首页 | 本学科首页   官方微博 | 高级检索  
     

基于光谱变换的滨海湿地土壤全氮含量建模预测
引用本文:张清文,吴风华,宋敬茹,汪金花,张永彬,刘明月,李孟倩,李春景,郝玉峰,满卫东. 基于光谱变换的滨海湿地土壤全氮含量建模预测[J]. 土壤, 2023, 55(4): 880-886
作者姓名:张清文  吴风华  宋敬茹  汪金花  张永彬  刘明月  李孟倩  李春景  郝玉峰  满卫东
作者单位:华北理工大学矿业工程学院, 河北唐山 063210;华北理工大学矿业工程学院, 河北唐山 063210;唐山市资源与环境遥感重点实验室, 河北唐山 063210;河北省矿区生态修复产业技术研究院, 河北唐山 063210;矿产资源绿色开发与生态修复协同创新中心, 河北唐山 063210;延边大学地理与海洋科学学院, 吉林延吉 133002;河北省地质矿产勘查开发局第八地质大队, 河北秦皇岛 066001
基金项目:国家自然科学基金项目(41901375,42101393)和河北省自然科学基金项目(D2022209005)资助。
摘    要:基于133个滨海湿地土样的全氮(TN)含量和光谱反射率(R)及其对数(lgR)、对数的一阶微分((lgR)'')、倒数(1/R)、倒数的一阶微分((1/R)'')、一阶微分(R'')、平方根(√R)、一阶微分的倒数(1/(R)'')变换,采用偏最小二乘回归(PLSR)、随机森林回归(RFR)和支持向量机回归(SVR)3种算法分别建立土壤TN含量估测模型。结果表明:①土壤TN含量与光谱变换形式相关性由高到低为:(1/R)''> R''> (lgR)''> 1/R > lgR > 1/(R)''> √R > > R,经光谱变换,土壤TN含量与变换光谱的相关性均高于R,其中与(1/R)''的Pearson相关系数最大为0.746。②PLSR和SVR基于R''、(1/R)''、(lgR)''和1/(R)''变换构建的模型、RFR方法构建的所有模型R2均大于0.732,均可用于滨海湿地土壤TN含量的估算。③基于1/(R)''建立的SVR模型预测精度最高,其R2为0.987,RMSE为0.057 g/kg,MAE为0.050 g/kg,是预测滨海湿地土壤TN含量的最优模型,可为准确获取滨海湿地土壤TN含量提供稳定方法。

关 键 词:光谱变换  土壤全氮含量  偏最小二乘回归  随机森林回归  支持向量机回归
收稿时间:2022-07-13
修稿时间:2022-12-17

Estimating of Soil Total Nitrogen Content in Coastal Wetland Based on Spectral Transformation
ZHANG Qingwen,WU Fenghu,SONG Jingru,WANG Jinhu,ZHANG Yongbin,LIU Mingyue,LI Mengqian,LI Chunjing,HAO Yufeng,MAN Weidong. Estimating of Soil Total Nitrogen Content in Coastal Wetland Based on Spectral Transformation[J]. Soils, 2023, 55(4): 880-886
Authors:ZHANG Qingwen  WU Fenghu  SONG Jingru  WANG Jinhu  ZHANG Yongbin  LIU Mingyue  LI Mengqian  LI Chunjing  HAO Yufeng  MAN Weidong
Affiliation:College of Mining Engineering, North China University of Science and Technology, Tangshan, Hebei 063210, China;College of Mining Engineering, North China University of Science and Technology, Tangshan, Hebei 063210, China;Tangshan Key Laboratory of Resources and Environmental Remote Sensing, Tangshan, Hebei 063210, China;Hebei Industrial Technology Institute of Mine Ecological Remediation, Tangshan, Hebei 063210, China;Collaborative Innovation Center of Green Development and Ecological Restoration of Mineral Resources, Tangshan, Hebei 063210, China;College of Geography and Ocean Sciences, Yanbian University, Yanji, Jilin 133002, China;The 8th Geological Brigade of Hebei Bureau of Geology and Mineral Resource Exploration, Qinhuangdao, Hebei 066001, China
Abstract:
Keywords:Spectral transformation  Soil total nitrogen content  Partial least squares regression  Random forest regression  Support vector regression
点击此处可从《土壤》浏览原始摘要信息
点击此处可从《土壤》下载全文
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