基于NGO-BPNN的不同参龄土壤有机碳光谱建模分析.pdfVIP

基于NGO-BPNN的不同参龄土壤有机碳光谱建模分析.pdf

—１６４—江苏农业科学２０２５年第５３卷第２０期

蒋蒙启，李晓强，董炜华，等．基于ＮＧＯ－ＢＰＮＮ的不同参龄土壤有机碳光谱建模分析［Ｊ］．江苏农业科学，２０２５，５３（２０）：１６４－１７３．

ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２５．２０．０１８

基于ＮＧＯ－ＢＰＮＮ的不同参龄土壤有机碳光谱建模分析

蒋蒙启，李晓强，董炜华，梁立恒，韦森超，王成

（长春师范大学地理科学学院，长春吉林１３００３２）

摘要：为探究北方苍鹰优化的神经网络模型对土壤有机碳（ＳＯＣ）含量的估测精度，于２０２３年５—６月在吉林省集

安市采集的不同年限人参种植土样的可见光－近红外光谱数据作为研究对象，分析不同参龄间的光谱曲线并通过预

处理和特征选取后基于偏最小二乘回归（ＰＬＳＲ）、随机森林（ＲＦ）、支持向量机（ＳＶＭ）和北方苍鹰优化神经网络

（ＮＧＯ－ＢＰＮＮ）模型进行分析反演，估测人参种植土壤ＳＯＣ含量，从而构建土壤有机碳与高光谱反演模型。结果表明：

（１）５、１０、１５年３个人参种植年限土壤光谱反射率和ＳＯＣ含量均呈负相关关系。（２）种植土壤光谱２种特征选取算法选

２

取波段数量和范围相差较大。（３）ＮＧＯ－ＢＰＮＮ得到的反演精度明显优于其他３种传统模型，最佳组合的Ｒ均达到了

０．９４以上。表明，ＮＧＯ－ＢＰＮＮ模型可以有效估测人参土壤的ＳＯＣ含量，可为人参种植生产提供参考和有效监测。

关键词：可见光－近红外光谱；土壤有机碳；种植人参土壤；ＮＧＯ－ＢＰＮＮ模型

中图分类号：Ｓ１２７文献标志码：Ａ文章编号：１００２－１３０２（２０２５）２０－０１６４－０９

人参（Ｐａｎａｘｇｉｎｓｅｎｇ）是一种五加科、人参属的全氮和全碳含量，发现一阶导数变换（ＦＤ）和ＰＬＳＲ

［３］

多年生草本植物，对治疗心血管系统、内分泌系统组合结果最佳；Ｌａａｍｒａｎｉ等将加拿大安大略省南

以及由神经衰弱所导致的疾病有相当帮助。人参部的农田土壤的光谱数据分为４００～１０００、１０００～

的种植具有很强的地域性，土壤有机碳含量对人参２５００ｎｍ这２个部分并通过随机森林（ＲＦ）、支持向

［１］量机（ＳＶＭ）、ＰＬＳＲ组成的多元技术回归方法确定

的品质和产量有较大的影响，通过可见光－近红

外对不同参龄土壤高光谱建模，评估土壤有机碳含了通过最佳特征波段对ＳＯＣ含量进行反演，并得出

量，对当地人参种植用地管理的科学调整，以及人了选取特征后的模型反演精度会优于原始光谱的

参种植土壤有机碳含量进行实时监测至关重要。结论［４］；Ｄｉｖｙａ等用ＲＦ和梯度提升回归树检验预测

但目前在不同参龄的人参土有机碳和光谱技术相了土壤的有机碳含量，２个模型都得到了较高的精

［５］

结合的研究较少。度。然而，传统模型算法对于复杂的土壤性质和

目前，在ＳＯＣ含量的光谱估测上大多数学者仍土地利用类型估测能力依然不够，须要更新模型算

在使用较为传统的算法和模型，对种植粮食作物的法和提高精度。

农田耕地、果园以及草地ＳＯＣ进行反演估测。孟珊ＢＰ神经网络模型（ＢＰＮＮ）在通过光谱数据反

等预测反演了新疆博斯腾湖的湖滨绿洲土壤有机演土壤养分的领域中被广泛应用，比如Ｍｏｕａｚｅｎ等

质含量，发现通过基于连续小波变换优化后的精度用ＢＰＮＮ对比利时和法国北部的农田ＳＯＣ含量进