1 浙江大学环境与资源学院农业遥感与信息技术应用研究所, 浙江 杭州 310058
2 中国农业科学院农业资源与农业区划研究所农业部作物营养与施肥重点开放实验室, 北京 100081
3 塔里木大学植物科学学院, 新疆 阿拉尔 843300
4 浙江大学唐仲英传感材料及应用研究中心, 浙江 杭州 310058
充分挖掘大样本土壤光谱库中有效信息，建立普适性强的土壤全氮(TN)含量反演模型，是高光谱分析的重要应用方向之一。研究采用偏最小二乘回归(PLSR)全局建模、局部加权回归(LWR)和模糊K均值聚类结合PLSR(FKMC-PLSR)局部建模三种方法，分别建立了来自中国西藏、新疆、黑龙江、海南等13个省采集的17种土类1661个土壤样本TN值的高光谱反演模型，并对浙江省104个水稻土样本进行模型验证。结果表明，在大样本下PLSR全局模型对高TN值待预测样本存在低估现象，导致整体预测精度偏低； LWR和FKMC-PLSR局部模型比PLSR全局模型能够更为准确地反演TN含量。研究结果可为利用大样本光谱数据库建立稳定性和普适性较高的土壤TN含量预测模型提供参考。
光谱学 土壤光谱库 局部加权回归 模糊K均值聚类 土壤全氮 大样本
1 新型微纳器件与系统技术重点学科实验室， 重庆400030
2 微纳系统及新材料技术国际合作研发中心， 重庆400030
3 重庆大学光电技术及系统教育部重点实验室， 重庆400030
4 重庆大学软件学院， 重庆400030
近红外光谱分析的重要内容之一是基于校正样品集建立光谱和化学成分或类别之间的回归模型。 流形学习是一类新的机器学习方法， 它能够揭示出复杂数据的本质维数， 提取最重要的特征信息， 并用于建立回归或分类模型。 文章以近红外光谱为研究对象， 针对近红外光谱数据维数高、 谱带归属难以确定等特点， 基于流形学习中局部线性嵌入（LLE）算法的思想， 提出了一种最小二乘局部加权回归（LS-LWR）建模方法。 最后， 利用各种浓度葡萄糖溶液的近红外光谱， 对该方法进行了验证。 同时建立主成份回归（PCR）和偏最小二乘回归（PLSR）模型， 通过计算预测标准偏差（SEP）与LS-LWR模型进行比较。 实验结果表明， LS-LWR模型有更好的预测效果， 而且具有模型简单、 稳定性好和计算省时等优点。
近红外光谱 流形学习 局部线性嵌入 局部加权回归 Near infrared spectra Manifold learning Locally linear embedding Locally weighted regression 光谱学与光谱分析
2009, 29(7): 1793
