基于高光谱数据建立江汉平原土壤有机质含量反演模型-投会议.pdf

基于高光谱数据建立江汉平原土壤有机质含量反演模型 1,2 1,2※ 1,2 1,2 洪永胜 于雷 周勇 朱强 （1 华中师范大学地理过程分析与模拟湖北省重点实验室,武汉 430079 ） （2 华中师范大学城市与环境科学学院,武汉 430079 ） 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～ 2 400 nm ）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 st 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-Golay 9 点平滑+一阶导数 （SG +1 D ）是最佳光谱预处 st 理方法；经过 SG +1 D 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。 关键词 土壤有机质; 高光谱; 光谱预处理；敏感波段; 偏小二乘回归; 最小二乘支持向量机；江汉平原 中图分类号：S127 文献标志码：A 0 引 言 土壤有机质是土壤固态物质的重要组成部分，可以提供植物所需的养分，其含量也是衡量土壤肥力程 [1] 度高低的重要指标 。传统的土壤有机质测定方法常采用实验室理化分析来进行，时效差、费力、成本高且 [2] 步骤繁琐，不能有效满足精准农业田间施肥管理实用性、实时性的需要 。可见光/近红外光谱分析技术具 有快速、无损、成本低等优点，可以实现土壤参数实时在线监测，能有效满足精准农业的发展需要，已成 [3-5] 为当前的研究热点 。因此，研究利用土壤高光谱分析技术定量估算土壤有机质含量具有重要的实践意义。 国内外学者利用光谱技术研究土壤有机质含量已经取得了显著成效，研究表明土壤有机质含量与土壤 [6] 光谱反射率两者之间呈显著负相关，一些研究者还建立了相应的预测模型。Kishnan 等 选取4 种土壤为研 究对象，结果显示探测土壤有机质含量最佳波段是0.62 μm和0.56 μm，可见光区域要优于近红外区域，在 [7] 近红外区域没有因有机质引起的反射峰和吸收谷。Hummel 等 在室内分析了土壤有机质和光谱曲