文献类型： 中文期刊

作者： 李嘉琦 ¹ ; 冯宇华 ¹ ; 陈署晃 ² ; 王子傲 ¹ ; 刘鹏 ¹ ; 梁智永 ¹ ; 孙法福 ¹ ; 陈荣 ¹ ; 耿庆龙 ² ;

作者机构： 1.新疆农业大学资源与环境学院

2.新疆农业科学院土壤肥料与农业节水研究所/新疆农业科学院农业遥感中心

关键词： 高光谱;土壤有机质;土壤全氮;光谱估测;偏最小二乘回归;随机森林

期刊名称： 新疆农业科学

ISSN： 1001-4330

年卷期： 2024 年 61 卷 010 期

页码： 2491-2499

收录情况： 北大核心 ; CSCD

摘要： 【目的】研究土壤高光谱数据经不同形式变换后与不同建模方法构建土壤有机质与全氮估测模型的精度，建立快速、稳定的估测模型，为现代化农业生产的精准施肥提供科学依据。【方法】以新疆博尔塔拉蒙古自治州（简称博州）耕地土壤为研究对象，在暗室中使用ASD Field4地物光谱仪测量处理后的土壤样品光谱。将原始光谱进行断点拟合与Savitzky-Golay（S-G）平滑滤波校正处理，对校正后光谱（R）进行一阶导数（First Derivative, FD）、对数的一阶导数(First derivative of logarithmic,（lgR）’)、倒数的一阶导数(First derivative of reciprocal,（1/R）’)、多元散射校正（Multipication scatter correction, MSC）4种变换，分析5种光谱数据与土壤有机质和全氮含量，筛选特征波段，基于特征波段运用偏最小二乘回归（PLSR）、BP神经网络（BP）和随机森林（RF）3种方法，分别建立土壤有机质、全氮的估测模型并评价模型的精度与稳定性。【结果】光谱经不同变换后，与土壤有机质和全氮的相关系数有所提高，且特征波段更为明显，一阶导数与倒数的一阶导数变换优于其他变换，FD-PLSR模型预测有机质精度最高，Rv²、RPD分别为0.89、2.63;（1/R）’-PLSR模型预测土壤全氮精度最高，Rv²、RPD分别为0.83、2.42。【结论】基于高光谱技术与机器学习模型可以估测博州耕地土壤的有机质与全氮含量。