基于高光谱的退化高寒草甸土壤碳氮磷含量反演研究

来源：中国土壤与肥料杂志2024年第6期北京时间：

作者：柴瑜，李希来，马盼盼，徐文印，段成伟，把熠晨

单位：(青海大学农牧学院，青海 西宁 810016)

摘要：以黄河源区为研究区域，选取退化高寒草甸作为研究样地，通过野外调查采样，结合室内土壤养分与土壤高光谱数据测量，分析退化高寒草甸土壤植被及养分特征，对土壤高光谱数据进行数学变换与土壤养分含量相关系数计算，采用偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)方法分别建立土壤有机碳、全氮、全磷含量的反演模型。结果表明:PLSR建立的土壤有机碳和土壤全磷含量预测模型优于BPNN模型，预测效果更好，其中，土壤有机碳含量PLSR预测模型建模集R2=0.9585，RMSE=0.1079，验证集R2=0.9493，RMSE=0.1210，模型精度较高，可以进行准确估算，土壤全磷含量PLSR预测模型建模集R2=0.7497，RMSE=0.2391，验证集R2=0.5977，RMSE=0.2445，达到基本估算要求；BPNN建立的土壤全氮含量预测模型优于PLSR模型，其建模集R2=0.8772，RMSE=0.7663，验证集R2=0.6887，RMSE=0.8556，模型精度较好，达到基本估算要求。

关键词：黄河源区;退化高寒草甸;土壤碳氮磷;高光谱遥感;反演模型

基金资助：基金项目:国家自然科学基金项目(U21A20191)；青海省自然科学基金创新团队项目(2020-ZJ-904)；高等学校学科创新引智计划项目(D18013)；青海省科技创新创业团队项目。