基于数据挖掘技术的高光谱土壤质地分类研究

摘要：

[目的]寻找红壤地区不同土壤质地类型的Vis-NIR光谱反射规律,通过光谱对土壤质地类别进行快速、准确的预测.[方法]以江西省奉新县北部为研究区,245个土壤样本为研究对象,在国际制土壤质地4组和12级两种分类标准下,首先分析不同土壤质地类型的光谱反射率,然后采用9种数学变换方法和5种机器学习算法相互组合的数据挖掘模型,进行土壤质地的分类研究,最后对建模准确度最高的混淆矩阵和预测结果三角坐标分布图进行分析.[结果](1)不同土壤质地之间的光谱反射率存在较多的交叉重叠现象,土壤质地与光谱反射率之间的规律较为复杂;(2)分数阶导数变换是整数阶导数的扩展,有助于土壤质地的分类,但原始光谱数据具有更加丰富的特征信息,更适合进行土壤质地分类建模;(3)在对非均衡数据集建模时,集成学习方法和神经网络方法都是不错的选择;(4)较难通过模型去区分土壤质地分界线附近的类别,其中在4组分类标准下最容易被预测错误成黏壤土组,在12级分类标准下最容易被预测错误成黏壤土和壤质黏土这两种土壤质地类型;(5)在4组分类标准中,进行归一化处理和MLP模型组合取得了0.68的最高预测准确度,其中黏壤土组的预测准确度能达到0.84;再细分到12级分类后,分类效果最佳的组合来自于原始数据和MLP模型,其中壤质黏土分类准确度达到了0.89.[结论]本研究结果可为南方红壤地区通过高光谱数据进行土壤质地分类提供参考依据.

关键词：红壤区、可见光近红外光谱、土壤质地、分类、数据挖掘技术

所属期刊栏目：53

资助基金：国家自然科学基金项目;国家重点研发计划项目

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：4449-4459