基于sCARS的淮北平原土壤有机质含量高光谱建模

摘要

为确定淮北平原砂姜黑土土壤有机质(SOM)最佳反演模型,探寻最佳特征波长筛选方法,提高模型预测精度。利用原始光谱进行倒数对数(Log(1/R))、标准正态变量变换(SNV)、去包络线(CR)、一阶微分(FDR)处理,采用稳定竞争性自适应重加权算法(sCARS)筛选特征变量,对比分析竞争性自适应重加权算法(CARS)、相关系数法(|r|≥0.47)和显著性水平法(p≤0.01)所得结果,建立SOM含量的偏最小二乘(PLSR)模型,并对比精度差异。结果表明:(1)全波段范围内,SOM含量与原始光谱呈极显著负相关,与Log(1/R)光谱呈极显著正相关,与SNV光谱相关性明显增强。CR和FDR光谱与SOM含量呈不同程度的正负相关性。(2)对比全波段,CARS和sCARS算法能够有效去除光谱冗余信息,筛选得到特征波段数目仅占全波段的1%~5%。筛选后模型精度更高,相对分析误差(RPD)均大于1.8。(3)相比于CARS算法,sCARS算法具备更好的稳定性和精确性。筛选到的特征波段主要分布在800~850、1850~1900、2050~2500 nm区域。(4)Log(1/R)-sCARS模型精度最佳,建模集和预测集的决定系数(R2)分别提升了0.08和0.28,RPD值为3.05,对SOM含量预测极好。