基于高光谱山地红壤全氮含量估测模型对比研究.PDFVIP

江苏农业科学　２０１８年第４６卷第１５期 — ２８７— 孙小香，赵小敏，谢　文．基于高光谱的山地红壤全氮含量估测模型对比研究［Ｊ］．江苏农业科学，２０１８，４６（１５）：２８７－２９１． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１８．１５．０７１ 基于高光谱的山地红壤全氮含量估测模型对比研究 孙小香，赵小敏，谢　文 （江西农业大学林学院／江西省鄱阳湖流域农业资源与生态重点实验室，江西南昌３３００４５） 　　摘要：土壤氮的缺乏是限制植物生长的首要因素，快速准确地估测土壤氮的含量对于判断植物生长状况以及评价 土地质量等具有重要的意义。以江西省庐山地区的山地红壤为研究对象，采用全波段原始光谱结合偏最小二乘回归 （ＰＬＳＲ）、ＢＰ神经网络（ＢＰＮＮ）和支持向量机（ＳＶＭ）３种建模方法，构建不同的山地红壤全氮含量高光谱估算模型，对 比模型精度值，筛选最优估测模型。结果表明，基于ＳＶＭ构建的土壤全氮含量估算模型具有较高的精度，其实测全氮 ２ 含量与预测全氮含量的验证决定系数（Ｒ ）、均方根误差（ＲＭＳＥ）和相对分析误差（ＲＰＤ）分别为０．７６、０．４１ｇ／ｋｇ和 Ｖ Ｖ ２ ２．０７；其次为基于ＢＰＮＮ构建的土壤全氮含量估算模型，其实测全氮含量与预测全氮含量的Ｒ 、ＲＭＳＥ 和ＲＰＤ分别 Ｖ Ｖ 为０．７６、０．４３ｇ／ｋｇ和１．９７；而基于ＰＬＳＲ构建的土壤全氮含量估算模型精度较差，其实测全氮含量与预测全氮含量的 ２ Ｒ 、ＲＭＳＥ 和ＲＰＤ分别为０．６７、０．５１ｇ／ｋｇ和１．６６。比较而言，基于ＳＶＭ构建的土壤全氮含量估算模型精度最高，可 Ｖ Ｖ 以较精确地估测庐山山地红壤全氮含量，基于ＢＰＮＮ和ＰＬＳＲ构建的估测模型预测效果较ＳＶＭ差，但也可以用来粗略 估测庐山山地红壤的全氮含量。 　　关键词：全氮含量；高光谱；山地红壤；估测模型 ＋ ＋ 　　中图分类号：Ｓ１５５．２５；Ｓ１５３．６１　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１８）１５－０２８７－０５ ［８］ 　　氮素是植物最重要的营养元素之一，直接参与植物的新 法对植烟土壤全氮含量进行高精度预测 。由于土壤全氮 ［１］ 陈代谢，对植物的生长、产量和品质有着极显著的影响 ，而 含量与光谱反射率之间是一种非线性关系，所以利用非线性 土壤全氮含量直接影响植物的氮素营养。土壤全氮含量的传 方法建模可以较大程度地提高模型预测精度。郑立华等利用 统化学分析方法如凯氏定氮法耗时、费力、破坏性大、专业性 ＢＰ神经网络建立了基于近红外光谱技术的土壤全氮含量预 强且实效性弱，因此准确迅速无损的高光谱分析技术应运而 测模型，并提取主成分贡献率超过９９．９８％的主成分作为神 ［９］ 生。Ｈｕｍｍｅｌ等研究表明，土壤光谱反射率在可见光和近红 经网络输入值，模型预测精度达０．８５４ 。杨扬以全波段光 外波段（４００～２５００ｎｍ）与土壤全氮含量的相关性很高［２－４］， 谱数据建立的