构建基于高光谱的土壤全氮估测模型,快速、准确地监测农田土壤全氮含量,从而为判断作物生长发育情况和评价土地质量提供新的技术和方法。以南疆地区主要耕作土壤类型为研究对象,测定不同耕作土壤的全氮含量和光谱反射率,利用偏最小二乘回归(PLSR)、支持向量机回归(SVR)和随机森林回归(RF)三种建模方法,将光谱反射率(R)及其四种变换形式与土壤全氮含量相结合,建立了全区和分区的全氮含量估测模型。对淤黄泥、黄潮土、灌淤土、青灰泥、水稻土、盐土6个土壤类型建立光谱估测模型并进行精度验证;研究结果表明:(1)PLSR最优模型的预测集R和RPD分别为0.73和1.82;SVM最优模型的预测集R和RPD分别为0.75和1.97;RF最优模型的预测集R和RPD分别为0.86和3.52,三种模型的预测能力高低依次为RF>SVM>PLSR。除一阶微分变换外,其它数据变换均对模型的精度有不同程度的提高。光谱反射率及其四种变换数据的RF建模精度均较高,而以PLSR和SVM建模精度相对较低。全区模型稳定性要高于分区模型,分区模型差异性较明显,稳定性较差。总体来看,RF模型对大样本数据表现出稳定的预测能力,适用性较好,可较精确地估测土壤全氮含量;而PLSR和SVM模型只能对研究区土壤全氮含量进行粗略估测。(2)淤黄泥的光谱反射率最大,其次是青灰泥、黄潮土、灌淤土,盐土和水稻土。对六种耕作土壤类型的全氮含量与光谱反射率进行相关分析发现,灌淤土在1820nm波段处有最大正相关系数为0.57;淤黄泥在583nm波段处有最大负相关系数为-0.55。对反射率进行连续统去除后,灌淤土在627nm波段处有最大负相关系数为-0.75,在974nm波段处有最大正相关系数为0.68。灌淤土和淤黄泥的模型精度高于全样本的模型精度,灌淤土的RF模型建模精度R为0.87,RMSE为0.05g kg-1;验证精度R为0.84,RMSE为0.07 g kg-1,RPD为3.56。(3)将反射率数据分为3类时,能较好的反映各类土样光谱特征;将连续统去除数据分为5类时,也能较好的反映各类土样光谱特征。OR-A、OR-B和OR-C 3类光谱反射率都是呈上升趋势,OR-A光谱反射率高于OR-B和OR-C。经连续统去除变换之后,CR-Ⅰ、CR-Ⅱ、CR-Ⅲ、CR-Ⅳ和CR-Ⅴ5类光谱曲线的特征波段基本一致,重点集中在500nm、1900nm波段处。其中CR-Ⅳ和CR-Ⅴ的特征波段更为明显。反射率全局模型的精度验证指标Rp、RMSE和RPD分别为0.83、0.08和3.24高于连续统去除光谱。在光谱反射率分类里,OR-A建模精度最高,模型验证精度Rp、RMSE和RPD分别为0.87、0.06和3.32。在连续统去除光谱分类里,CR-Ⅱ建模精度最高,模型验证精度Rp、RMSE和RPD分别为0.74、0.13和3.16。
暂无评论