科研之友
微信
新浪微博
Facebook
分享链接
摘要
构建基于高光谱数据的土壤全氮含量估测模型，为快速、准确监测农田土壤全氮含量，判断作物生长发育情况和评价土地质量提供新的技术和方法。以新疆南疆地区主要类型土壤为研究对象，于室内测定土壤全氮含量和光谱反射率数据，利用偏最小二乘回归(PLSR)、支持向量机回归(SVM)、随机森林回归(RF)与光谱反射率(R)及其4种数学变换相结合，建立全区和分区全氮含量估测模型。结果表明，PLSR最优模型的预测集R2和RPD分别为0.73和1.82;SVM最优模型的预测集R2和RPD分别为0.75和1.97;RF最优模型的预测集R2和RPD分别为0.86和3.52,3种模型的预测能力依次为RF>SVM>PLSR。除一阶微分(FD)变换外，其它数据变换均对模型精度有不同程度的提高。R及其4种变换后数据均以RF建模精度较高，而以PLSR和SVM建模精度相对较低。全区模型稳定性要高于分区模型，分区模型差异性较明显，稳定性较差。总体来看，RF模型的预测能力稳定，适用性较好，精度较高，可较精确地估测土壤全氮含量；而PLSR和SVM模型只能对全氮含量进行粗略估测。因此，利用RF模型可实现研究区土壤全氮含量的快速准确估测。
- 单位
