河套灌区土壤水溶性盐基离子高光谱综合反演模型

摘要

为了提高野外高光谱反演土壤水溶性盐基离子的精度,以河套灌区永济灌域盐渍化土壤为研究对象,构建了基于光谱变换、特征波段、特征光谱指数筛选以及支持向量机(SVM)的机器学习相结合的高光谱综合反演模型.结果 表明,经预处理的原始光谱反射率与土壤离子相关性总体较低,最大相关系数仅为0.18,原始光谱反射率与土壤离子的相关系数由大到小依次为Ca2、SO42-、Mg2+、全盐量、Na++K+、Cl-.全盐量、Na++K+、Cl-、SO42-、Ca2+、Mg2+的光谱最优变换形式分别为(1/R)″、(1/R)″、(lnR)′、(lnR)″、R′、(lnR)″,敏感波段(P＜0.01)数分别为41、7、9、65、76、28个,利用逐步回归法在敏感波段中筛选出特征波段,基于特征波段建立的回归模型中各离子的决定系数R2平均值为0.35,均方根误差RMSE平均值为0.87 g/kg,其中SO42-拟合精度最高,R2为0.52,Ca2+拟合精度最低,R2仅为0.20.将特征波段代入光谱指数中,结合逐步回归法确定了Mg2+特征光谱指数为3个,全盐量特征光谱指数为2个,Na++K+、SO42-、Ca2+特征光谱指数分别为1个,与仅考虑特征波段的回归模型相比,特征波段+特征光谱指数结合后各离子回归模型的R2平均提高了58.67％,RMSE降低了24.60％,其中SO42-拟合精度最高,R2为0.74,RMSE为0.47 g/kg.考虑了特征波段+特征光谱指数的SVM模型相比仅考虑特征波段的SVM模型,其预测能力有了明显提高,各离子相对分析误差(RPD)平均提高了110.27％,训练集R2平均提高了37.54％,RMSE平均降低了40.12％,验证集R2平均提高了56.04％,RMSE平均降低了39.39％.SO42-的RPD达到3.000,模拟效果最优,具备很好的预测能力;全盐量模型具有很好的定量预测能力,Mg2+模型可用于评估或相关性方面的预测,Na++K+、Ca2+的模型具有区别高低值的能力.