SVM和BP檢測濱海濕地土壤有機質

張 森, 盧 霞*, 聶格格, 李昱蓉, 邵亞婷, 田燕芹, 范禮強, 張鈺娟

1. 江蘇海洋大學測繪與海洋信息學院， 江蘇 連云港 222005 2. 河南財經政法大學資源與環境學院， 河南 鄭州 450046

引 言

土壤中的有機質是濕地土壤成分中的重要組成部分， 是判別濕地中土壤肥力大小的重要指標[1]。 因此快速測定濕地土壤中有機質的含量， 對于維護濕地生態平衡， 可持續發展具有重要的意義。 傳統檢驗土壤中養分含量的方法主要是基于化學分析， 費時耗力， 不能滿足快速、 低成本的現實需求， 而光譜分析正好彌補了傳統式化學分析方法的不足， 為估算土壤中的各種養分含量提供了有力的技術支持。

目前利用光譜分析來估算土壤中養分含量的研究主要分為三個步驟： (1) 將測得的原始光譜數據進行光譜預處理， 以消除或減弱原有光譜信息中的噪聲， 放大有用信息， 比較常見的光譜預處理方法有連續投影法(SPA)[2-3]、 Savitzky-Golay卷積平滑算法[4]、 微分算法[5]、 指數變換[6]等； (2) 將預處理后的光譜提取特征波段， 常用的提取方法主要有相關系數法[7]、 逐步回歸法、 遺傳算法[8]等； (3) 將特征波段的光譜數據和對應的土壤理化數據進行建模， 常用的建模方法主要分為線性與非線性建模， 線性建模主要有線性回歸[9]、 偏最小二乘法回歸[10]等； 非線性建模主要有BP神經網絡[11]、 最小二乘支持向量機(LS-SVM)[12]等。 已有部分研究發現利用非線性模型來估算土壤養分含量的精度要高于線性模型， 如Bao等[13]在綜合分析了不同地貌土壤有機質含量與相應光譜反射率之間的關系的基礎上， 對PLS與PLS-SVM兩種建模方法預測礦區土壤有機質含量的準確度做了比較， 結果表明PLS-SVM比PLS更能準確的預測。……