基于PLSR-BP复合模型的绿洲土壤pH高光谱反演
以土壤pH、野外实测光谱以及多元散射校正(MSC)预处理后的光谱数据为基础,利用数学方法(主成分回归PCA、偏最小二成回归PLSR、BP神经网络模型)分别建立了土壤pH的预测模型.结果表明:土壤实测光谱和经过MSC方法预处理的光谱数据均与pH存在良好的相关性,并呈极显著水平,后者的相关性更高.PCA和PLSR两种土壤pH估测模型均具有良好的预测能力.BP神经网络模型则因输入变量多,预测精度较低.但利用PCA和PLSR模型所获得主成分,作为BP神经网络的输入变量所建立的复合模型,可明显提高模型稳定性和预测能力.
高光谱、土壤盐碱化、多元散射校正、预测模型、奇台、新疆
31
国家自然科学基金41171165,41261049;北京联合大学人才强校计划人才资助项目BpHR2012E01;新疆大学博士启动基金BS110124
2014-12-15(万方平台首次上网日期,不代表论文的发表时间)
1005-1009