利用高光谱成像仪(光谱范围400～1000 nm)对土壤含水率进行了无损检测.比较了208个土样不同天数下土壤含水率与光谱变化、不同质量含水量光谱的差异;对比分析了不同光谱预处理方法、不同方法提取特征波长、采用多元线性回归(multiple linear regression,MLR)、主成分回归(principal component re-gression,PCR)与偏最小二乘回归(partial least squares regression,PLSR)建模,优选出最佳模型.结果表明:光谱曲线的反射率随着土壤含水率的增加而减小.当超过田间持水率时,光谱曲线的反射率会随着土壤含水率的增加而增大.对比分析了不同预处理方法,近红外波段优选出单位向量归一化预处理方法.采用无信息变量消除法(UVE)、竞争自适应加权采样(CARS)、β系数法、连续投影算法(SPA)方法提取特征波长为49,30,5和7.为了减少数据冗余,对UVE与CARS提取的特征波长进一步采用SPA方法进行特征提取,UVE+SPA,CARS+SPA提取特征波长数分别为5和8个.在此基础上,利用MLR,PCR和PLSR方法对400～1000 nm范围的特征波长建立模型,对比分析不同建模效果,优选出β系数提取的特征波长的M L R模型.最优的特征波长为411,440,622,713和790 nm,最优模型的预测相关系数Rp=0.979,预测均方根误差RMSEP为0.763.因此,今后可采用不同波段对土壤含水率进行定量分析.
展开▼
