基于组合模型的庐山森林土壤有效铁光谱间接反演研究-土壤学报.PDFVIP

Vol. 54 No. 3 第 54 卷 第 3 期 土 壤 学 报 ， 2017 年 5 月 ACTA PEDOLOGICA SINICA May ，2017 DOI：10.11766/trxb201606210174 基于组合模型的庐山森林土壤有效铁光谱间接反演研究* † 谢　文　赵小敏　郭　熙　叶英聪　李伟峰　汪晓燕　张佳佳 （江西农业大学江西省鄱阳湖流域农业资源与生态重点实验室/林学院，南昌　330045） 摘　要　　铁是植物生长的重要微量营养元素之一，土壤有效铁含量对林地环境起着重要的影 响，利用土壤光谱预测技术获取土壤有效铁含量信息具有重要意义。而要通过土壤光谱直接预测土壤 有效铁含量是难以实现的，因此提出利用土壤有机质含量与有效铁含量之间的相关性，探讨间接估算 土壤有效铁含量的可行性。以庐山森林土壤样本为研究对象，研究基于偏最小二乘回归（PLSR）和 径向基函数（RBF）神经网络的组合模型预测土壤有机质含量的适用性，并且通过构建有机质含量与 有效铁含量的二项式线性模型，对土壤有效铁含量进行间接反演，探讨不同权重下的最优组合模型。 结果表明，组合模型的预测效果优于偏最小二乘回归和RBF神经网络单个模型，并且熵值组合为最 优组合模型，其中，土壤有机质的反演模型验证的决定系数（R 2 ）为0.81，均方根误差（RMSE ）为 p -1 R2 11.54 g kg ，测定值标准差与标准预测误差的比值（RPD）为2.18；有效铁的间接反演模型 为0.70， RMSE 为21.60 mg kg-1 ，RPD为1.77。通过土壤有机质构建土壤有效铁含量的光谱反演间接模型，在光 p 谱反演模型中，组合模型能较大限度地利用各种预测样本信息，能有效减少单个预测模型中随机因素 的影响，增强预测稳定性，提高模型的预测能力。因此，组合模型可对土壤有机质含量的光谱预测及 土壤有效铁的间接预测发挥更好的作用。 关键词　　土壤光谱；有效铁预测；RBF神经网络；偏最小二乘回归（PLSR）；组合模型 中图分类号　　S127；O657.3　　　 文献标识码　　A - 铁是植物生长不可或缺的微量元素，在土壤 壤化学成分的研究潜力 ［58］ 。目前已有不少学者在 元素中含量相对较高 ［1］，土壤是植物所需有效铁 利用实验室和野外测量的反射光谱数据分析土壤Fe 的主要供给源，植物缺铁会影响叶绿素的合成，土 元素的特征波段、研究土壤Fe的光谱特性等方面取 - 壤有效铁含量高低会影响植被的生长发育 ［24］ 。因 ［9］ 得了一定成果，例如Chodak等 利用线性回归分 此，研究土壤