农业机械学报

作者：王海江,刘凡,YUNGER John A,崔静,马玲

单位：石河子大学,石河子大学,伊利诺伊州长州立大学,石河子大学,石河子大学,

关键词：土壤;全氮含量;土壤粒径;高光谱;模型

基金：国际科技合作项目（2015DFA11660）、石河子大学校级项目(RCZX201522)和兵团重大科技计划项目(2018AA004)

采集新疆北疆棉田385个自然土壤样本，将筛选出的土壤样品分别过2、1、0.5、0.15mm筛并测定其原始光谱反射率，利用支持向量机（Support vector machine，SVM）、偏最小二乘回归（Partial least squares regression，PLSR）和多元逐步线性回归（Stepwise multiple linear regression，SMLR）方法对土壤原始光谱及其12种光谱变换数据分别构建土壤全氮含量的估测模型，并对模型精度进行检验。结果表明，土壤原始光谱特征在各个波段与全氮含量相关性都较差，不同形式的数据变换均能够提高光谱反射率与全氮含量的相关性，同一种数据变换形式在不同粒径处理中最大相关系数所对应的波段位置差异不大。从不同粒径处理的拟合精度来看，过筛粒径越小对全氮含量的估测精度越高，3种方法的最优拟合模型都是过0.15mm筛的处理，其中SVM方法采用（lgR）′变换后，构建模型R2c为0.8987，?RMSEc为0.0181，?RPD为2.7049，PLSR和SMLR方法均采用R′变换，构建模型的R2c分别为0.8520和0.8196，RMSEc分别为0.0413和0.0436，?RPD?分别为2.5549和2.4374，3种方法在该过筛处理下均能够很好地估测土壤全氮含量。用未参与建模的样本对3种最优模型进行验证，SVM、PLSR和SMLR模型的检验R2分别为0.8229、0.7715和0.7054，SVM方法优于PLSR和SMLR，模型具有较好的精度和稳定性，从模型的预测误差来看，土壤全氮含量越低其预测误差也越大，在氮素含量较低的情况下无法直接通过光谱反射特征准确反演。

来源：2019年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第2期