基于高光谱数据的土壤全氮含量估测模型对比研究

来源：中国土壤与肥料杂志2022年第1期北京时间：

作者：殷彩云，白子金，罗德芳，彭杰

单位：(塔里木大学植物科学学院，新疆 阿拉尔 843300)

摘要：构建基于高光谱数据的土壤全氮含量估测模型，为快速、准确监测农田土壤全氮含量，判断作物生长发育情况和评价土地质量提供新的技术和方法。以新疆南疆地区主要类型土壤为研究对象，于室内测定土壤全氮含量和光谱反射率数据，利用偏最小二乘回归(PLSR)、支持向量机回归(SVM)、随机森林回归(RF)与光谱反射率(R)及其4种数学变换相结合，建立全区和分区全氮含量估测模型。结果表明，PLSR最优模型的预测集R2和RPD分别为0.73和1.82；SVM最优模型的预测集R2和RPD分别为0.75和1.97；RF最优模型的预测集R2和RPD分别为0.86和3.52，3种模型的预测能力依次为RF>SVM>PLSR。除一阶微分(FD)变换外，其它数据变换均对模型精度有不同程度的提高。R及其4种变换后数据均以RF建模精度较高，而以PLSR和SVM建模精度相对较低。全区模型稳定性要高于分区模型，分区模型差异性较明显，稳定性较差。总体来看，RF模型的预测能力稳定，适用性较好，精度较高，可较精确地估测土壤全氮含量；而PLSR和SVM模型只能对全氮含量进行粗略估测。因此，利用RF模型可实现研究区土壤全氮含量的快速准确估测。

关键词：土壤全氮;高光谱;偏最小二乘;支持向量机;随机森林;估测模型

基金资助：基金项目:国家重点研发计划(2018YFE0107000)；兵团南疆重点产业创新发展支撑计划(2020DB003)。