土壤有机质含量预测精度对光谱预处理和特征波段的响应

发布时间：2021-04-07 04:16

　　为了提高土壤有机质含量预测的精度,对光谱预处理方法和特征波段的选择进行了研究。分别用Savitzky-Golay平滑（SGS）、多元散射校正（MSC）、标准正态化（SNV）、标准正态化+去趋势（SNV_Detrend）、一阶导数（FD）、二阶导数（SD）、包络线去除（CR）和克里克滤波（KF）8种方法对33个水稻土土壤样本进行了光谱预处理,用分区极值法选择的特征波段进行了建模。结果表明:经过预处理以后,除了SGS和KF处理外,MSC、 SNV、 SNV_Detrend、 FD、SD、CR预处理获得的土壤光谱与土壤有机质（SOM）含量的相关性都得到了显著提高;CR预处理方法获得的预测模型精度最高,其标定集和验证集的决定系数分别是0.728和0.666,最小均方根误差（RMSE）分别是2.240 g/kg和2.770 g/kg;利用分区选择的4个特征波段建立的预测模型精度远高于利用4个相关系数最大绝对值对应的波段及所有相关系数绝对值大于0.5的77个波段建立的预测模型。CR预处理方法和基于分区极值选择的特征波段能够改善土壤有机质含量的预测精度。 

【文章来源】：江苏农业学报. 2019,35(06)北大核心CSCD

【文章页数】：6 页

【部分图文】：

土壤样本的原始光谱

土壤样本的原始光谱与SOM含量的相关系数

对SGS、KF、MSC、SNV、SNV_Detrend、FD、SD和CR处理后的土壤光谱反射率与SOM含量进行相关性统计(图3)。SGS光谱反射率与SOM含量之间的相关系数的值域区间与原始光谱基本相同(分别为-0.229～-0.464、-0.211～-0.464),主要原因主要是原始光谱曲线比较平滑,SGS处理后光谱反射率变化较小。KF光谱反射率与SOM含量也显示负相关,但相关性却低于原始光谱与SOM含量的相关性(值域为-0.071～-0.369),稀疏采样(采样间隔100 m)可能是其主要影响因素。经过MSC、SNV、SNV_Detrend、FD、SD和CR处理得到的反射光谱与SOM含量的相关性都得到了显著的提高,出现了一些与SOM含量有显著相关性的波段,且其相关系数的最大绝对值都高于0.6。因此,后续工作将只针对MSC、SNV、SNV_Detrend、FD、SD和CR处理得到的光谱进行特征波段的选择和建模。2.2 特征波段的选择

【参考文献】：
期刊论文
[1]基于综合光谱指数的不同程度人类干扰下土壤有机质含量预测[J]. 郑曼迪,熊黑钢,乔娟峰,刘靖朝.  江苏农业学报. 2018(05)
[2]光谱变换方法对黑土养分含量高光谱遥感反演精度的影响[J]. 张东辉,赵英俊,秦凯,赵宁博,杨越超.  农业工程学报. 2018(20)
[3]基于优化光谱指数的土壤有机质含量估算[J]. 尼加提·卡斯木,茹克亚·萨吾提,师庆东,买合木提·巴拉提,米热阿地力·库尔班,苏比努尔·居来提.  农业机械学报. 2018(11)
[4]基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算[J]. 王海峰,张智韬,Arnon Karnieli,陈俊英,韩文霆.  农业工程学报. 2018(14)
[5]黄土高原煤矿区复垦农田土壤有机质含量的高光谱预测[J]. 南锋,朱洪芬,毕如田.  中国农业科学. 2016(11)
[6]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)
[7]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)
[8]土壤导数光谱小波去噪与有机质吸收特征提取[J]. 刘炜,常庆瑞,郭曼,邢东兴,员永生.  光谱学与光谱分析. 2011(01)



本文编号：3122781