土壤有机质含量高光谱估测模型构建及精度对比

发布时间：2024-05-11 22:18

　　土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测,本研究以山东省烟台市栖霞市苹果园为研究区,采集100个土壤样本,利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率,利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理,分析果园土壤的反射光谱特征,研究光谱反射率与其有机质含量的相关关系,筛选土壤有机质含量的敏感波长并构建光谱指数后,分别建立多元线性回归模型(MLR)、支持向量机(SVM)和随机森林(RF)模型,并对模型精度进行验证比较。结果表明,筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数,最终构建的光谱指数分别为NDSI_((678,709))、NDSI_((678,1931))、NDSI_((678,2201))、NDSI_((709,1939))和NDSI_((1939,2201))。建立的MLR、SVM和RF回归模型中,以RF模型精度最优,其校正样本集R²为0.8804,RMSE为0.1423,RPD达到...

【文章页数】：10 页

【部分图文】：

图1技术路线

本研究的技术流程如图1所示。通过采集获取不同果园的土壤样本测定其有机质含量以及高光谱反射率，利用光谱参数构建SOM含量反演模型，并进行模型精度验证。2.2.1土壤样本的采集与处理

图2光谱曲线平滑处理对比图

在光谱数据采集过程中，由于外界环境条件的影响和地物波谱仪不同波段对能量响应的差异，获得的光谱存在噪声。为保证相关分析和后期的模型建立与检验的准确性，需对光谱数据进行预处理和数学变换。研究发现，当噪声频率较高时，采用移动平均法具有一定的去噪作用[17]，因此本研究采用移动平均法在M....

图3果园土壤有机质含量的土壤反射光谱特征

对采集的果园土壤光谱数据进行分析。将SOM含量高低划分为6个等级，并且计算每个等级的光谱平均值，得到土壤SOM平均光谱曲线（如图3），表明不同等级SOM的土壤光谱反射率曲线变化趋势相近，且随着SOM的增加，反射率降低。其中在可见光范围内，各等级的土壤反射率随波长的增大而增大，且反....

图4SOM含量与高光谱反射率的相关系数

为突出光谱曲线的反射和吸收特征，对原始光谱采用移动平均法预处理后所得到的光谱反射率数据进行原始数据一阶微分变换、MSC以及MSC一阶微分三种变换后，利用Excel对光谱数据与SOM含量分别进行相关性分析，结果如图4所示。图4SOM含量与高光谱反射率的相关系数

本文编号：3970447