基于近红外光谱特征波段筛选的潮土剖面碱解氮含量估测
吴士文1
张叶晨1
郝文晖1
宋雨1
郭燕2
张俊华1
索炎炎3
1.华北水利水电大学 测绘与地理信息学院,河南 郑州 4500462.河南省农业科学院 农业信息技术研究所/农业农村部黄淮海智能农业技术重点实验室,河南 郑州 4500023.河南省农业科学院 植物营养与资源环境研究所,河南 郑州 450002
摘要：土壤剖面碱解氮含量反映土壤短期供氮潜力,但其高光谱估测容易受到数据高维冗余特征制约,影响模型精度.为优化方法组合提升估测精度,以河南省潮土分布范围为研究区,选取农田、果园和蔬菜地共11个1m深土壤剖面,利用近红外高光谱成像仪采集剖面高光谱图像,获取220个土壤样品的光谱信息.采用标准正态变换(SNV)、一阶微分(FD)等5种光谱预处理方法,结合竞争性自适应重加权采样(CARS)、连续投影法(SPA)和无信息变量消除(UVE)提取碱解氮敏感波段,分别构建偏最小二乘回归(PLSR)模型与最小二乘支持向量机(LS-SVM)模型,对比分析不同方法组合的估测精度.结果表明,SNV和FD预处理均提升了模型预测性能,特征波段筛选方法在LS-SVM模型中的表现总体优于PLSR模型.其中,FD-CARS-LS-SVM模型表现最优,其预测集R²达0.89,均方根误差(RMSE)为11.58 mg/kg,相对分析误差(RPD)为2.92.基于最优模型进行剖面验证发现,所有剖面的R2介于0.90～0.98,RMSE介于4.33～11.77 mg/kg,RPD均大于2.3,表明该模型稳定性高,可实现潮土剖面碱解氮含量的精准反演与纵向分布表征.综上,FD预处理结合CARS变量筛选可有效消除高光谱冗余信息,结合非线性LS-SVM模型可实现潮土剖面碱解氮含量最优估测,该方法可有效表征碱解氮在剖面纵向上的空间分异规律.
关键词：潮土碱解氮特征波段模型高光谱
分类号：S153.6(土壤学)S127(农业物理学)
资助基金：国家自然科学基金(42107349)河南省科技攻关项目(232102111014)河南省科技攻关项目(252102110190)农业部重点实验室开放基金(202408)河南省农业科学院遥感创新团队项目(2024TD28)河南省科技研发计划联合基金项目(252103810042)
论文发表日期：2026-06-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：13( 68-80 )
英文信息