2018(09)
[3]基于三种空间预测模型的海南岛土壤有机质空间分布研究[J]. 姜赛平,张怀志,张认连,李兆君,谢良商,徐爱国. 土壤学报. 2018(04)
[4]土壤重金属高光谱反演研究综述[J]. 郭颖,毕如田,郑超,袁宇志,柴敏,郭治兴. 环境科技. 2018(01)
[5]煤矸石充填复垦重构土壤重金属含量高光谱反演[J]. 徐良骥,李青青,朱小美,刘曙光. 光谱学与光谱分析. 2017(12)
[6]土壤有机质高光谱估算模型研究进展[J]. 章涛,于雷. 湖北农业科学. 2017(17)
[7]基于遥感与随机森林算法的陕西省土壤有机质空间预测[J]. 齐雁冰,王茵茵,陈洋,刘姣姣,张亮亮. 自然资源学报. 2017(06)
[8]天山北麓土壤有机质高光谱特征分析[J]. 管延龙,王让会,李成,姚健,耿列超. 环境科学与技术. 2015(09)
[9]基于偏最小二乘回归的土壤有机质含量高光谱估算[J]. 于雷,洪永胜,耿雷,周勇,朱强,曹隽隽,聂艳. 农业工程学报. 2015(14)
[10]荒漠土壤有机质含量高光谱估算模型[J]. 侯艳军,塔西甫拉提·特依拜,买买提·沙吾提,张飞. 农业工程学报. 2014(16)
博士论文
[1]基于遥感数据的工矿复垦区分类与反演方法研究[D]. 陈元鹏.中国地质大学(北京) 2018
本文编号：3060668
本文链接：https://www.wllwen.com/kejilunwen/nykj/3060668.html
