| 结合分数阶微分和异常值识别的土壤有机质高光谱反演研究 |
| |
| 引用本文： | 曾佳辉,段四波,姚艳敏,阎波杰,韩文静.结合分数阶微分和异常值识别的土壤有机质高光谱反演研究[J].中国农业信息,2023,35(4):11-25. |
| |
| 作者姓名： | 曾佳辉 段四波 姚艳敏 阎波杰 韩文静 |
| |
| 作者单位： | 1.福州大学数字中国研究院（福建），福州 350116;2.中国农业科学院农业资源与农业区划研究所/北方干旱半干旱耕地高效利用全国重点实验室，北京 100081;3.闽江学院地理与海洋学院，福建福州 350108 |
| |
| 基金项目： | 国家农业重大科技项目“退化耕地监测项目”（NK2022180102） |
| |
| 摘 要： | 【目的 】结合分数阶微分和异常值识别，提高土壤有机质模型反演精度，实现土壤有机质含量的快速、准确估计。【方法 】文章以吉林省伊通县黑土区为研究区，基于实地采集的213个土壤样本和HyMap-C机载高光谱传感器获取高光谱影像，选择S-G函数和分数阶微分进行光谱预处理，竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling,CARS）提取特征波段建立土壤有机质含量偏最小二乘回归（Partial Least Squares Regression,PLSR）反演模型，并使用蒙特卡洛交叉验证（Monte Carlo Cross-Validation,MCCV）进行异常值识别。【结果 】（1）将分数阶微分用于机载高光谱可以放大光谱特征，阶数越高、特征越明显，低阶分数微分对噪音不敏感；（2） CARS方法能有效压缩光谱信息；全样本建模中0.4阶分数阶微分CARS-PLSR建模表现较优，但总体精度仍然不高；（3）使用MCCV剔除异常值后，0.6阶分数阶微分CARS-PLSR建立的土壤有机质含量反演模型精度最高，训练集和测试集的均方误差分别为0.219%...
|
| 关 键 词： | 土壤有机质 蒙特卡洛交叉验证 分数阶微分 偏最小二乘回归 |
| 收稿时间： | 2023/7/18 0:00:00 |
Hyperspectral inversion of soil organic matter combining with fractional differentiation and outlier recognition |
| |
| Zeng Jiahui,Duan Sibo,Yao Yanmin,Yan Bojie,Han Wenjing.Hyperspectral inversion of soil organic matter combining with fractional differentiation and outlier recognition[J].China Agriculture Information,2023,35(4):11-25. |
| |
| Authors: | Zeng Jiahui Duan Sibo Yao Yanmin Yan Bojie Han Wenjing |
| |
| Abstract: | |
| |
| Keywords: | soil organic matter Monte Carlo cross validation fractional differentiation partial least squares regression |
|
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
| 点击此处可从《中国农业信息》下载免费的PDF全文 |
