基于光谱相似性匹配的土壤有机碳估算
全球土壤光谱库的建立,为利用可见-近红外光谱预测土壤属性提供了参考集,如何从光谱库中挑选合适的建模集以实现对局部地区土壤有机碳的高精度预测,是一个值得研究的问题.本研究基于欧氏距离、马氏距离和光谱角三种光谱相似性指数,探索利用全球光谱库预测局部地区土壤有机碳的有效策略,并比较了不同光谱相似性指数、不同建模集数量及不同建模方法对预测精度的影响.研究表明:(1)三种相似性算法较全局模型均极大提升了预测精度,其中光谱角预测精度稍高,最佳预测精度为R2=0.75,RPD=1.73;(2)建模数量对建模精度有较大影响,三种算法的最佳建模集数量范围在本研究中约为400~500(0.71<R2<0.75,1.56<RPD<1.73);(3)针对光谱角算法,建模集数量较少(<50)时,赋值预测精度较高(R2>0.6,RPD>1.4);建模集数量较多(>50)时,PLSR建模预测精度较高(R2>0.6,RPD>1.4).
全球土壤光谱库;光谱匹配;光谱角匹配;偏最小二乘回归;土壤有机碳
58
S151.9(土壤学)
国家重点研发计划项目;中国烟草总公司贵州省公司科技项目;南京信息工程大学人才启动经费共同资助
2021-10-18(万方平台首次上网日期,不代表论文的发表时间)
共10页
1224-1233