BA-Adaboost模型的黑土区土壤养分含量高光谱估测

摘要

黑土中的有机质、磷和钾等养分元素在作物生长过程中起着至关重要的作用,研究黑土养分元素的分布特征,开展元素含量的定量计算,对黑土地的科学管理和环境保护具有重要意义.基于黑龙江省讷河市80份黑土样品和高光谱实测数据,分析了光谱反射率、反射率一阶微分、反射率倒数对数、反射率倒数对数一阶微分与土壤有机质、磷元素和钾元素含量的相关性,并利用相关系数法提取敏感波段.针对机器学习模型中参数值优化选择问题,引入蝙蝠算法(BA)并与Adaboost模型相结合,利用BA对Adaboost模型中的最大迭代次数n和弱学习器权重缩减系数v两个核心参数进行寻优计算,选择CART决策树为模型的弱回归学习器,决定系数作为参数优化的目标函数值,构建BA-Adaboost土壤养分含量高光谱预测模型,定量估测土壤有机质、磷元素和钾元素含量,结果表明:BA-Adaboost组合模型可以快速搜索全局最优参数,经BA优化后的Adaboost模型精度和可靠性显著提高,3种元素中,土壤有机质估测精度最高,决定系数和均方根误差分别为0.864和0.152 g·kg-1,对比优化前模型预测精度提高了14.2％ 和25.4％,说明构建的BA-Adaboost模型在土壤元素含量高光谱估测中具有一定的应用前景,是一种高效的估测方法.