基于近紅外光譜技術(shù)預(yù)測(cè)森林土壤有機(jī)碳含量的研究.pdf

1、森林土壤有機(jī)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(yíng)養(yǎng)狀況。因此，快速測(cè)定土壤有機(jī)碳含量可以實(shí)時(shí)地估測(cè)林區(qū)土壤碳儲(chǔ)量的動(dòng)態(tài)變化。本文應(yīng)用近紅外光譜技術(shù)快速預(yù)測(cè)森林土壤有機(jī)碳含量，充分體現(xiàn)了它測(cè)定快捷、簡(jiǎn)單、無(wú)損等優(yōu)點(diǎn)。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(luò)、支持向量機(jī)(SVR)化學(xué)計(jì)量學(xué)算法建立土壤有機(jī)碳含量近紅外模型，同時(shí)在建模過(guò)程中分別探討了多種預(yù)處理方法結(jié)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(yīng)用PLS和PCR兩種建模方法比較，采用不同預(yù)處理方法結(jié)合、譜區(qū)優(yōu)選進(jìn)行模型尋優(yōu)。結(jié)果表明，當(dāng)光譜區(qū)域?yàn)閮?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(dǎo)數(shù)預(yù)處理，應(yīng)用PLS的建模方法，主成分?jǐn)?shù)為8時(shí)，建立的模型有最佳預(yù)測(cè)效果。預(yù)測(cè)均方根誤差(RMSE)為0.5143，預(yù)測(cè)標(biāo)準(zhǔn)差(SEP)為0.51

3、40，預(yù)測(cè)集中預(yù)測(cè)值和實(shí)測(cè)值的相關(guān)系數(shù)為0.7537，滿(mǎn)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(gè)主成分，最終建立BP神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明，采用Levengerg-Marquardt優(yōu)化網(wǎng)絡(luò)，所得訓(xùn)練集的相關(guān)系數(shù)R為0.8829，均方根誤差為0.4120，校正集的相關(guān)系數(shù)為0.7800，均方根誤差為0.5002，驗(yàn)證集的相關(guān)系數(shù)為0.8494，均方根誤差為0.4538，滿(mǎn)足精度要求且有一定的提高。
　　(

4、3)采用支持向量機(jī)回歸(SVR)方法實(shí)現(xiàn)非線性擬合，同時(shí)對(duì)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(jìn)行尋優(yōu)，從而快速測(cè)定森林土壤有機(jī)碳含量。結(jié)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(shí)，土壤有機(jī)碳含量的預(yù)測(cè)效果為，相關(guān)系數(shù)R=0.8903，均方根誤差RMSE=0.2739，滿(mǎn)足精度要求且有進(jìn)一步的提高。
　　(4) PLS、BP及SVR模型均能實(shí)現(xiàn)對(duì)森林土壤有機(jī)碳含量的快速預(yù)測(cè)，