基于组合模型的山森林土壤有效铁光谱间接反演研究.docxVIP

基于组合模型的庐山森林土壤有效铁光谱间接反演研究* *国家自然科学基金项目和土壤与农业可持续发展国家重点实验室（中国科学院南京土壤研究所）项目（0812201202）资助Supported by the National Natural Science Foundation of China(Noand The Project of State Key Laboratory of Soil and Sustainable Agricultural(Institute of Soil Science, Chinese Academy of Sciences)(No.0812201202) ?通讯作者Corresponding author，E-mail：zhaoxm889@126.com 作者简介：谢文(1978-)，女，江西上高人，博士研究生，讲师，主要从事土壤遥感与信息技术研究。E-mail： HYPERLINK mailto:183385413@ 183385413@ 谢 文 赵小敏MACROBUTTON AcceptAllChangesInDoc 收稿日期：2016-06-21；MACROBUTTON AcceptAllChangesInDoc 收到修改稿日期：2016-11-03 郭 熙 叶英聪 MACROBUTTON AcceptAllChangesInDoc 收稿日期：2016-06-21；MACROBUTTON AcceptAllChangesInDoc 收到修改稿日期：2016-11-03 （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，研究偏最小二乘回归(PLSR)和径向基函数（RBF）神经网络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，探讨不同权重值下的最优组合模型。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（R2）为0.81，均方根误差（RMSEp）为11.54g kg-1，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R2为0.70，RMSEp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，在土壤元素中含量相对较高[1]，土壤是植物所需有效铁的主要供给源，植物缺铁会影响叶绿素的合成，土壤有效铁含量高低会影响植被的生长发育[2-4]。因此，研究土壤中有效铁含量对评价庐山生态环境及植被健康生长状况非常必要。 化学成分是决定土壤反射光谱特征的最重要因素，高光谱遥感数据具有丰富的光谱特征，并且利用光谱分析技术可以快速、无损、低成本实现土壤参数实时在线监测，为土壤化学成分的快速、无损测定提供新的方法，因此，高光谱遥感具有获取土壤化学成分的研究潜力[5-8]。目前已有不少学者在利用实验室和野外测量的反射光谱数据分析土壤Fe元素的特征波段、研究土壤Fe的光谱特性等方面取得一定成果，例如Chodak等[9]利用线性回归分析法研究了森林覆盖区域的土壤Fe与反射光谱间的关系；Kemper和Sommer[10]提出土壤重金属与铁含量的相关性是反演重金属的主要机理；Siebielec等[11]发现中红外光谱较近红外光谱预测土壤中Fe含量效果更好；Ren等[12]利用标准归一化处理预测Fe含量效果较好；李巨宝等[13]利用偏最小二乘法构建了土壤Fe含量的反射光谱预测模型；彭杰等[14-15]发现利用土壤线参数反演氧化铁含量具有可行性，但在622~851nm波段范围内，氧化铁对土壤有机质的高光谱特征具有明显的抑制作用，并通过不同含量氧化铁对有机质光谱的影响分析，发现氧化铁含量高于