农业机械学报

作者：张智韬,劳聪聪,王海峰,ARNON Karnieli,陈俊英,李宇

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,本古里安大学,西北农林科技大学,西北农林科技大学,

关键词：荒漠土壤;有机质含量;高光谱;支持向量机分类;分数阶微分;随机森林

基金：国家重点研发计划项目（2017YFC0403302、2016YFD0200700）和杨凌示范区科技计划项目（2018GY-03）

为探讨分数阶微分（FOD）联合支持向量机分类-随机森林模型改善高光谱监测荒漠土壤有机质含量（SOM）的效果，对以色列Sde Boker荒漠地区采集的砂质土（SS）和黏壤土(CLS)样品进行理化分析和室内光谱测定，依据光谱的平均反射率建立支持向量机分类模型（SVMAD），并对不同土质高光谱原始反射率分别经0~2阶（间隔0.2）的分数阶微分处理，构建归一化光谱指数（NDI），分析NDI和SOM之间的二维相关性，并筛选敏感的NDI指数，以此建立不同FOD的随机森林（RF）模型，并以不同土质中的最佳模型进行组合，构建新的SVMDA-RF模型。结果表明：基于光谱平均反射率的SVMDA对土壤质地的分类正确率可达100%；分数阶微分耦合光谱指数具有放大波长间与SOM有关隐含信息的能力，经FOD提升敏感指数的数量在0.6阶时达到峰值，但黏壤土的敏感指数数量远大于沙质土；由不同FOD敏感指数建立的RF模型中，砂质土在1.2阶的模型最佳（R2C=0.962，R2P=0.920，RMSEP为0.435g/kg，RPD为3.658），黏壤土在0.6阶的模型最佳（R2C=0.942，R2P=0.944，RMSEP为0.554g/kg，RPD为4.316）；经最佳模型组合后的SVMDA-RF模型，砂质土和黏壤土的模型精度都有所提高，其中R2C=0.980，R2P=0.979，RMSEP为0.481g/kg，RPD为7.004。研究成果可为快速评估荒漠土壤有机质含量提供依据。

来源：2020年第1期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第1期