科研之友
微信
新浪微博
Facebook
分享链接
摘要
选择合理的处理方法可增强土壤光谱中有效信息特征，提高模型估测精度。以新疆渭-库绿洲土壤为研究对象，基于连续小波变换（continuous wavelet transformation, CWT）与传统数学变换相结合的方法进行光谱数据处理并提取特征波段，采用偏最小二乘回归（PLSR）、BP神经网络（BPNN）、随机森林回归（RFR）和支持向量机回归（SVMR）方法构建土壤重金属镉含量估测模型。结果表明：（1）土壤原始光谱曲线趋势基本一致，在600～2 450 nm范围内，随着重金属镉含量增加，其光谱反射率降低，二者呈负相关。（2）CWT与原始光谱一阶微分（R′）相结合的处理效果最佳，|r|值可达到0.586,为极显著负相关（P2）大于0.86,均方根误差（RMSE）小于0.02 mg/kg,相对分析误差（RPD）大于2,建模效果较好，可作为最优模型对研究区土壤重金属镉含量进行估测。结合数学变换的连续小波分解技术可有效提取土壤中的潜在信息，为土壤重金属镉含量的准确估算提供参考。
- 单位
