基于全谱数据挖掘技术的土壤有机质高光谱预测建模研究
可见/近红外高光谱技术与建模方法是当前土壤近地传感器研究领域的重要方向,可应用于土壤养分信息的快速获取和农田作物的精确施肥管理.本文以新疆自治区水稻土为研究对象,利用以非线性模型为核心的数据挖掘技术,包括支持向量机(SVM)、人工神经网络(ANN)等方法分别建立了不同建模集和验证集的原始光谱与有机质含量的估测模型.结果表明:研究比较的1∶1、3∶1和全部样本建模并全部验证的三种样本模式划分对建模的结果有一定的影响.相较于目前常用的偏最小二乘回归(PLSR)建模方法而言,非线性模型SVM也取得了较好的建模精度,三种模式下其RDP值均大于1.4.同时引入ANN方法改进建立的PLSR-ANN方法显著提高了PLSR的模型预测能力.本研究是在实验室内基于Vs/NIR对研究区土样的有机质进行了定量预测，取得了较为满意的结果。但是影响土壤反射率的因素除了有机质含量以外还有很多，如粘粒含量、氧化铁含量等，此外，利用高光谱遥感进行野外原位测量时，还需考虑更多的因素，如光照、大气、土壤水分含量等。因此，在下一步工作中还需要从实验室内向野外原位测量推进，深入了解野外条件下土壤的反射率特征以及外界因素对其影响。采集更为丰富的样本，对不同地区和不同类型的土壤进一步研究，以提高有机质光谱预测模型的可靠性和普适性。
土壤 有机质 质高光谱预测 数据挖掘
李曦 史舟
浙江大学农业遥感与信息技术应用研究所,杭州310058 浙江大学农业遥感与信息技术应用研究所,杭州310058;浙江大学唐仲英传感材料及应用研究中心,杭州310058
国内会议
中国土壤学会第十二届全国会员代表大会暨第九届海峡两岸土壤肥料学术交流研讨会
成都
中文
153-160
2012-08-21（万方平台首次上网日期，不代表论文的发表时间）