黑土土壤水分反射光谱特征定量分析与预测

选择单一土类黑土作为研究对象,并准确调配其不同含水量,实验室测定土壤高光谱反射率,利用光谱分析与统计方法,定量描述了不同含水量黑土反射光谱特征,并建立了黑土含水量反射光谱预测模型。结果表明,随土壤含水量的增加,并达到一定阈值(300 g kg-1),反射率存在过饱和现象,但其倒数对数微分可以有效去除过饱和问题;土壤反射率倒数对数微分对土壤含水量的响应表现出三个变化阶段,导致1 870 nm波段的倒数对数微分也表现为非线性变化,需要利用分段函数进行土壤含水量的光谱精确速测。

基于PCA的土壤含水量高光谱反演模型比较研究

土壤含水量(SMC)是农作物生长过程中的重要指标之一,快速测定土壤水分状况对于农业发展极为重要。针对高光谱波段信息冗余和共线性特点以及光谱测定中无关信息和噪声带来的影响,对原始光谱进行倒数对数一阶微分变换预处理,利用主成分分析(PCA)对光谱信息进行降维,提取出12个主成分作为自变量;利用偏最小二乘、支持向量机、随机森林、BP神经网络建立SMC预测模型并进行综合对比分析。结果表明:利用PCA对光谱信息降维后的主成分建立的模型均有良好的预测能力,选取的主成分累积贡献率达到92%以上;通过对光谱变换前后模型的综合对比可以发现PCA-RF模型精度最高(R2分别为0.8362,0.9630,RPD分别为2.4229、3.7019)。