基于随机森林算法的潍北平原土壤全氮高光谱估算

发布时间：2022-01-08 10:22

　　土壤全氮（Total Nitrogen,TN）是植物生长的重要营养来源,是衡量土壤质量的重要指标之一,快速准确地获取农田土壤氮素信息尤为重要。选取潍北平原为研究区域,系统测试111个土壤样本并采集原状土壤高光谱,测定土壤全氮值并建立基于随机森林算法（Random Forest,RF）及皮尔逊相关系数（Pearson’s Correlation Coefficient,PCC）特征提取的偏最小二乘法（Partial Least-Squares Regression,PLSR）与深度神经网络学习法（Deep Neural Networks,DNN）模型,实现了局地尺度上的土壤全氮值估算反演。结果表明,不同氮素含量的土壤在光谱探测区间表现出一定的变化趋势,不同全氮含量土壤光谱反射率差异显著,土壤全氮含量升高光谱反射率随之降低。土壤全氮存在334～660 nm、730～880 nm和900～1 000 nm三个敏感信号谱间,全氮光谱估算与土壤中铁的氧化物、植物体残渣和有机质间接信号密切相关。基于随机森林算法建立的DNN模型估算效果最佳（R²=0.77,RPD=1.2）,其... 

【文章来源】：安全与环境学报. 2020,20(05)北大核心CSCD

【文章页数】：9 页

【部分图文】：

研究区及采样点示意图

依据土壤全氮值与光谱的PCC，选取前25个波段(|PCC|≥0.35且在0.05水平上显著)，见图3。可以看出，PCC分析选取的特征波段中心波段在737～1 064 nm，除中心波长为1 009 nm和1 052 nm的特征波段为正相关以外，其余均为负相关。通过对比随机森林算法计算得到的每个特征对模型准确率影响的MDA，选取25个特征波段(MDA>2.2)，见图4。从图3和4可以看出，730～880 nm是两种算法共同涵盖的光谱特征区间。由随机森林算法选取的特征波段的中心波长为334～880 nm，在此范围内特征波段的分布较为均匀。图3 由相关系数提取的重要性前25特征波段

由相关系数提取的重要性前25特征波段

【参考文献】：
期刊论文
[1]FT-NIR光谱半定性判别方法应用于土壤总氮的波段优选[J]. 辜洁,陈华舟,陈伟豪,莫丽娜,温江北.  光谱学与光谱分析. 2020(02)
[2]基于高光谱的土壤养分含量反演模型研究[J]. 陶培峰,王建华,李志忠,周萍,杨佳佳,高樊琦.  地质与资源. 2020(01)
[3]基于土壤优化光谱参数估测太湖地区土壤全氮含量[J]. 宋雪,张民,周洪印,于小晶,刘之广,徐子云,王有良.  农业资源与环境学报. 2020(01)
[4]黑土养分含量的航空高光谱遥感预测[J]. 杨越超,赵英俊,秦凯,赵宁博,杨晨,张东辉,崔鑫.  农业工程学报. 2019(20)
[5]基于PCA-MLR和PCA-BPN的莱州湾南岸滨海平原土壤有机质高光谱预测研究[J]. 徐夕博,吕建树,吴泉源,于庆,周旭,曹见飞.  光谱学与光谱分析. 2018(08)
[6]土壤星地传感技术现状与发展趋势[J]. 史舟,徐冬云,滕洪芬,胡月明,潘贤章,张甘霖.  地理科学进展. 2018(01)
[7]Development of a national VNIR soil-spectral library for soil classification and prediction of organic matter concentrations[J]. SHI Zhou,WANG QianLong,PENG Jie,JI WenJun,LIU HuanJun,LI Xi,Raphael A VISCARRA ROSSEL.  Science China（Earth Sciences）. 2014(07)
[8]土壤氧化铁光谱特征研究[J]. 何挺,王静,程烨,林宗坚.  地理与地理信息科学. 2006(02)

硕士论文
[1]基于高光谱的潍北平原土壤有机质预测与空间格局研究[D]. 徐夕博.山东师范大学 2019



本文编号：3576382