科研之友
微信
新浪微博
Facebook
分享链接
摘要
土壤有机质(SOM)是影响播量的土壤关键参数，根据SOM信息对播量进行实时调控，投入最优化的种子量，充分利用地力资源挖掘产量潜力，节约良种，实现种植收益最大化，是目前播种领域最前沿的研究方向。以玉米主产区之一的华北平原为研究区域，对该区域砂壤潮土进行了可见-近红外(300～2 500nm)光谱采集。采用蒙特卡罗交叉验证剔除了异常样本，结合Savitzky-Golay卷积平滑法对光谱数据进行平滑去噪处理。分别通过竞争性自适应重加权算法(CARS)、连续投影算法(SPA)、竞争性自适应重加权-连续投影(CARS-SPA)、无信息变量消除(UVE)及变量组合集群分析法(VCPA)等波长筛选方法提取有效变量，并结合偏最小二乘回归(PLSR)分别建立了全波长和特征波长的SOM含量预测模型。结果表明，不同方法筛选的波长数目及波长位置存在显著差异，CARS和SPA算法选择的光谱特征在整个光谱范围都有分布，UVE和VCPA筛选的波段较为集中，且基于CARS-SPA方法可以进一步优选特征变量，其特征波长仅为全波长数量的15%。通过对比不同模型的建模及预测效果，除UVE和VCPA算法外，其余算法构建的模型均能实现SOM含量的有效预测，其RPD值均大于2.0。基于CARS-SPA构建的PLSR模型效果最好，其R2P和RPD分别0.901和3.188，均高于其他方法，不仅降低了无效信息对预测效果的干扰，且模型的运算效率得到了明显的提高，可以很好地实现该地区SOM含量的可靠预测。该研究可以为SOM含量快速预测及仪器设计提供方法参考。
- 单位
