典型文献
基于可见近红外和中红外近地面光谱数据融合的土壤有机碳含量反演
文献摘要：
[目的]以传统的实验室分析方法进行大规模土壤有机碳(SOC)含量调查耗时、费力、成本高昂,以土壤可见近红外(VNIR)、中红外(MIR)光谱或两光谱数据融合手段能够快速预测SOC含量,但预测精度不一、特别是光谱数据融合技术应用于土柱样本的效果尚待考察.[方法]从全球土壤光谱库筛选出同时具有VNIR光谱、MIR光谱和SOC含量的677个土柱共计3755个土样.光谱数据经Savitzky–Golay平滑和一阶微分预处理后,用Kennard–Stone算法进行建模和验证的集合划分,使用偏最小二乘回归与随机森林方法分别建立以VNIR、MIR以及两者融合的VNMIR光谱为自变量的SOC含量预测模型,并对模型精度进行评估.[结果]MIR光谱模型的SOC预测精度优于VNIR光谱模型,VNMIR光谱模型预测精度低于MIR光谱模型但优于VNIR光谱模型.[结论]使用光谱数据融合技术预测SOC含量并非一定比使用单一光谱数据的精度高,就本例而言使用MIR光谱数据构建预测模型的方法是快速、准确预测大尺度时空范围SOC含量的最佳手段.
文献关键词：
土壤有机碳;土柱;光谱库;可见近红外;中红外;数据融合
中图分类号：
作者姓名：
孟鑫鑫;于雷;周勇;李硕
作者机构：
华中师范大学城市与环境科学学院,湖北 武汉 430079;地理过程分析与模拟湖北省重点实验室,湖北 武汉 430079
文献出处：
引用格式：
[1]孟鑫鑫;于雷;周勇;李硕-.基于可见近红外和中红外近地面光谱数据融合的土壤有机碳含量反演)[J].土壤通报,2022(02):301-307
A类：
VNMIR
B类：
可见近红外,中红外,近地,面光,光谱数据,土壤有机碳含量,实验室分析,SOC,含量调查,费力,高昂,VNIR,快速预测,数据融合技术,融合技术应用,土柱,尚待,待考,土壤光谱,光谱库,Savitzky,Golay,一阶微分,Kennard,Stone,偏最小二乘回归,随机森林方法,含量预测,模型精度,技术预测,定比,本例,准确预测,大尺度
AB值：
0.291213
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
