农业资源与环境学报

作者：王志刚,黄子琪,贺成龙,蔡太义,冯玉庆,陆宁静,窦焕衡

单位：河南理工大学测绘与国土信息工程学院, 河南 焦作 454000,哈尔滨师范大学地理科学学院, 哈尔滨 150025,河南理工大学测绘与国土信息工程学院, 河南 焦作 454000,河南理工大学测绘与国土信息工程学院, 河南 焦作 454000,河南理工大学测绘与国土信息工程学院, 河南 焦作 454000,河南理工大学测绘与国土信息工程学院, 河南 焦作 454000,河南理工大学测绘与国土信息工程学院, 河南 焦作 454000

关键词：土壤含水率，高光谱，砂姜黑土，堆叠集成，偏最小二乘回归，支持向量机回归,

基金：河南省高校人文社会科学一般项目（2024ZZJH147）；国家自然科学基金项目（41671225）; 河南省重大科技专项（181100110400）

为提高砂姜黑土土壤水分的估测精度，本研究以河南省西平县砂姜黑土为研究对象，通过配制不同含水率土壤样本并在室内进行高光谱测量，对土壤样本高光谱数据平滑（SR）、倒对数[LOG（1/R）]、一阶微分（FD）、多元散射校正（MSC）、去包络线（CR）光谱变换后，结合连续投影算法（SPA）识别最佳特征波段，采用偏最小二乘回归（PLSR）、支持向量机回归（SVR）的机器学习方法和堆叠（Stacking）集成学习方法分别构建土壤含水率反演模型。结果表明：经MSC变换后光谱中土壤含水率相关信息增强最多；SPA算法能对砂姜黑土含水率光谱数据进行降维和特征信息提取；经反射光谱MSC变换后由PLSR和SVR集成的Stacking集成模型决定系数最高（R2=0.963）、均方根误差最小（RMSE=1.7）。研究表明，Stacking集成学习模型有效提升了模型的精度和泛化能力，是砂姜黑土含水率最佳反演模型。

来源：2023年第6期

《农业资源与环境学报》期刊编辑部

查看农业资源与环境学报杂志2023年第6期