基于高光谱数据的高寒草地土壤有机碳预测模型研究

作者：崔霞; 宋清洁; 张瑶瑶; 胥刚; 孟宝平; 高金龙

来源：草业学报, 2017, 26(10): 20-29.

• 高光谱
• 光谱预处理
• 多元逐步线性回归
• 主成分回归
• 偏最小二乘回归

土壤退化是草地退化的更深层次指示,运用遥感手段大面积测定土壤有机碳进而评估草地土壤状况有助于对草地退化状态的正确认识。以甘南州高寒草地土壤为研究对象,使用ASD地物光谱仪,在室内条件下对土壤样品进行可见光/近红外光谱测量,分析8种光谱变换形式与土壤有机碳含量的相关性并选取特征波段,利用3种多元回归方法（逐步多元线性回归、主成分回归、偏最小二乘回归）,通过验证样本的决定系数（Rv2）、均方根误差（RMSE）和剩余估计偏差（RPD）来评价模型,进而确定高寒草地土壤有机碳的最佳估测模型。结果表明,微分变换方法可以显著提高光谱特征与土壤有机碳含量的相关性,在所有变换形式中以光谱反射率的一阶微分与土壤有机碳含量相关性最好,最大相关系数绝对值为0.865;基于光谱反射率一阶微分变换形式的3种多元回归方法对土壤有机碳均有极好的预测能力,表明对于土壤有机碳的稳定监测来说光谱反射率的一阶微分是非常有效的变换形式;综合考虑基于所有光谱变换形式的3种多元回归方法的预测结果,偏最小二乘回归法具有高的Rv2和RPD,同时具有低的RMSE值,是研究区土壤有机碳估测的最优回归方法;基于光谱反射率对数的一阶微分变换形式所建立的偏最小二乘回归模型具有相对较高的预测集决定系数（Rv2=0.878）、最大剩余估计偏差（RPD=2.946）和最小均方根误差（RMSE=7.520）,因此该模型为甘南高寒草地土壤有机碳的最优估测模型,最优模型的RPD大于2.5说明该模型有足够的稳定性可以应用于其他地区土壤有机碳的估测。

• 单位
  兰州大学; 草地农业科技学院; 草地农业生态系统国家重点实验室