SPA算法与机器学习的黄河源土壤水分反演
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3964/j.issn.1000-0593(2023)06-1961-07

SPA算法与机器学习的黄河源土壤水分反演

引用
土壤水分在一定程度上决定着地区的生态承载力和土壤理化性质.准确、快速的获取土壤水分含量,对生态环境监测、土壤退化恢复等具有重要意义.高光谱遥感在土壤参数反演方面应用广泛,但对高寒草甸土壤的高光谱特征与参数反演研究有待深入.为建立适用于高寒脆弱生态系统的高寒草甸土壤含水量高光谱反演模型,以黄河源区的河南县为例,利用多元线性逐步回归(MLSR)、偏最小二乘回归(PLSR)和BP神经网络(BPNN)对土壤样本含水量与土壤光谱及其数学变换的特征波段进行建模,由决定系数(R2)、均方根误差(RMSE)和预测残差比(RPD)对模型精度进行验证.结果表明:(1)在可见光-近红外波段,土壤样本的光谱反射率在 710、780 和 950 nm附近存在强弱不同的水分吸收区间,且随着含水量的增加,反射率呈现先迅速降低,后缓慢增加的趋势.(2)通过连续投影算法(SPA)筛选的光谱特征波段作为自变量,含水量作为因变量,分别通过 MLSR和PLSR建立反演模型,其中一阶微分(FD)、对数一阶微分(FDL)变换对应的PLSR模型可实现高寒草甸土壤水分的粗略反演,且 FD变换对应的 PLSR 模型精度较高.(3)BPNN反演模型中,除去包络(CR)建模外,其余模型R2 均大于 0.9,RMSE 在 0.048~0.074 之间.其中 FD、FDL、LG变换光谱对应的BPNN模型反演精度较高,验证结果的R2 均大于 0.8,RPD均大于 2.5,精度最高的为对数(LG)变换对应的 BPNN 模型,R2、RMSE 和 RPD 分别达到 0.967、0.038 和 5.039.因此,BPNN模型能较精确的实现黄河源区高寒草甸土壤含水量的高光谱反演,为该地区乃至其他高寒地区生态环境监测与土壤恢复提供技术基础和数据支撑.

高光谱反演、高寒草甸、机器学习、SPA算法、黄河源

43

TP79(遥感技术)

国家自然科学基金;青海省科技厅基金项目;甘肃省祁连山生态环境研究中心开放基金

2023-07-03(万方平台首次上网日期,不代表论文的发表时间)

共7页

1961-1967

相关文献
评论
暂无封面信息
查看本期封面目录

光谱学与光谱分析

1000-0593

11-2200/O4

43

2023,43(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn