首页 > 论文 > 激光与光电子学进展 > 57卷 > 15期(pp:153001)

结合分数阶微分技术与机器学习算法的土壤有机碳含量光谱估测

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

可见光-近红外光谱技术(Visible-Near infrared reflectance spectroscopy,Vis-NIR)因其快速易行被广泛用于估算土壤有机碳含量(soil organic carbon, SOC),但其数据高维、冗余等问题需进一步数据挖掘。常规整数阶微分(即,1阶和2阶)难以满足挖掘光谱细微信息的需求,且常见线性模型表征SOC与光谱间非线性关系存在一定难度。因此,本研究采集新疆渭干河-库车河典型绿洲96个表层土样,测量其光谱反射率和SOC含量,采用分数阶微分技术(范围:0-2,步长:0.2),结合五种机器学习算法:极限学习机(Extreme Learning Machine,ELM)、随机森林(Random Forest,RF)、多元自适应回归样条函数(Multiple Adaptive Regression Splines,MARS)、弹性网络回归(Elastic Net)和梯度提升回归树(Gradient Boosted Regression Tree,GBRT),进行SOC含量高精度估算方案优选。结果表明:分数阶微分技术能使光谱曲线得到改善,某些特定波长SOC含量和分数阶光谱反射率最大相关性增加了约0.22;1-2阶各模型估算效果要比在0-1阶内更好,且各模型估算效果主要在1.6阶上达到较高精度;最优模型属于集成学习的梯度提升回归树(GBRT),验证集R2 = 0.878,RPD = 3.142,表明使用基于1.6阶光谱反射率的GBRT模型估测干旱区绿洲SOC含量是有效的。总之,本研究基于Vis-NIR,结合分数阶微分技术与机器学习算法,为提高估测干旱区绿洲SOC含量的模型精度提出了新方案。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.153001

作者单位:

    新疆大学
    新疆大学 资源与环境科学学院
    新疆大学
    广东省生态环境技术研究所
    新疆大学
    新疆大学

引用该论文

赵启东,葛翔宇,丁建丽,王敬哲,张振华,田美玲. 结合分数阶微分技术与机器学习算法的土壤有机碳含量光谱估测[J].激光与光电子学进展,2020,57(15):153001.