基于机器学习算法的土壤有机质质量比估算

作者：白婷; 丁建丽^*; 王敬哲

来源：排灌机械工程学报, 2020, 38(08): 829-834.

• 土壤有机质
• 高光谱
• 光谱变量
• 竞争适应重加权法
• 随机森林

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter,SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区——中国新疆艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱R及其一阶导数R’、吸光度log(1/R)及其一阶导数[log(1/R)]’4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明:基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R’和[log(1/R)]’的SOM估测模型精度较高,以[log(1/R)]’为基础数据获得的模型精度最高; CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R2)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.

• 单位
  新疆大学