基于高光谱数据建立江汉平原土壤有机质含量反演模型

摘要

传统测定土壤有机质的方法,虽然精度高,但是实时性差,近年来利用高光谱技术快速、无破坏地估测土壤有机质逐渐成为研究的热点.本文以江汉平原公安县的土壤为研究对象,进行室内理化分析、光谱测量与数据处理等一系列工作,分析最佳预处理方法的光谱反射率与有机质含量的相关性,并作相关系数的显著性检验确定敏感波段,最后基于全波段(400～2400nm)和敏感波段运用偏最小二乘回归(PLSR)、最小二乘支持向量机(LS-SVM)分析法分别建立了土壤有机质高光谱的预测模型,通过模型精度的比较确定最优模型.结果表明,Savitzky-Golay9点平滑+一阶导数(SG+1stD)是最佳光谱预处理方法;经过SG+1stD变换后,不同含量土壤有机质的光谱曲线差异性有所减小,相关系数曲线表现出了更加丰富的信息;全波段的建模效果要优于敏感波段,以LS-SVM模型的预测精度最为突出,其模型的决定系数R2和相对分析误差RPD值分别为0.87、2.90,可以很好的估算该区域土壤有机质含量;敏感波段的PLSR、LS-SVM模型与全波段的对应模型相比,R2预测精度分别差距0.11、0.15,但从模型的复杂程度来比较,敏感波段模型具有简单、运算量小、更少变量的特点;最后,综合比较了全波段和敏感波段4种模型的反演精度,发现无论在全波段还是在敏感波段LS-SVM模型都比PLSR模型都具有更好的预测能力.今后的研究可尝试将LS-SVM高光谱反演模型用于该区域土肥信息的遥感监测工作中,敏感波段LS-SVM模型可为土壤近地传感器研发提供理论基础.