科研之友
微信
新浪微博
Facebook
分享链接
摘要
土壤有机碳含量是准确评价土壤肥力的重要依据,也是影响植被生长的重要因素。本研究以南疆阿瓦提、温宿、和田、新和的农田土壤为研究对象,利用所采集的261个土样的室内有机碳含量和光谱测定数据,经多项式(savizkg golag, SG)平滑、归一化、线性基线校正、标准正态变量变化(standard normal variation, SNV)、多项式平滑+归一化预处理后,分别采用偏最小二乘法(partial least squares regression, PLSR)、主成分回归法(principal component regression, PCR)估算了全波段土壤有机碳含量。研究结果表明:采用不同数据预处理和建模方法,所建模型精度有明显差异,在所选取的5种预处理方法中,经SG平滑+归一化处理后的PLSR模型精度最高,其R2为0.84,RMSE为3.47 g·kg-1,RPD为2.63;经SNV处理后的PCR模型精度也较高,其R2为0.79,RMSE为3.90 g·kg-1,RPD为2.30。根据评价标准,这两种模型都具有较好的预测能力,相比较而言,基于SG平滑+归一化处理后的PLSR模型较基于SNV处理后的PCR模型结果更好,其R2更大,RMSE更小,RPD也更高。由此可见,针对相同的数据预处理方法,PLSR模型较PCR模型更适用于估算土壤有机碳的含量,模型结果更优。因此,采用PLSR模型具有较优的预测效果,可推荐为农田土壤有机碳含量的估算。
- 单位
