基于CARS-PLSR算法的土壤有效磷高光谱反演研究

摘要：

[目的]剔除土壤高光谱中包含的大量冗余和无效信息,探明土壤有效磷(SAP)的敏感波段,简化SAP的高光谱估算模型并提高模型的预测精度.[方法]文章以四川省崇州市西河流域110个土壤样本为研究对象,利用ASD Fieldspec3地物光谱仪在室内条件下测定350～2 500nm波段范围的土壤高光谱数据.对光谱数据进行预处理后,采用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)优选的波长变量作为建模参数,运用偏最小二乘回归(PLSR)方法建立模型并比较其精度.[结果]结果表明,标准正态变换预处理方法是SAP的最佳土壤光谱数据预处理方法.基于标准正态变换后的光谱数据,CARS、SPA算法可将预测SAP的关键波段变量分别压缩至54和13个,CARS-PLSR模型与SPA-PLSR模型相比,相关系数由0.894提高到0.945,均方根误差由5.73降低到3.56.[结论]土壤高光谱数据经标准正态变换后,采用CARS-PLSR算法可有效提高有效磷含量预测的鲁棒性.该结果可为高光谱数据快速反演土壤有效磷含量提供理论依据.

关键词：土壤有效磷、高光谱、竞争性自适应重加权算法、连续投影算法、偏最小二乘回归法

所属期刊栏目：35

分类号：S151.9;TP79;O657.3

资助基金：国家重点研发计划;蒙古国政府间国际科技创新合作重点专项;北京大学中央高校基本科研业务费地球观测与导航教育部工程研究中心——智能航行器侦测与信息服务系统

在线出版日期：2023-09-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：55-66