文献类型： 中文期刊

作者： 张永亮 ¹ ; 汪泓 ¹ ; 肖玖军 ¹ ; 李可相 ¹ ; 王宇 ¹ ; 邢丹 ¹ ;

作者机构： 1.贵州大学矿业学院;贵州省山地资源研究所;贵州省土地绿色整治工程研究中心;贵州省农业科学院辣椒研究所

关键词： 土壤有机质;高光谱;山区耕地;一阶微分;BP神经网络

期刊名称： 江苏农业学报

ISSN： 1000-4440

年卷期： 2024 年 40 卷 001 期

页码： 112-120

收录情况： 北大核心 ; CSCD

摘要： 以贵州省典型山区耕地土壤高光谱数据为研究对象,基于光谱变换法和机器学习原理构建贵州省山区耕地土壤有机质(SOM)含量估算模型.于 2020 年8 月至2021 年3 月在贵州省13 个县(区、市)采集了120 个土壤样品,检测土壤可见光-近红外波段光谱信息,利用 5 种光谱数据变换(原始光谱、一阶微分、二阶微分、倒数对数的一阶微分、连续统去除)和 4 类模型(偏最小二乘回归、支持向量机、随机森林和BP 神经网络)组合出不同土壤有机质含量的预测模型,按照3 ∶ 1 选择训练样本和测试样本以估算山区SOM含量.结果表明,一阶微分数据变换与山区SOM含量的相关性较高,相关系数最高达到-0.635;反演模型中,基于一阶微分光谱变换构建的BP神经网络模型精度最高,训练集、测试集的决定系数(R2)分别为 0.845、0.838,测试集均方根误差(RMSE)为 3.452,相对分析误差(RPD)达到2.470,其次是RF、PLSR模型的RPD较高,SVM模型的RPD最低.光谱数据变换中一阶微分法能极大程度提取出山区耕地的SOM含量信息,BP神经网络模型是估算山区SOM含量的最优模型,本研究结果可为贵州省山区耕地土壤肥力的监测以及农业生产提供理论参考.