关键词:
土壤全氮
分数阶微分
竞争自适应重加权算法
偏最小二乘回归
摘要:
【目的】精确了解草原土壤退化状况,在保证监测时效性的基础上提高土壤全氮含量实时监测的精度。【方法】以内蒙古草甸草原、典型草原和荒漠草原为研究对象,土壤样本经过预处理,在室内获取高光谱反射率后测定土壤全氮含量。通过使用分数阶微分(FOD)与竞争自适应重加权算法(CARS)协同的方法,建立基于高光谱的草原土壤全氮预测模型,探究拟合点数、微分阶数对光谱反射率与土壤全氮含量相关性以及模型估测性能的影响。【结果】1)在土壤全氮含量的高光谱估测中,最佳土壤全氮含量估测模型为拟合点数40、微分阶数1.2结合CARS建立的偏最小二乘回归(PLSR)模型。2)模型训练集的R^(2)为0.95、RMSE为0.20 g/kg,测试集的R^(2)为0.91、RMSE为0.36 g/kg,验证集的R^(2)为0.88、RMSE为0.23 g/kg。【结论】FOD结合CARS算法建立的PLSR模型是一种高效的土壤全氮含量估测技术,可为草原地区的土壤全氮含量准确估测提供可靠依据。此外,由于土壤类型以及土壤母质存在空间差异性,适用于不同地区的土壤类型以及同一土壤类型的不同土壤母质的估测方法还有待研究。