多种潮土有机质高光谱预测模型的对比分析

摘要：

为了对比不同方法建模效果的差异，筛选潮土有机质高光谱最佳预测模型，该研究采集国家潮土土壤肥力与肥料效益长期监测站不同施肥处理耕层土样83份，采用25种光谱预处理方法（15种单一预处理方法，10种预处理方法相加算法）结合3种建模方法（多元线性回归、偏最小二乘回归、支持向量机回归），构建不同的潮土有机质高光谱预测模型。对比模型预测结果表明，最佳光谱建模方法是偏最小二乘回归法，该方法结合多种预处理方法均获得了较高的模型预测精度和可靠性，25个检验模型的平均决定系数、均方根误差值RMSEv和相对分析误差RPD值分别为0.913、1.264 g/kg和3.299。使用预处理方法相加算法能更好地提升模型精度，相比使用单一预处理方法，3种建模方法的检验模型平均决定系数分别提高了0.049、0.033和0.071，RMSEv分别降低了0.318、0.204和0.528 g/kg，RPD值分别提高了0.530、0.307和1.144。先用多元散射校正法再进行5个平滑点数的一阶导数预处理在3种建模方法中表现均较好（平均决定系数=0.934，平均RMSEv=1.17 g/kg，平均RPD=3.59)，可作为潮土有机质预测模型的通用预处理方法。偏最小二乘回归模型结合最大值标准化预处理所建模型（决定系数=0.948，RMSEv=0.972 g/kg，RPD=4.276）精度高、可靠性强，且建模过程数据运算更为简便，是筛选出的最佳潮土有机质高光谱预测模型。该研究结果对潮土有机质高光谱预测建模有一定的指导作用，并为筛选最佳高光谱预测模型提供技术参考。

关键词：光谱分析、土壤、模型、潮土有机质、对比分析

分类号：S127(农业物理学)

资助基金：国家重点基础研究发展计划863项目2013CB127400；公益性行业农业科研专项201203030；河南科技创新项目201315605

在线出版日期：2014-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：192-200