基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算-农业工程学报.PDFVIP

第 34 卷 第 14 期 农 业 工 程 学 报 Vol.34 No.14 124 2018 年 7 月 Transactions of the Chinese Society of Agricultural Engineering Jul. 2018 基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算 1,2 1,2※ 3 1,2 2 王海峰 ，张智韬 ，Arnon Karnieli ，陈俊英 ，韩文霆 （1. 西北农林科技大学水利与建筑工程学院，旱区农业水土工程教育部重点实验室，杨凌 712100 ；2. 西北农林科技大学 中国旱区节水农业研究院，杨凌 712100 ；3. 本古里安大学 Blaustein 沙漠研究所，思德博克 84990 ） 摘 要：为改善高光谱技术对荒漠土壤有机质的估测效果，该文采集了以色列 Seder Boker 地区的荒漠土壤，经预处理、 理化分析后将土样分为砂质土和黏壤土 2 类，再通过光谱采集、处理得到 6 种光谱指标：反射率（reflectivity, REF ）、倒 数之对数变换 （inverse-log reflectance，LR ）、去包络线处理 （continuum removal，CR ）、标准正态变量变换 （standard normal variable reflectance ，SNV）、一阶微分变换（first order differential reflectance ，FDR ）和二阶微分变换（second order differential reflectance ，SDR）。通过灰度关联（gray correlation，GC ）法确定 SNV、FDR 、SDR 为敏感光谱指标，采用偏最小二乘 回归（partial least squares regression ，PLSR ）法和岭回归（ridge regression ，RR ）法，构建基于敏感光谱指标的土壤有机 质高光谱反演模型，并对模型精度进行比较。结果表明：砂质土有机质含量的反演效果要优于黏壤土；基于 SNV 指标建 立的模型决定系数 R2 和相对分析误差 RPD 均为最高、均方根误差 RMSE 最低，所以 SNV 是土壤有机质的最佳光谱反演 指标；对 SNV-PLSR 模型和 SNV-RR 模型综合比较得出，SNV-RR 模型仅用全谱 4 ％左右的波段建模，实现了更为理想 的反演效果：其中，对砂质土有机质的预测能力极强（R2 为 0.866，RMSE 为 0.610 g/kg、RPD 为 2.72 ），对黏壤土有机 p 质的预测能力很好（R2 为 0.863，RMSE 为 0.898 g/kg、RPD 为 2.37 ）。荒漠土壤有机质GC-SNV-RR 反演模型的建立为高 p 光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。 关键词：遥感；模型；有机质；荒漠土壤；高光谱；灰度关联；岭回归 doi ：10.11975/j.issn.1002-6819.2018.14.016 中图分类号：S127；S153.6+21 文献标志码：A 文章编号：1002-6819(2018)-14-0124-08 王海峰，张智韬，Arnon Karnieli ，陈俊英，韩文霆. 基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算[J]. 农业工 程学报，2018，34(14)：124－131. doi ：10.11975/j.issn.1002-681