基于近紅外光譜技術預測森林土壤有機碳含量的研究.pdf

1、森林土壤有機碳是反映土壤肥力的重要內(nèi)容，土壤肥力指示著林地土壤的營養(yǎng)狀況。因此，快速測定土壤有機碳含量可以實時地估測林區(qū)土壤碳儲量的動態(tài)變化。本文應用近紅外光譜技術快速預測森林土壤有機碳含量，充分體現(xiàn)了它測定快捷、簡單、無損等優(yōu)點。文中分別采用偏最小二乘法(PLS)、主成分回歸法(PCR)、BP神經(jīng)網(wǎng)絡、支持向量機(SVR)化學計量學算法建立土壤有機碳含量近紅外模型，同時在建模過程中分別探討了多種預處理方法結合、譜區(qū)優(yōu)選、主成分壓縮提取

2、、模型參數(shù)優(yōu)選的影響。
　　(1)應用PLS和PCR兩種建模方法比較，采用不同預處理方法結合、譜區(qū)優(yōu)選進行模型尋優(yōu)。結果表明，當光譜區(qū)域為優(yōu)選譜區(qū)(1380～1450nm，1800～1950nm，2050～2300nm)，光譜數(shù)據(jù)采用Savitzky-Golay平滑+多元散射校正+一階導數(shù)預處理，應用PLS的建模方法，主成分數(shù)為8時，建立的模型有最佳預測效果。預測均方根誤差(RMSE)為0.5143，預測標準差(SEP)為0.51

3、40，預測集中預測值和實測值的相關系數(shù)為0.7537，滿足精度要求。
　　(2)利用主成分分析法壓縮提取數(shù)據(jù)的前8個主成分，最終建立BP神經(jīng)網(wǎng)絡模型。結果表明，采用Levengerg-Marquardt優(yōu)化網(wǎng)絡，所得訓練集的相關系數(shù)R為0.8829，均方根誤差為0.4120，校正集的相關系數(shù)為0.7800，均方根誤差為0.5002，驗證集的相關系數(shù)為0.8494，均方根誤差為0.4538，滿足精度要求且有一定的提高。
　　(

4、3)采用支持向量機回歸(SVR)方法實現(xiàn)非線性擬合，同時對歸一化方式、核函數(shù)、最佳參數(shù)c和g三種影響參數(shù)進行尋優(yōu)，從而快速測定森林土壤有機碳含量。結果表明，采用[-1，1]歸一化方式、徑向基核函數(shù)、最佳參數(shù)c=0.5和g=0.0625時，土壤有機碳含量的預測效果為，相關系數(shù)R=0.8903，均方根誤差RMSE=0.2739，滿足精度要求且有進一步的提高。
　　(4) PLS、BP及SVR模型均能實現(xiàn)對森林土壤有機碳含量的快速預測，