砂姜黑土有机质含量高光谱估测模型构建

发布时间：2022-11-01 21:58

　　为快速估测砂姜黑土有机质含量,该研究以河南省商水县砂姜黑土为对象,采用光谱指数和遗传算法结合支持向量机构建砂姜黑土有机质估测模型。结果表明,以Savitzky-Golay（SG）平滑后的一阶导数光谱792和1 389 nm两波段组合构建的比值指数表现最好,建模集决定系数为0.81。利用独立的样本验证,预测决定系数和均方根误差分别为0.91和1.56 g/kg。而相同样本经遗传算法筛选敏感波段结合支持向量机回归构建的模型以SG平滑的一阶导数光谱表现最好,建模集和验证集决定系数分别为0.95和0.91,均方根误差分别为1.01和1.69 g/kg。基于遗传算法结合支持向量机回归和光谱指数2种方法构建的有机质含量估测模型均表现出较高的精度,前者稍优于后者,可用于对砂姜黑土有机质含量的有效估测。该研究成果可为砂姜黑土有机质含量的快速定量估算提供依据和参考。 

【文章页数】：7 页

【参考文献】：
期刊论文
[1]基于FOD和SVMDA-RF的土壤有机质含量高光谱预测[J]. 张智韬,劳聪聪,王海峰,ARNON Karnieli,陈俊英,李宇.  农业机械学报. 2020(01)
[2]不同耕作方式对砂姜黑土物理性质和玉米生长的影响[J]. 王玥凯,郭自春,张中彬,周虎,洪亮,王永玖,李录久,彭新华.  土壤学报. 2019(06)
[3]粒子群优化神经网络的土壤有机质高光谱估测[J]. 邹慧敏,李西灿,尚璇,苗传红,黄超,路杰晖.  测绘科学. 2019(05)
[4]基于CWT的黑土有机质含量野外高光谱反演模型[J]. 林鹏达,佟志军,张继权,赵云升,李向前,朱晓萌.  水土保持研究. 2018(02)
[5]基于不同建模方法的湿地土壤有机质含量多光谱反演[J]. 陈思明,毛艳玲,邹小兴,丁卉,邹双全.  土壤通报. 2018(01)
[6]土壤有机质高光谱特征与波长变量优选方法[J]. 朱亚星,于雷,洪永胜,章涛,朱强,李思缔,郭力,刘家胜.  中国农业科学. 2017(22)
[7]高光谱技术联合归一化光谱指数估算土壤有机质含量[J]. 洪永胜,朱亚星,苏学平,朱强,周勇,于雷.  光谱学与光谱分析. 2017(11)
[8]江西省红壤地区主要土壤类型的高光谱特性研究[J]. 赵小敏,杨梅花.  土壤学报. 2018(01)
[9]δ13C法研究砂姜黑土添加秸秆后团聚体有机碳变化规律[J]. 刘哲,韩霁昌,孙增慧,张卫华,余正洪,侯莹.  农业工程学报. 2017(14)
[10]高光谱估算土壤有机质含量的波长变量筛选方法[J]. 于雷,洪永胜,周勇,朱强,徐良,李冀云,聂艳.  农业工程学报. 2016(13)

硕士论文
[1]砂姜黑土的物理障碍因子及其改良[D]. 宗玉统.浙江大学 2013



本文编号：3700173