基于sCARS-RF算法的高光谱估算土壤有机质含量
针对土壤高光谱数据量大、存在光谱信息冗余和重叠现象,应用稳定竞争性自适应重加权采样策略挑选特征变量,结合偏最小二乘回归和随机森林建立土壤有机质含量估算模型,并与竞争性自适应重加权算法、迭代保留有效信息变量、连续投影算法和遗传算法所得结果进行比较.结果显示,5种变量选择算法挑选的特征变量主要分布在1900~2400 nm的近红外光谱区域.RF模型的预测效果优于PLSR模型;与PLSR模型相比,RF模型鲁棒性更好,对异常值和噪声的敏感度更低.基于sCARS算法挑选的特征变量建立RF模型,变量数为51个,仅占全波段的2.55%,验证集R2=0.958,获得的RPD为4.7,能够很好地预测SOM含量.
土壤有机质、可见-近红外光谱、稳定竞争性自适应重加权、随机森林、湟水流域
40
TP79;S151.9(遥感技术)
国家自然科学基金41550003
2019-08-22(万方平台首次上网日期,不代表论文的发表时间)
共10页
1030-1039