不同利用方式下土壤有机质和全磷的可见近红外高光谱反演
以太湖流域直湖港小流域稻田、桃园和菜地的土壤样本为研究对象,研究了不同光谱建模方法和土地利用方式对土壤有机质和全磷高光谱反演的影响.结果表明:(1)偏最小二乘回归分析(Partial least squarer egression,PLSR)模型的建模和预测精度较高且稳定;人工神经网络中广义回归神经网络(Generalized regression neural network,GRNN)网络预测精度较高但易出现过拟合现象,反向传播神经网络(Back propagation neural network,BPNN)网络比较稳健但精度略低;偏最小二乘与人工神经网络相结合则可综合两者优点,改善复杂样本下的预测精度.(2)土壤有机质的光谱反演结果优于全磷.3种土地利用方式中,稻田的预测效果总体优于桃园和菜地.在当前研究区域内土地利用方式对土壤有机质光谱反演影响不大,但对全磷反演影响较大.今后利用光谱对土壤全磷反演时需分土地利用方式对模型进行校准.
高光谱、偏最小二乘回归、人工神经网络、土壤有机质、土壤全磷、土地利用方式
51
S153.2(土壤学)
国家自然科学基金;国家自然科学基金;中国科学院知识创新工程重要方向项目;江苏省自主创新项目
2014-12-11(万方平台首次上网日期,不代表论文的发表时间)
993-1002