土壤有机质对全球碳平衡的影响（基于高光谱的土壤有机质含量估测研究进展）

土壤有机质对全球碳平衡的影响（基于高光谱的土壤有机质含量估测研究进展）但高光谱同时也具有波段数目多、数据量大、信息冗余和重叠的缺陷。因此在针对光谱数据质量的研究中，前人主要通过对原始数据的各种变换和增强处理，提高光谱数据的质量，从而进行相关参数的构建及模型的反演。沈兰芝等采用多种预处理方法，包括去噪处理、数据变换及降维处理，最终利用支持向量回归法和偏最小二乘回归法建立了土壤有机质含量估测模型，结果表明合适的预处理即小波去噪和主成分分析（Principal Component Analysis，PCA）降维相结合可有效改善光谱数据质量。国佳欣等对土壤光谱进行了包含分数阶微分在内的数学变换，筛选出显著的波段构建了偏最小回归模型和BP神经网络模型，结果表明1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息，有助于其含量预测，并且复合模型能够更好地预测SOM含量。高光谱数据主要具有光谱分辨率高、光谱范围广、波段连续、信息含量丰富等特点。国内外众多学

本文节选自《智慧农业（中英文）》2020年第2卷第3期，朱西存教授团队的文章《土壤有机质含量高光谱估测模型构建及精度对比》，其引用格式如下，欢迎大家阅读、引用。

引文格式：刘恬琳 朱西存 白雪源 彭玉凤 李美炫 田中宇 姜远茂 杨贵军. 土壤有机质含量高光谱估测模型构建及精度对比[J]. 智慧农业(中英文) 2020 2(3): 129-138.

LIU Tianlin ZHU Xicun BAI Xueyuan PENG Yufeng LI Meixuan TIAN Zhongyu JIANG Yuanmao YANG Guijun. Hyperspectral Estimation Model Construction and Accuracy Comparison of Soil Organic Matter Content[J]. Smart Agriculture 2020 2(3): 129-138.

点击直达知网阅读

点击直达官网阅读（全文，免费）

基于高光谱的土壤有机质含量估测研究进展

土壤有机质（Soil Organic Matter，SOM）是作物生长的重要来源，其含量能够反映土壤肥力状况，对作物的生长发育有着显著影响，是表征土地质量的重要指标之一。然而土壤是一个综合复杂的生态系统，土壤养分含量指标的定量评价及其研究一直以来都是土壤学科的重点与难点。SOM含量可以直接通过地面调查和观测获取，但此方法存在周期长、时效性差、成本高等缺点，所能达到的空间尺度也有一定的局限性。研究表明，土壤的反射光谱能够反映土壤的理化性质，高光谱等光谱分析技术可为快速、实时估测土壤有机质含量提供有效手段。

高光谱数据主要具有光谱分辨率高、光谱范围广、波段连续、信息含量丰富等特点。国内外众多学者分别利用不同的高光谱数据对SOM含量反演进行了研究。包青岭等利用小波变换和数学变换进行光谱数据预处理，利用灰色关联分析与随机森林算法（Random Forest，RF）对特征光谱进行分析，并建立多元线性预测模型，结果表明，基于机器学习分类方法结合小波分解的土壤光谱有机质含量监测，可以有效提高特征波段的分类预测精度。李冠稳等结合偏最小二乘回归和RF建立SOM含量估算模型，并与竞争性自适应重加权算法、迭代保留有效信息变量、连续投影算法和遗传算法所得结果进行比较，挑选出建立RF模型的51个变量数，模型相对分析误差（Relative Percent Deviation，RPD）达到4.7，能够很好地预测SOM含量。George等利用高分辨率高光谱卫星/机载数据，获取可见光区的敏感带产生各种光谱指数，通过神经网络模型和光谱敏感指数对SOM中的有机碳含量进行预测，决定系数R2达到0.92。Wei等经过预处理得到的10个光谱指标，利用岭回归、核岭回归、贝叶斯岭回归和AdaBoost算法建立了基于特征波段的SOM高光谱反演模型。检测SOM含量具有检测精度高、速度快的特点，对精准农业的快速发展具有重要意义。

但高光谱同时也具有波段数目多、数据量大、信息冗余和重叠的缺陷。因此在针对光谱数据质量的研究中，前人主要通过对原始数据的各种变换和增强处理，提高光谱数据的质量，从而进行相关参数的构建及模型的反演。沈兰芝等采用多种预处理方法，包括去噪处理、数据变换及降维处理，最终利用支持向量回归法和偏最小二乘回归法建立了土壤有机质含量估测模型，结果表明合适的预处理即小波去噪和主成分分析（Principal Component Analysis，PCA）降维相结合可有效改善光谱数据质量。国佳欣等对土壤光谱进行了包含分数阶微分在内的数学变换，筛选出显著的波段构建了偏最小回归模型和BP神经网络模型，结果表明1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息，有助于其含量预测，并且复合模型能够更好地预测SOM含量。

除了对数据进行各种增强光谱信息、提高数据质量的预处理外，还针对经过预处理的光谱构建了多种光谱参数，用以反演SOM含量。张智韬等利用经过分数阶微分处理的光谱构建了归一化光谱指数，经过筛选获得敏感指数后构建RF模型，结果对不同类别土质均有较好的评估效果。除了最常见的数学方法，新的处理技术也用于处理光谱数据。王延仓等采用二进制小波技术将土壤光谱数据分离为5个尺度的高频数据与低频数据，再将低频数据、高频数据分别与土壤有机质实测数据进行相关性分析，提取最佳波段组合，构建有机质含量诊断模型，结果表明，与数学方法相比，基于二进制小波变换算法构建的模型精度较高，稳定性较好，其最优模型的预测精度提高了31.5%。

针对高光谱数据的特点，无论是算法构建还是数据处理方法选取，均是为了解决高光谱数据的冗余和重叠现象，最终改善光谱数据质量，提高模型反演精度。有机质含量是衡量土壤肥力的重要指标，对农产品的产量和品质起到关键作用。

小

店

欢迎光临选购

微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。

入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。

发布征集

欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。