首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于MSC与SVM的夯土齐长城土壤含水率高光谱估测
引用本文:熊静玲,高华光,朱西存,于瑞阳,温 新.基于MSC与SVM的夯土齐长城土壤含水率高光谱估测[J].土壤学报,2018,55(6):1336-1344.
作者姓名:熊静玲  高华光  朱西存  于瑞阳  温 新
作者单位:山东农业大学资源与环境学院;中国国家博物馆;长春理工大学光电工程学院...;郑州大学机械工程学院振动...;中国民航大学电子信息与自...;北京工业大学机械工程及应...;常州轻工职业技术学院;同济大学经济与管理学院;...;淮北师范大学信息学院;天津财经大学理工学院;;上海理工大学;中国矿业大学计算机科学与...
基金项目:中国国家博物馆综合考古专项
摘    要:采用近地面高光谱技术,建立基于支持向量机(support vector machines, SVM)的土壤含水率的高光谱估测模型,为快速、无损估测土壤含水率提供科学依据。以青岛市黄岛区夯土齐长城为研究区,沿垂直于齐长城采集样品,并进行光谱反射率和含水率测定;对土壤原始光谱反射率进行对数的一阶微分(Lg(R)′)处理以及多元散射校正(Multiple scatter correction, MSC)和对数的一阶微分(Lg(R)′)处理,分别与土壤含水率进行相关分析,筛选敏感波长;利用Lg(R)′和MSC+Lg(R)′处理后的光谱数据分别建立基于SVM的土壤含水率高光谱估测模型。结果表明,多元散射校正可以增强光谱与土壤含水率之间的相关吸收信息,提高土壤光谱反射率与土壤含水率的相关性,筛选的敏感波长为1 861 nm、1 866 nm、1 549 nm、1 885 nm、1 871 nm、1 895 nm和2 095 nm;基于MSC+Lg(R)′预处理建立的SVM回归模型精度较高,其Rc2为0.811,Rv2为0.764,RPD为2.671。利用MSC方法对光谱数据进行预处理,可以更加准确地筛选出敏感波长,建立的SVM估测模型更加精准。

关 键 词:土壤含水率  多元散射校正  SVM回归分析  夯土齐长城
收稿时间:2018/1/17 0:00:00
修稿时间:2018/7/27 0:00:00

Hyperspectral Estimation of Soil Moisture Content in Rammed Soil of Qi-Dynasty Great Wall Based on MSC and SVM
XIONG Jingling,GAO Huaguang,ZHU Xicun,YU Ruiyang and WEN Xin.Hyperspectral Estimation of Soil Moisture Content in Rammed Soil of Qi-Dynasty Great Wall Based on MSC and SVM[J].Acta Pedologica Sinica,2018,55(6):1336-1344.
Authors:XIONG Jingling  GAO Huaguang  ZHU Xicun  YU Ruiyang and WEN Xin
Institution:College of Resources and Environment, Shandong Agricultural University,National Museum of China,College of Resources and Environment, Shandong Agricultural University,College of Resources and Environment, Shandong Agricultural University and College of Resources and Environment, Shandong Agricultural University
Abstract:
Keywords:
本文献已被 CNKI 等数据库收录!
点击此处可从《土壤学报》浏览原始摘要信息
点击此处可从《土壤学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号