土壤氧化铁的特征波长选择和高光谱反演

传统的氧化铁特征波长选取方法单一, 多仅利用相关系数法(CC), 建模输入变量较多导致预测精度不高。为提高模型预测精度, 在云南禄丰恐龙谷南缘山地采集135个5~20 cm表层土壤样品, 室内测定样品的光谱反射率和氧化铁含量。对土壤光谱曲线进行Savizky-Golay平滑后作为原始光谱曲线(OR), 对原始光谱曲线进行一阶微分(FD)和倒数的对数(RL)变换; 通过与氧化铁含量的相关性分析, 利用迭代保留信息变量(IRIV)、竞争性自适应重加权算法(CARS)和连续投影法(SPA)算法提取特征波长, 把提取的特征波长作为自变量, 氧化铁含量作为因变量, 分别用随机森林回归(RF)和偏最小二乘回归(PLSR)进行反演模型的构建。结果表明, 相关性分析结合IRIV、CARS和SPA算法提取特征波长的方法可以有效降低建模波长数; 通过结合不同的光谱变换方法和建模方法, 发现RL-CC-CARS-PLSR模型的效果最好, 其建模集R2为0.833, RMSE为4.361 g·kg−1, 验证集R2为0.826, RMSE为5.600 g·kg−1, RPIQ达3.618, 模型具有很好的稳定性和预测能力。该研究为利用高光谱反演土壤氧化铁含量提供了参考。