基于马氏距离和最小生成树的土壤有机质含量高光谱估测

摘要：

[目的]以长沙及周边区域水田土壤为研究对象,从特征空间和样本空间角度优化建模数据集,以提升基于土壤高光谱数据估测有机质含量模型的精度.[方法]利用马氏距离(MD)优化土壤光谱特征空间、最小生成树(MST)分割样本数据集优化建模样本空间,结合交叉验证岭回归(RidgeCV)和支持向量机回归(SVR)构建土壤高光谱有机质含量估测模型.[结果]在测试集上,光谱优化建模方法MD-RidgeCV和MD-SVR的模型决定系数(R2)分别为0.876、和0.84,样本优化建模方法MST-RidgeCV和MST-SVR的R2指标分别为0.847和0.815,而两种优化方法相结合的MD-MST-RidgeCV和MST-MD-RidgeCV模型R2指标均高达0.9;对比基于原始数据集和建模集优化KS和SPXY方法的土壤有机质含量估测模型,提出的方法在测试集上具有更佳的模型预测性能.[结论]利用马氏距离和最小生成树,从光谱特征空间和样本空间优化建模数据集,并结合回归算法RidgeCV和SVR构建土壤有机质含量高光谱预测模型,能显著提高模型精度和稳定性.

关键词：土壤高光谱、土壤有机质、马氏距离、最小生成树

所属期刊栏目：54

分类号：TP391;S158(计算技术、计算机技术)

资助基金：国家科技基础性工作专项;湖南省自然科学基金项目

在线出版日期：2023-09-04（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：788-799