基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量.pdfVIP

安徽农业科学，JournalofAnhuiA ．Sci．2014，42(15)：4702—4706，4742 责任编辑 高菲 责任校对 李岩 基于 NIR及 PLS．PCR．SVR预测森林土壤有机碳含量 李耀翔，汪洪涛，耿志伟，张鹏，徐浩凯 (东北林业大学工程技术学院，黑龙江哈尔滨150040) 摘要 森林土壤有机碳含量是表征林地土壤营养状况的重要指标，该文建立了土壤有机碳含量的近红外光谱定标模型，并比较了偏最 小二乘法(PLS)、支持向量机回归(SVR)、主成分回归(PCR)3种建模方法及 Savitzky—Golay平滑+多元散射校正、Savitzky—Golay平滑十 一 阶导数、Savitzky—Golay平滑+二阶导数、Savitzky—Golay平滑+多元散射校正+一阶导数、Savitzky．Golay平滑+多元散射校正+二阶导 数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响，同时进行了波段优选。结果表明：当光谱 区域为1380～1450nm，l800 ～ 1950am．2050～2300nm．光谱数据采用SavitzkyGolay平滑+多元散射校正+一阶导数预处理，采用PLS的建模方法，主成分数为8 时，建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0．8052、0．5122、0．5125；预测模型的R、RMSE、SEP分另0为 0．7681、0．5143、0．5146。因此，利用近红外光谱技术可以实现土壤有机碳含量的快速估测，为林区实时、大面积、快速测定森林土壤有 机碳含量提供 了技术可行性 。 关键词 近红外光谱技术；森林土壤有机碳含量；波段优选 中图分类号 $718．52 文献标识码 A 文章编号 o517—66】】(2014)15—04702—05 Prediction ofForestSDjlCarbonContentBasedon theNearInfraredSpectroscopyandPLS-PCR-SVR LIYap-xiangetal (CollegeofEngineeringandTechnology，NortheastForestryUniversity，Harbin，Heilongjiang150040) Abstract TheforestrysoilorganiccarbonfS0C)contentisoneofthemainchemicalcomponentsofsoilandhasacriticaleffectonsoilprop． ertiesandutilization．Thecarboncontentsof120 soilsamplesweredeterminedwithnationalstandardofChina．and thenthenearinfrared (NIR)spectroscopyofallsampleswascollectedbyLabSpecPro．T}1ecalibrationmodelwasbuiltbyusingpartialleastsquares(PLS)，sup— portvectorregression(SVR)andprincipalcomponentregression(PCR)withdifferentpretreatmentmethodsofOil—pretreatment，Savitzky—G0一 lay(SG)+MultiplicativeScatterCorrection(MSC)，SG+thefirstderivative，SG十thesecondderivative，SG+MSC+thefirstderivative andSG + MSC+ thesecondderivativeindifferentspectralregionof350—2500nm andoptimalspectralregionof1380—1450um．1800 — 1950nm and2050—2300nm．TheresultsshowedthatthebestmodelwasbuiltbyPLSwithpretreatmentspectraldataofSG + MSC+ thefirstderivativeand8principalcomponentsinoptimalspectralregion．Concerningthepredictionaccuracy，thecorrelationcoefficient(R) androotmeansq