基于土壤反射光谱特性的广东稻田土壤快速分类-热带地理.PDF

第 35 卷 第 1 期 热 带 地 理 Vol.35 ，No.1 2015 年 1 月 TROPICAL GEOGRAPHY Jan. ，2015 李丹，彭智平，韩留生，王重洋，刘尉，黄思宇 ，陈水森．基于土壤反射光谱特性的广东省稻田土壤快速分类[J]．热带地理， 2015 ，35 （1 ）：29-34． LI Dan ，PENG Zhiping ，HAN Liusheng ，WANG Chongyang ，LIU Wei ，HUANG Siyu ，CHEN Shuisen．Rapid Soil Classification of Paddy Field in Guangdong Province Based on Visible and Near Infrared Reflectance Spectra[J]．Tropical Geography，2015 ，35 （1 ）：29-34． 基于土壤反射光谱特性的 广东省稻田土壤快速分类 1 2 1 1 1 1 1 李 丹 ，彭智平 ，韩留生 ，王重洋 ，刘 尉 ，黄思宇 ，陈水森 （1．广州地理研究所 ，广州 510070 ； ２．广东省农科学院 农业资源与环境研究所 ，广州 510640 ） 摘 要 ：选择广东省 215 个村镇稻田的土壤样本 ，首先利用 ASD Field Spec3 测量土壤样本在 350~2 500 nm 的光 谱 ，并采用 S-G 一阶导数平滑滤波降低样本测量中光照差异的影响 ，然后将遗传算法 （Genetic Algorithm ，GA ） 和支持向量机分类 （Support Vector Machine ，SVM ）分别用于提取分类光谱特征和建立分类模型 ，分别在土纲 、 亚纲、土类 3 个层次进行土壤分类 。结果表明 ：1 ）在不同的分类层次下 ，与铁氧化物密切相关的 650~710 以及 900 nm 附近光谱 ，与羟基矿物吸收有关的 2 207~2 237 和 2 377~2 397 nm 区间均被作为分类特征变量。2 ）随着土 壤类型的细分 ，分类所需变量增多 。在土类级 ，对有机质敏感的 2 080 nm 附近的光谱也被引入分类定标模型中 ， 土纲和亚纲下分类精度 ＞67% ，土类级分类精度为 58.67% 。利用遗传算法提取光谱特征 ，进行基于支持向量机的 土壤分类具有一定优势。 关键词 ：反射光谱 ；土壤分类 ；遗传算法 ；支持向量机 ；稻田 ；广东省 中图分类号：S152 文献标志码 ：A 文章编号 ：1001-5221 （2015 ）0 1-0029-06 土壤分类能为土壤调查制图和资源评价及合理 土、红壤 ）进行了类型划分 ，认为基于光谱技术土 利用 、改良土壤提供科学依据[1] 。土壤反射光谱是 壤快速分类是可行的 ；史周等[8]利用模糊 K 均值聚 土壤理化特征和内在结构的综合反映 ，其特性研究 类对大量光谱数据的最佳分类数目进行计算 ，成功 是土壤遥感的物理基础 ，按照类型特征区分是土壤 将土壤数据分成 5 类 。Saleh 等[9]利用光谱数据和线 分类的最基本工作[2] 。 性光谱分解技术基于 Landsat ETM+影像对埃及北西 目前，基于可见光近红外光谱的土壤