基于粒子群优化支持向量机的矿区土壤有机质含量高光谱反演
谭琨
张倩倩
曹茜
杜培军
1.中国矿业大学江苏省资源环境信息工程重点实验室,江苏徐州,2211162.南京大学卫星测绘技术与应用国家测绘地理信息局重点实验室,江苏南京,210023
摘要：为了监测复垦矿区土壤的有机质含量,综合利用光谱分析、统计学习理论与方法以及智能优化理论与方法,研究了矿区复垦土壤有机质含量与土壤光谱之间的关系,在此基础上建立了土壤有机质含量高光谱反演模型,实现土壤有机质含量定量检测.首先对原始土壤光谱数据进行预处理,然后进行相关性分析,提取450 nm、500 nm、650 nm、770 nm、1460 nm 和2140 nm作为特征波段,最后利用多元线性回归(multiple linear regression,MLR)、偏最小乘回归(partial least squares regression, PLSR)和粒子群优化支持向量机回归(particle swarm optimization support vector machine regression,PSO-SVM)方法建立了土壤有机质含量的高光谱定量反演模型,并对模型进行验证.3种模型的验证结果如下：MLR、PLSR 和 PSO-SVM 模型的 R 2分别为0.79、0.83和0.85,RMSE 分别为5.26、4.93和4.76.实验结果表明,无论从模型的稳定性还是预测能力上,PSO-SVM都要优于其他两个模型.
关键词：土壤有机质高光谱遥感粒子群优化支持向量机粒子群算法
分类号：X87(环境遥感)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1339-1345 )
英文信息