基于可见近红外光谱比较主成分回归、偏最小二乘回归和反向传播神经网络对土壤氮的预测研究
需积分: 40 160 浏览量
2021-02-09
03:28:33
上传
评论 1
收藏 1.81MB PDF 举报
书书书
第
３２
卷
第
８
期
光
学
学
报
Ｖｏｌ．３２
，
Ｎｏ．８
２０１２
年
８
月
犃犆犜犃犗犘犜犐犆犃犛犐犖犐犆犃
犃狌
犵
狌狊狋
，
２０１２
基于可见 近红外光谱比较主成分回归、偏最小二乘
回归和反向传播神经网络对土壤氮的预测研究
李
硕
１
汪善勤
１
，
２
张美琴
１
１
华中农业大学资源与环境学院，湖北 武汉
４３００７０
２
中国科学院土壤与农业可持续发展国家重点实验室，江苏 南京
（ ）
２１０００８
摘要
建模方法是影响可见 近红外光谱定量结果的主要因素之一。在
４７０
～
１０００ｎｍ
波段的
１２
个土壤剖面对
４８
个剖面样经过风干、研磨、过筛后进 行光 谱 采集。经 一 阶微 分变 换 及
Ｓａｖｉｚｋ
ｙ
Ｇｏｌａ
ｙ
平 滑处 理 后，分 别应 用 主 成 分
回归（
ＰＣＲ
）、偏最小二乘回归（
ＰＬＳＲ
）和反向传播神经网络（
ＢＰＮＮ
）
３
种方法建立土 壤全 氮（
ＴＮ
）的定 量模 型。
ＰＣＲ
与
ＰＬＳＲ
两线性模型的决定系数（
犚
２
）分别为
０．７４
和
０．８
，其剩余预测偏差（
ＲＰＤ
）分别为
２．２３
和
２．２２
，但两模型仅
能用于
ＴＮ
的粗略估计。由
ＰＣＲ
提供主成分数，
ＰＬＳＲ
提供潜 变量 （
ＬＶ
）数 分别 作 为
ＢＰＮＮ
的 输入 所构 建 的两 个
非线性模型均明显优于线性模型
ＰＣＲ
和
ＰＬＳＲ
。其中以
４
个
ＬＶ
作为输入 的
ＢＰＮＮＬＶ
模型 预测 性能最 优，
犚
２
以
及
ＲＰＤ
分别达到
０．９
和
３．１１
。实验结果表明，提取可见 近红外光谱的
ＰＬＳＲＬＶ
因子作为
ＢＰＮＮ
的输入，所建定
量模型可用于土壤氮纵向时空分布的快速准确预测。
关键词
光谱学；土壤光谱；可见近红外；主成分回归；偏最小二乘回归；反向传播神经网络
中图分类号
ＴＰ７９
；
Ｓ１５１．９
文献标识码
Ａ
犱狅犻
：
１０．３７８８
／
犃犗犛２０１２３２．０８３０００１
收稿日期：
２０１２０２１４
；收到修改稿日期：
２０１２０３１４
基金项目：国家自然科学基金（
４０８０１０８２
）资助课题。
作者简介：李
硕（
１９８３
—），男，博士研究生，主要从事土壤高光谱定量遥感方面的研究。
犈犿犪犻犾
：
狊犺狌狅
犵
狌狅
犵
狌狅
＠
狑犲犫犿犪犻犾．犺狕犪狌．犲犱狌．犮狀
导师简介：汪善勤（
１９７４
—），男，副教授，主要从事农业地理遥感信息处理与应用等方面的研究。
犈犿犪犻犾
：
狊
狇
狑犪狀
犵
＠
犿犪犻犾．犺狕犪狌．犲犱狌．犮狀
犆狅犿
狆
犪狉犻狊狅狀犃犿狅狀
犵
犘狉犻狀犮犻
狆
犪犾犆狅犿
狆
狅狀犲狀狋犚犲
犵
狉犲狊狊犻狅狀
，
犘犪狉狋犻犪犾犔犲犪狊狋
犛
狇
狌犪狉犲狊犚犲
犵
狉犲狊狊犻狅狀犪狀犱犅犪犮犽犘狉狅
狆
犪
犵
犪狋犻狅狀犖犲狌狉犪犾犖犲狋狑狅狉犽犳狅狉
犘狉犲犱犻犮狋犻狅狀狅犳犛狅犻犾犖犻狋狉狅
犵
犲狀狑犻狋犺犞犻狊犻犫犾犲犖犲犪狉犐狀犳狉犪狉犲犱犛
狆
犲犮狋狉狅狊犮狅
狆狔
犔犻犛犺狌狅
１
犠犪狀
犵
犛犺犪狀
狇
犻狀
１
，
２
犣犺犪狀
犵
犕犲犻
狇
犻狀
１
１
犆狅犾犾犲
犵
犲狅
犳
犚犲狊狅狌狉犮犲狊犪狀犱犈狀狏犻狉狅狀犿犲狀狋
，
犎狌犪狕犺狅狀
犵
犃
犵
狉犻犮狌犾狋狌狉犪犾犝狀犻狏犲狉狊犻狋
狔
，
犠狌犺犪狀
，
犎狌犫犲犻
４３００７０
，
犆犺犻狀犪
２
犛狋犪狋犲犓犲
狔
犔犪犫狅狉犪狋狅狉
狔
狅
犳
犛狅犻犾犪狀犱犛狌狊狋犪犻狀犪犫犾犲犃
犵
狉犻犮狌犾狋狌狉犲
，
犆犺犻狀犲狊犲犃犮犪犱犲犿
狔
狅
犳
犛犮犻犲狀犮犲狊
，
犖犪狀
犼
犻狀
犵
，
犑犻犪狀
犵
狊狌
２１０００８
，
烄
烆
烌
烎
犆犺犻狀犪
犃犫狊狋狉犪犮狋
犜犺犲狊犲犾犲犮狋犻狅狀狅犳犿狅犱犲犾犻狀
犵
犿犲狋犺狅犱犻狊狅狀犲狅犳狋犺犲 犿犪犻狀犳犪犮狋狅狉狊犻狀犳犾狌犲狀犮犻狀
犵
狋犺犲
狇
狌犪狀狋犻狋犪狋犻狏犲犪犮犮狌狉犪犮
狔
狑犻狋犺
狏犻狊犻犫犾犲狀犲犪狉犻狀犳狉犪狉犲犱
（
犞犻狊犖犐犚
）
狊
狆
犲犮狋狉狅狊犮狅
狆狔
．犠犲犮狅犿
狆
犪狉犲狋犺犲
狆
犲狉犳狅狉犿犪狀犮犲狅犳狋犺狉犲犲犮犪犾犻犫狉犪狋犻狅狀狊 犿犲狋犺狅犱狊
，
犻．犲．
，
狆
狉犻狀犮犻
狆
犪犾犮狅犿
狆
狅狀犲狀狋狉犲
犵
狉犲狊狊犻狅狀
（
犘犆犚
），
狆
犪狉狋犻犪犾犾犲犪狊狋狊
狇
狌犪狉犲狊狉犲
犵
狉犲狊狊犻狅狀
（
犘犔犛犚
），
犪狀犱 犫犪犮犽
狆
狉狅
狆
犪
犵
犪狋犻狅狀 狀犲狌狉犪犾
狀犲狋狑狅狉犽
（
犅犘犖犖
）
犫犪狊犲犱狅狀 犞犻狊犖犐犚狉犲犳犾犲犮狋犪狀犮犲狊
狆
犲犮狋狉犪狅犳狊狅犻犾狋狅狋犪犾狀犻狋狉狅
犵
犲狀
（
犜犖
）
狇
狌犪狀狋犻狋犪狋犻狏犲犳狅狉犲犮犪狊狋狉犲狊狌犾狋狊．
犆狅狏犲狉犲犱犻狀狋犺犲４７０
～
１０００狀犿 狑犪狏犲犾犲狀
犵
狋犺狉犪狀
犵
犲
，
狊
狆
犲犮狋狉狅狊犮狅
狆狔
狅犳４８狊狅犻犾狊犪犿
狆
犾犲狊狊犲犾犲犮狋犲犱犳狉狅犿１２
狆
狉狅犳犻犾犲狊犪狉犲犪犻狉
犱狉犻犲犱
，
狊犮狉犲犲狀犲犱犪狀犱 犿狌狊犺犲犱
，
狋犺犲狀
狆
狉狅犮犲狊狊犲犱犫
狔
狋犺犲犳犻狉狊狋狅狉犱犲狉犱犲狉犻狏犪狋犻狏犲犪狀犱犛犪狏犻狕犽
狔
犌狅犾犪
狔
狊犿狅狅狋犺犻狀
犵
犿犲狋犺狅犱狊．
犔犲犪狏犲狅狀犲狅狌狋犮狉狅狊狊狏犪犾犻犱犪狋犻狅狀犻狊犪犾狊狅犪犱狅
狆
狋犲犱狋狅犱犲狋犲狉犿犻狀犲狋犺犲狅
狆
狋犻犿犪犾犳犪犮狋狅狉狀狌犿犫犲狉狊．犜犺犲狉犲狊狌犾狋狊犻狀犱犻犮犪狋犲狋犺犪狋犘犆犚
犪狀犱犘犔犛犚 犾犻狀犲犪狉 犿狅犱犲犾狊 犪狉犲犪犫犾犲狋狅 犿犲犲狋
犵
犲狀犲狉犪犾
狆
狉犲犱犻犮狋犻狅狀 犪狀犱 狑犻狋犺犾犻狋狋犾犲 犱犻犳犳犲狉犲狀犮犲
，
狑犺犲狉犲 犮狅犲犳犳犻犮犻犲狀狋狊 狅犳
犱犲狋犲狉犿犻狀犪狋犻狅狀
（
犚
２
）
犪狉犲０．７４犪狀犱０．８
，
狉犲狊
狆
犲犮狋犻狏犲犾
狔
，
犪狀犱狉犲狊犻犱狌犪犾
狆
狉犲犱犻犮狋犻狏犲犱犲狏犻犪狋犻狅狀
（
犚犘犇狊
）
犪狉犲２．２３犪狀犱２．２２．
犜犺犲狋狑狅狀狅狀犾犻狀犲犪狉犿狅犱犲犾狊犫狌犻犾狋犫
狔
犅犘犖犖犻狀犮狅犿犫犻狀犪狋犻狅狀狑犻狋犺犘犆犚犪狀犱犘犔犛犚
，
狉犲狊
狆
犲犮狋犻狏犲犾
狔
，
犪狉犲狊狌
狆
犲狉犻狅狉狋狅狋犺犲犾犻狀犲犪狉
犿狅犱犲犾狊狅犳犘犆犚犪狀犱犘犔犛犚犻狀狋犺犲
狆
狉犲犮犻狊犻狅狀狅犳
狆
狉犲犱犻犮狋犻狅狀．犅犘犖犖
，
狆
狉犻狀犮犻
狆
犪犾犮狅犿
狆
狅狀犲狀狋狊
（
犘犆狊
）
狑犺狅狊犲犻狀
狆
狌狋犻狊狋犺犲犘犆狊
狉犲狊狌犾狋犲犱犳狉狅犿狋犺犲犘犆犚
，
狑犺犻犾犲狋犺犲犅犘犖犖犾犪狋犲狀狋狏犪狉犻犪犫犾犲狊
（
犔犞狊
）
狑犺狅狊犲犻狀
狆
狌狋犻狊狋犺犲犳犻狉狊狋４犔犞狉犲狊狌犾狋狊狅犫狋犪犻狀犲犱犳狉狅犿
犘犔犛犚犺犪狊狋犺犲犫犲狊狋
狆
犲狉犳狅狉犿犪狀犮犲
（
犚
２
＝０．９
，
犚犘犇犻狊３．１１
）
．犐狋犻狊狉犲犮狅犿犿犲狀犱犲犱狋狅犪犱狅
狆
狋犅犘犖犖犔犞 犿狅犱犲犾狋狅狉犪
狆
犻犱犾
狔
０８３０００１１
评论0