基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

作     者：王海峰 张智韬 Arnon Karnieli 陈俊英 韩文霆 Wang Haifeng;Zhang Zhitao;Arnon Karnieli;Chen Junying;Han Wenting

作者机构：西北农林科技大学水利与建筑工程学院旱区农业水土工程教育部重点实验室杨凌712100 西北农林科技大学中国旱区节水农业研究院杨凌712100 本古里安大学Blaustein沙漠研究所思德博克84990 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2018年第34卷第14期

页      面：124-131页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0903[农学-农业资源与环境] 090301[农学-土壤学] 

基　　金：国家重点研发计划项目(2017YFC0403302 2016YFD0200700) 杨凌示范区科技计划项目(2016NY-26) 

主　　题：遥感 模型 有机质 荒漠土壤 高光谱 灰度关联 岭回归 

摘      要：为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R^2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p^2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。