基于高光谱的土壤全氮含量估测

摘要：

基于高光谱(350～2 500 nm)数据,研究了我国中、东部地区5种主要类型土壤全氮含量与高光谱反射率之间的定量关系,构建了基于偏最小二乘法(PLS)、BP神经网络(BPNN)和特征光谱指数的土壤全氮含量估算模型.结果表明,以500～900 nm、1 350～1 490nm区域波段反射率经Norris滤波平滑后的一阶导数光谱为基础,构建的基于PLS和BPNN的土壤全氮含量估算模型精度较高,建模决定系数分别为0.81和0.98;独立观测资料检验结果显示,模型预测决定系数分别为0.81和0.93,均方根误差RMSE为0.219 g·kg-1和0.149g·kg-1,相对分析误差RPD为2.28和3.36,说明PLS和BPNN模型对土壤全氮含量具有较高的预测精度.在光谱指数的分析中,基于近红外872nm和1482 nm两个波段的差值光谱指数DI(NDR872,NDR1482)对土壤全氮含量最敏感,建模决定系数、预测决定系数、RMSE和RPD分别为0.66、0.53、0.31g·kg-1和1.60.比较而言,三种方法估算土壤氮含量的精度顺序为BPNN模型＞PLS＞DI (NDR872,NDR1482),基于PLS和BPNN两种方法建立的土壤全氮含量高光谱估测模型具有较高的精度,可以用来精确估算土壤全氮含量;基于两波段构建的DI(NDR872,NDR1482)预测效果低于前两者,但也可以用来粗略估测土壤中的全氮含量.

关键词：土壤、全氮、高光谱、偏最小二乘法、BP神经网络、光谱指数

所属期刊栏目：26

分类号：S153.6(土壤学)

资助基金：教育部新世纪优秀人才支持计划NCET-08-0797;国家自然科学基金30871448;江苏省创新学者攀登计划BK2008037;江苏省自然科学基金BK2008330

在线出版日期：2011-08-16（万方平台首次上网日期，不代表论文的发表时间）

页码：881-890