土壤氧化铁的特征波长选择和高光谱反演

作     者：赵海龙 甘淑 王俊杰 胡琳 ZHAO Hailong;GAN Shu;WANG Junjie;HU Lin

作者机构：昆明理工大学国土资源工程学院昆明650093 云南省高校高原山区空间信息测绘技术应用工程研究中心昆明650093 

出 版 物：《中国生态农业学报（中英文）》 (Chinese Journal of Eco-Agriculture)

年 卷 期：2022年第30卷第8期

页      面：1336-1345页

核心收录：

学科分类：08[工学] 0804[工学-仪器科学与技术] 

基　　金：国家自然科学基金项目(41561083,41861054) 云南省自然科学基金项目(2015FA016)资助。 

主　　题：土壤 高光谱 氧化铁 特征波长 随机森林回归 偏最小二乘回归 

摘      要：传统的氧化铁特征波长选取方法单一,多仅利用相关系数法(CC),建模输入变量较多导致预测精度不高。为提高模型预测精度,在云南禄丰恐龙谷南缘山地采集135个5~20 cm表层土壤样品,室内测定样品的光谱反射率和氧化铁含量。对土壤光谱曲线进行Savizky-Golay平滑后作为原始光谱曲线(OR),对原始光谱曲线进行一阶微分(FD)和倒数的对数(RL)变换;通过与氧化铁含量的相关性分析,利用迭代保留信息变量(IRIV)、竞争性自适应重加权算法(CARS)和连续投影法(SPA)算法提取特征波长,把提取的特征波长作为自变量,氧化铁含量作为因变量,分别用随机森林回归(RF)和偏最小二乘回归(PLSR)进行反演模型的构建。结果表明,相关性分析结合IRIV、CARS和SPA算法提取特征波长的方法可以有效降低建模波长数;通过结合不同的光谱变换方法和建模方法,发现RL-CC-CARS-PLSR模型的效果最好,其建模集R2为0.833,RMSE为4.361 g·kg^(−1),验证集R^(2)为0.826,RMSE为5.600 g·kg^(−1),RPIQ达3.618,模型具有很好的稳定性和预测能力。该研究为利用高光谱反演土壤氧化铁含量提供了参考。