基于高光谱的区域土壤颗粒组成及有机质预测模型尺度转换

摘要：

以内蒙古河套灌区3个尺度下1024个样本的高光谱为模型输入,黏粒、粉粒、砂粒及有机质质量百分数为模型输出,通过多元回归、支持向量机及BP神经网络方法建立基于中尺度的反演模型,将其尺度上推至大尺度及下推至小尺度,并对其尺度转换的适用性进行评价.结果表明:基于中尺度建立的高光谱与土壤颗粒组成及有机质的反演模型均可以较好地应用于其他2个尺度,多元回归方法在其他2个尺度上的相关性为0.33～0.60,支持向量机方法为0.41～0.52,BP神经网络方法为0.52～0.72,其中BP神经网络方法建立的模型在其他2个尺度上具有更好的适用性;不同参数中,黏粒、粉粒、砂粒及有机质的相关系数分别为0.44～0.62,0.37～0.72,0.42～0.72及0.33～0.56,即颗粒组成的效果整体好于有机质质量百分数.

关键词：河套灌区、颗粒组成、有机质、高光谱、支持向量机、BP神经网络、尺度转换

所属期刊栏目：36

分类号：S153;S227.9(土壤学)

资助基金：国家自然科学基金资助项目51069006

在线出版日期：2018-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1175-1179