基于高光谱的山地红壤全氮含量估测模型对比研究

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,其实测全氮含量与预测全氮含量的验证决定系数(RV2)、均方根误差(RMSEV)和相对分析误差(RPD)分别为0.76、0.41 g/kg和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RV2、RMSEV和RPD分别为0.76、0.43 g/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RV2、RMSEV和RPD分别为0.67、0.51 g/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。