投稿须知
  《光谱学与光谱分析》(国际标准刊号:ISSN 1000-0593, CODEN码:GYGFED, 国内统一刊号:CN 11-2200/O4)是中国科学技术协会主管,中国光学学会主办,由钢铁研究总院、中国科学院物理研究所、北京大学、清华大学共同承办的专业性学术刊物,主要报道我国光谱学与光谱分析学科具有创新性的研究成果,反映国内外光谱 ...

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

作者: 徐夕博 [1] 吕建树 [2] 吴泉源 [1] 于庆 [1] 周旭 [1] 曹见飞 [1]

关键词: PCA-MLR PCA-BPN 有机质 高光谱 滨海平原

摘要:土壤有机质(SOM)含量是衡量土壤质量高低的重要指标,可以用高光谱快速测定.在以往研究中,估算模型多以特征波段与线性经验模型为基础进行构建,较少考虑波段间信息冗余和共线性,预测效果不很理想并难以进行推广.为最大化消除波段信息噪声,提高模型预测精度,选取莱州湾南岸滨海平原为研究区,系统采集了111个土壤样本和实测高光谱数据(325~1075 nm),并测试了土壤样本的有机质含量作为因变量;通过主成分分析(PCA)将实测光谱信息降维为6个主成分,并提取水分、植被光谱特征指数(DI),以此作为自变量;最后建立多元逐步线性回归(MLR)和BP神经网络(BPN)预测模型,分析不同模型对土壤有机质预测的效果.结果表明:①经过主成分的波段信息分析判别提取出6个主成分,可以表征叶绿素残留物、盐分、腐殖酸、物化矿渣和微地貌的光谱特征.②基于6个主成分作为自变量所建立的BPN模型预测精度优于M L R模型,他们的R2分别为0.704和0.643.将水分和植被光谱特征指数作为自变量增加到预测模型后,MLR和BPN的预测精度分别提高了6.1% 和5.2%,R2达到0.712和0.764;③将光谱主成分和光谱特征指数作为自变量的BPN模型进行土壤有机质预测可得到精度较高的预测结果,在土壤有机质的预测与制图中具有一定的应用潜力.


上一篇: 基于高光谱技术的土壤水分无损检测
下一篇: 基于3D-EEMs和PARAFAC的土壤渗滤系统DOM垂直分布特征

Copyright@2003 China Physical Science & Technology All Rights Reserved
中国物理学会 版权所有 2013 京ICP备05002789号