10.3964/j.issn.1000-0593(2018)08-2556-07
基于PCA-MLR和PCA-BPN的莱州湾南岸滨海平原土壤有机质高光谱预测研究
土壤有机质(SOM)含量是衡量土壤质量高低的重要指标,可以用高光谱快速测定.在以往研究中,估算模型多以特征波段与线性经验模型为基础进行构建,较少考虑波段间信息冗余和共线性,预测效果不很理想并难以进行推广.为最大化消除波段信息噪声,提高模型预测精度,选取莱州湾南岸滨海平原为研究区,系统采集了111个土壤样本和实测高光谱数据(325~1075 nm),并测试了土壤样本的有机质含量作为因变量;通过主成分分析(PCA)将实测光谱信息降维为6个主成分,并提取水分、植被光谱特征指数(DI),以此作为自变量;最后建立多元逐步线性回归(MLR)和BP神经网络(BPN)预测模型,分析不同模型对土壤有机质预测的效果.结果表明:①经过主成分的波段信息分析判别提取出6个主成分,可以表征叶绿素残留物、盐分、腐殖酸、物化矿渣和微地貌的光谱特征.②基于6个主成分作为自变量所建立的BPN模型预测精度优于M L R模型,他们的R2分别为0.704和0.643.将水分和植被光谱特征指数作为自变量增加到预测模型后,MLR和BPN的预测精度分别提高了6.1% 和5.2%,R2达到0.712和0.764;③将光谱主成分和光谱特征指数作为自变量的BPN模型进行土壤有机质预测可得到精度较高的预测结果,在土壤有机质的预测与制图中具有一定的应用潜力.
PCA-MLR、PCA-BPN、有机质、高光谱、滨海平原
38
TP79(遥感技术)
国家自然科学基金项目41371395 ,41601549 ,黄河三角洲高效生态经济区潍坊海咸水入侵调查与监控预警系统建设项目鲁勘字[2011]14 号 ,河口海岸学国家重点实验室开放基金项目SKLEC-KF201710
2018-08-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
2556-2562