遥感与传感器

土壤有机质(SOM)含量是评价土壤肥力的重要指标。本研究以新疆渭-库绿洲为研究区，基于室内获取的SOM含量及反射光谱数据，对其进行SG平滑和一阶微分 (FD)预处理。在此基础上，为了减少敏感波段遴选对建模精度的影响，本研究引入了谐波分析(HA)算法对全波段光谱数据进行谐波分解。并基于主成分分析(PCA)降维后的7个主分量对SOM含量进行了基于BP神经网络、GA-BP和多元线性回归(MLR) 3种方法的定量估算并进行精度比较。结果表明HA预处理后的光谱数据与SOM含量的相关性相较于FD数据有了明显的提高。非线性模型BP神经网络的估算精度明显高于线性模型MLR，而在非线性模型中，GA-BP模型的估算精度最高，其决定系数R2为0.92，预测集的均方根误差(RMSEP)为3.92 g·kg -1，相对分析误差(RPD)为1.93。本研究验证了HA算法深度挖掘光谱数据的有效性，且经过GA优化的BP神经网络模型可以提高SOM含量的估算精度，为土壤属性的光谱定量估算提供借鉴。

张子鹏, 丁建丽, 王敬哲. 基于谐波分析算法的干旱区绿洲土壤光谱特性研究[J]. 光学学报, 2019, 39(02): 3.  复制并引用该论文