利用随机森林方法优选光谱特征预测土壤水分含量

作     者：包青岭 丁建丽 王敬哲 Bao Qingling;Ding Jianli;Wang Jingzhe

作者机构：新疆大学资源与环境科学学院智慧城市与环境建模自治区普通高校重点实验室新疆乌鲁木齐830046 绿洲生态教育部重点实验室新疆乌鲁木齐830046 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2018年第55卷第11期

页      面：464-470页

核心收录：

学科分类：07[理学] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：国家自然科学基金(41771470) 新疆自治区重点实验室专项基金资助项目(2016D03001) 自治区科技支疆项目(201591101) 教育部促进与美大地区科研合作与高层次人才培养项目 

主　　题：光谱学 土壤水分含量 随机森林 吸收特征参数 

摘      要：为了更加精确地分析土壤光谱中不同水分吸收带内的光谱吸收特征参数在估测土壤水分含量(SMC)中的重要性,以新疆渭干河-库车河绿洲为研究区,采集38个土壤样本进行土壤光谱反射率及SMC的测定。利用去包络线消除法提取反射光谱水分吸收特征参数,包括最大吸收深度D、吸收谷右面积Ra、吸收谷左面积La、吸收谷总面积A、面积归一化最大吸收深度DA和对称度S,将反射光谱水分吸收特征与SMC进行相关性分析,通过随机森林方法对光谱水分吸收特征参数进行分类,获取各参数对SMC的重要性。运用多元逐步回归模型建立SMC反演模型。结果表明:D、A与SMC的相关性最高,同时2200nm及1400nm波段范围内的光谱吸收特征参数与SMC的相关性优于1900nm波段范围内的光谱吸收特征参数;对SMC影响较为重要的前5个参数分别为D2200、La2200、A2200、D1900和Ra2200;SMC的最佳预测模型是采用A2200、D2200建立的多元逐步回归模型,其建模集决定系数为0.88,建模集均方根误差为2.08,测试集决定系数为0.89,预测均方根误差为2.21,相对分析误差为2.80。随机森林分类能得到对土壤含水量影响较为重要的光谱水分特征参数,为干旱区精准土壤水分快速估测提供了新方法。