关键词:
滨海湿地
土壤质地
光谱变换
竞争性自适应重加权算法
机器学习
摘要:
土壤质地影响着植被分布、水土保持能力、微生物活动等多种物理、化学、生物和水文特性和过程.准确地获取土壤质地对湿地生态修复和保护具有重要意义.基于天津市滨海湿地57个实测表层土壤质地和可见光-近红外高光谱数据,对土壤样品进行S-G平滑以及一阶微分(FD)、倒数(RT)、倒数一阶微分(RTFD)、平方根(SR)、平方根一阶微分(SRFD)、倒数之对数(LR)和倒数之对数一阶微分(LRFD)八种变换,分析不同土壤质地类别的光谱曲线特征及土壤粒径含量与八种变换之间相关性.通过竞争性自适应重加权算法(CARS)优选特征波段,结合偏最小二乘(PLSR)、随机森林(RFR)和支持向量机(SVR)三种回归算法,对比不同光谱变换后的土壤粒径含量建模效果.结果表明:(1)湿地土壤质地类别主要为粉壤土和粉土,粉土在400~2 400 nm波段光谱反射率最高,砂土在400~2 000 nm波段光谱反射率最低,FD、RTFD和SRFD变换后波段反射率与土壤粒径含量的相关性明显提高,最大相关系数绝对值均达到0.58以上,最高达到0.70.(2)CARS算法筛选八种光谱变换的特征波段数为全波段数的1.05%~6.15%,有效降低光谱数据的信息冗余.(3)对比三种粒径含量估测模型,SRFD和RTFD光谱变换的SVR模型精度最好,优于其他两种模型,黏粒(SRFD)测试集(R2=0.72,RMSE=1.86%,nRMSE=11.33%)、粉粒(SRFD)测试集(R2=0.72,RMSE=2.82%,nRMSE=7.30%)和砂粒(RTFD)测试集(R2=0.71,RMSE=5.75%,nRMSE=5.91%).研究结果可为高光谱数据准确监测滨海湿地土壤质地提供依据与技术支撑.