基于谐波分析算法的干旱区绿洲土壤光谱特性研究

发布时间：2023-11-25 19:35

　　土壤有机质(SOM)含量是评价土壤肥力的重要指标。以新疆渭-库绿洲为研究区,对室内获取的SOM含量及反射光谱数据进行Savitzky-Golay (S-G)平滑和一阶微分(FD)预处理。在此基础上,为减小敏感波段遴选对建模精度的影响,引入谐波分析(HA)算法对全波段光谱数据进行谐波分解。基于主成分分析(PCA)降维后的7个主分量对SOM含量进行基于反向传播(BP)神经网络、遗传算法(GA)-BP神经网络和多元线性回归(MLR)方法的定量估算,并对估算精度进行比较。结果表明:HA预处理后的光谱数据与SOM含量的相关性相较于FD数据有了明显提高;非线性模型BP神经网络的估算精度明显高于线性模型MLR;在非线性模型中,GA-BP模型的估算精度最高,其决定系数为0.92,预测集的均方根误差为3.92×10^-3,相对分析误差为1.93。验证了HA算法深度挖掘光谱数据的有效性,经过GA优化的BP神经网络模型可以提高SOM含量的估算精度,为土壤属性的光谱定量估算提供借鉴。

【文章页数】：11 页

【文章目录】：
1 引 言
2 实验数据与方法流程
    2.1 研究区介绍及土壤样品的制备
    2.2 光谱数据的采集
    2.3 光谱数据的预处理
    2.4 HA原理
    2.5 SOM含量的估算流程
    2.6 模型的精度检验
3 结果分析与讨论
    3.1 光谱的预处理
    3.2 谐波分析
    3.3 模型的构建
    3.4 讨 论
4 结 论



本文编号：3867724