基于局部加权回归的土壤全氮含量可见-近红外光谱反演

摘要：

全氮是土壤肥力的重要指标,对作物产量具有决定性作用,采用土壤可见-近红外(Vis-NIR)光谱预测技术及时获取土壤全氮含量信息具有重要意义.采用来自5省的450个土壤样本来验证局部加权回归方法(LWR)结合Vis-NIR光谱技术预测大面积土壤全氮含量的适用性.结果表明,LWR模型的预测效果优于偏最小二乘回归(PLSR)、人工神经网络(ANN)和支持向量机(SVM),选取主成分数为5,相似样本为40时,模型验证的决定系数(RO2)为0.83,均方根误差(RMSEO)为0.25 g kg-,测定值标准偏差与标准预测误差的比值(RPD)达到2.41.LWR从建模集中选取与验证样本相似的土样作为局部建模样本,降低了差别大的样本对模型的干扰,从而提高了模型的预测能力.因此,LWR建模方法通过大范围、大样本土壤光谱数据进行大尺度区域的全氮等土壤属性预测时能够发挥更好的作用.

关键词：土壤光谱、全氮预测、局部建模、偏最小二乘法、局部加权回归

所属期刊栏目：52

分类号：S127/TP79(农业物理学)

资助基金：国家自然科学基金;国家高技术研究发展计划（863计划）;新世纪优秀人才支持计划

在线出版日期：2015-05-27（万方平台首次上网日期，不代表论文的发表时间）

页码：312-320