基于可见光近红外光谱的广东省耕作土壤分类研究

摘要

土壤分类是土壤遥感的重要研究内容.本研究利用广东省219个村镇稻田的土壤样本,首先获取土壤样本在350-2500nm光谱,采用S-G平滑滤波,之后基于遗传算法(Genetic Algrithm,GA)提取光谱特征,作为支持向量机分类(Support vector machine,SVM)输入,分别进行了土纲、亚纲、土类三个级别的土壤分类.结果表明:(1)在不同的土壤分类级别下,铁氧化物在650-710nm,900nm附近的光谱特征区间、羟基矿物在2207-2237nm和2377-2397nm的吸收区间均被作为分类特征变量;(2)随着土壤类型的细分,特征光谱变量逐渐增多,有机质等的一些敏感波段被选入,土纲和亚纲下分类精度接近67％左右,土类级分类精度稍低为58.67％.利用遗传算法提取光谱特征,并进行支持向量机分类在土壤分类中具有一定优势.