«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第47卷

期数:

2019年第24期

页码:

289-295

栏目:

资源与环境

出版日期:

2020-02-20

文章信息/Info

Title:

Hyperspectral multi-scale inversion of soil organic matter content based on gray correlation-extreme learning machine

作者:

叶红云¹;  熊黑钢²;  包青岭¹;  王宁¹;  马利芳¹

1.新疆大学资源与环境科学学院/教育部绿洲生态重点实验室，新疆乌鲁木齐 830046； 2.北京联合大学应用文理学院城市系，北京 100083

Author(s):

Ye Hongyun; et al

关键词:

高光谱; 有机质; 小波变换; 灰色关联度; 极限学习机; 人类活动

Keywords:

-

分类号:

TP79；S127；S153.6⁺21

DOI:

-

文献标志码:

A

摘要:

为了提高干旱区土壤有机质含量的预测精度，以新疆阜康人类不同干扰程度下的土壤有机质含量为研究对象，先利用小波变换对其原始光谱进行1~8层的离散小波分解，然后通过相关性分析确定最大分解层数，并进行5种常规数学变换以筛选敏感波段，最后引入灰色关联分析(GRA)筛选出具有较好预测能力的波段，结合极限学习机算法(ELM)分别建立不同分解层的土壤有机质含量高光谱预测模型。作为对照，同时采用传统相关分析方法选择的敏感波段构建偏最小二乘模型。研究结果表明：(1)小波变换获得的各层重构光谱中，随着分解层数增加，土壤光谱反射率与有机质含量的相关性降低，在L6之后二者相关性变化幅度不大且敏感波段数下降较多，即重构光谱对原始光谱信息的反映能力减弱，因此L6为本研究的最大分解层；(2)通过对比各分解层有机质含量模型，Ⅰ区(轻度干扰区)、Ⅱ区(中度干扰区)、Ⅲ区(重度干扰区)均是L3、L4建模效果最好；(3)无论是哪一个区，灰度关联-极限学习机所建模型均为最优，Ⅰ、Ⅱ、Ⅲ区验证集R²和RMSE(均方根误差)分别为0.825、0.787、0.729和0.980、1.387、1.982，RPD(相对分析误差)分别达到2.382、2.204、2.139，均优于传统的建模方法，且能对土壤有机质含量进行很好的预测。特别在有机质含量较低的情况下，灰度关联-极限学习机方法优势更加明显，表明该方法适用于干旱区有机质含量的预测。

Abstract:

-

参考文献/References:

［1］于雷，洪永胜，耿雷，等. 基于偏最小二乘回归的土壤有机质含量高光谱估算［J］. 农业工程学报，2015，31(14)：103-109.
［2］石朴杰，王世东，张合兵，等. 基于高光谱的复垦农田土壤有机质含量估测［J］. 土壤，2018，50(3)：558-565.
［3］洪永胜，朱亚星，苏学平，等. 高光谱技术联合归一化光谱指数估算土壤有机质含量［J］. 光谱学与光谱分析，2017，37(11)：3537-3542.
［4］南锋，朱洪芬，毕如田. 黄土高原煤矿区复垦农田土壤有机质含量的高光谱预测［J］. 中国农业科学，2016，49(11)：2126-2135.
［5］黄威，高太长，刘磊，等. 一种基于改进累积方差百分比的红外高光谱数据降噪方法［J］. 光谱学与光谱分析，2016，36(11)：3625-3629.
［6］王一丁，赵铭钦，刘鹏飞，等. 基于高光谱分析的植烟土壤有机质和全氮含量预测研究［J］. 中国烟草学报，2016，22(3)：44-51.
［7］陈红艳，赵庚星，李希灿，等. 小波分析用于土壤速效钾含量高光谱估测研究［J］. 中国农业科学，2012，45(7)：1425-1431.
［8］林鹏达，佟志军，张继权，等. 基于CWT的黑土有机质含量野外高光谱反演模型［J］. 水土保持研究，2018，25(2)：46-52，57.
［9］栾福明，熊黑钢，王芳，等. 基于小波分析的土壤速效K含量高光谱反演［J］. 干旱区地理，2015，38(2)：320-326.
［10］单海斌，蒋平安，颜安，等. 基于高光谱数据的北疆绿洲农田灰漠土有机质反演［J］. 农业资源与环境学报，2018，35(3)：276-282.
［11］刘焕军，张柏，赵军，等. 黑土有机质含量高光谱模型研究［J］. 土壤学报，2007，44(1)：27-32.
［12］Li M L，Li X C，Tian Y，et al. Grey relation estimating pattern of soil organic matter with residual modification based on hyper-spectral data［J］. Journal of Grey System，2016，28(4)：27-39.
［13］周鹏，杨玮，李民赞，等. 基于灰度关联-极限学习机的土壤全氮预测［J］. 农业机械学报，2017，48(增刊1)：271-276.
［14］张林静，岳明，张远东，等. 新疆阜康绿洲荒漠过渡带植物群落物种多样性特征［J］. 地理科学，2003，23(3)：329-334.
［15］余作岳. 热带亚热带退化生态系统植被恢复生态学研究［M］. 广州：广东科技出版社，1996.
［16］鲍士旦. 土壤农化分析［M］. 3版.北京：中国农业出版社，2000.
［17］王延仓，杨贵军，朱金山，等. 基于小波变换与偏最小二乘耦合模型估测北方潮土有机质含量［J］. 光谱学与光谱分析，2014，34(7)：1922-1926.
［18］蔡亮红，丁建丽. 小波变换耦合CARS算法提高土壤水分含量高光谱反演精度［J］. 农业工程学报，2017，33(16)：144-151.
［19］邓聚龙. 灰色系统基本方法［M］. 武汉：华中科技大学出版社，2001.
［20］曹明霞. 灰色关联分析模型及其应用的研究［D］. 南京：南京航空航天大学，2007.
［21］Nahvi B，Habibi J，Mohammadi K，et al. Using self-adaptive evolutionary algorithm to improve the performance of an extreme learning machine for estimating soil temperature［J］. Computers and Electronics in Agriculture，2016，124：150-160.
［22］张淼，孔盼，李雁华，等. 基于极限学习机的土壤硝态氮预测模型研究［J］. 农业机械学报，2016，47(6)：93-99.
［23］崔霞，宋清洁，张瑶瑶，等. 基于高光谱数据的高寒草地土壤有机碳预测模型研究［J］. 草业学报，2017，26(10)：20-29.
［24］Rossel R A，McGlynn R N，Mcbratney A B. Determing the composition of mineral-organic mixes using UV-vis-NIR diffuse reflectance spectroscopy［J］. Geoderma，2006，137(1/2)：70-82.
［25］毛博慧，孙红，刘豪杰，等. 基于正交变换与SPXY样本划分的冬小麦叶绿素诊断［J］. 农业机械学报，2017，48(增刊1)：160-165.
［26］陈至坤，张菡洁，王玉田，等. 基于小波变换的矿物油荧光光谱数据处理方法［J］. 激光杂志，2016，37(10)：78-81.

相似文献/References:

[1]王有宁,赵丽艳,章爱群,等.花生高光谱叶片营养诊断研究[J].江苏农业科学,2014,42(12):129.
　Wang Youning,et al.Study on nutrition diagnosis of peanut leaves based on hyperspectral data[J].Jiangsu Agricultural Sciences,2014,42(24):129.
[2]杨粉团,顾晓鹤,李刚,等.吐丝期玉米倒伏后地面高光谱特征参数分析[J].江苏农业科学,2016,44(03):85.
　Yang Fentuan,et al.Analysis of hyper-spectral characteristic parameters of lodging corn at silking stage[J].Jiangsu Agricultural Sciences,2016,44(24):85.
[3]孙俊,金夏明,毛罕平,等.基于有监督特征提取的生菜叶片农药残留浓度高光谱鉴别研究[J].江苏农业科学,2014,42(05):227.
　Sun Jun,et al.Study on detection of hyperspectral data of lettuce leaves with pesticide residue based on supervised feature extraction method[J].Jiangsu Agricultural Sciences,2014,42(24):227.
[4]赵文,刘国顺,贾方方,等.烤烟烟碱含量的高光谱预测模型[J].江苏农业科学,2014,42(03):275.
　Zhao Wen,et al.Hyperspectral prediction model of nicotine content in flue-cured tobacco[J].Jiangsu Agricultural Sciences,2014,42(24):275.
[5]张军,李世好,刘孟子,等.城市污泥好氧堆肥过程中有机质降解模型[J].江苏农业科学,2016,44(02):348.
　Zhang Jun,et al.Biodegradation model of organic matter during composting process of sewage sludge[J].Jiangsu Agricultural Sciences,2016,44(24):348.
[6]邓邦良,袁知洋,温卫华,等.武功山山地草甸土壤有机质、全氮及碱解氮分布格局及关系[J].江苏农业科学,2015,43(11):414.
　Deng Bangliang,et al.Spatial distribution and relationship of soil organic matter，total nitrogen and alkali-hydrolyzale nitrogen in Wugong Mountain meadow[J].Jiangsu Agricultural Sciences,2015,43(24):414.
[7]雷勋杰,曾正中,苟剑锋,等.堆肥污泥施入黄土后有机质和氮磷的淋滤特征[J].江苏农业科学,2015,43(08):344.
　Lei Xunjie,et al.Leaching characteristics of organic matter，nitrogen and phosphorus after composting sludge applied in loess[J].Jiangsu Agricultural Sciences,2015,43(24):344.
[8]马驰.基于Landsat 8遥感图像的长春中北部地区土壤有机质含量反演[J].江苏农业科学,2016,44(12):415.
　Ma Chi.Inversion of organic matter content in soil in central and northern parts of Changchun City based on Landsat 8[J].Jiangsu Agricultural Sciences,2016,44(24):415.
[9]袁超,赵爽,徐柯,等.海南东寨港红树林沉积物中有机质的分布特征[J].江苏农业科学,2017,45(01):263.
　Yuan Chao,et al.Distribution characteristics of organic matter in mangrove sediment of Hainan Dongzhai Harbor[J].Jiangsu Agricultural Sciences,2017,45(24):263.
[10]田敏,周杰,张泽,等.基于高光谱植被指数对棉花叶绿素含量的估算[J].江苏农业科学,2017,45(02):216.
　Tian Min,et al.Estimation of cotton chlorophyll contents based on hyperspectral vegetation index[J].Jiangsu Agricultural Sciences,2017,45(24):216.

备注/Memo

备注/Memo:

收稿日期：2018-09-10
基金项目：国家自然科学基金(编号：41671198)。
作者简介：叶红云(1995—)，女，河南驻马店人，硕士，主要从事干旱区资源与环境研究。E-mail：2359837706@qq.com。
通信作者：熊黑钢，博士，教授，博士生导师，主要从事资源环境研究。E-mail：heigang@buu.edu。

常用功能

更新日期/Last Update: 2019-12-20