一种土壤有机质光谱反演模型校正样本集构建方法技术

本发明专利技术公开了一种土壤有机质光谱反演模型校正样本集构建方法，首先记录和测量实验区土壤样本的可见‑近红外光谱数据、土壤理化组分含量数据和地理空间数据，构建土壤可见‑近红外光谱‑理化组分含量‑地理信息数据库；然后基于多元信息的校正集样本优选方法，构建具有多元代表性的土壤可见‑近红外光谱反演校正集；接着对土壤数据进行预处理；最后构建基于土壤可见‑近红外光谱数据的土壤有机质偏最小二乘回归模型。本发明专利技术提升了校正样本集的代表性，预测模型具有很好的稳定性和预测能力，同时也降低了建模成本，提高了土壤有机质可见‑近红外光谱估算方法的实用性，同时也从校正样本集构建的角度为贫瘠土壤地区有机质高光谱反演提供了技术工具。

【技术实现步骤摘要】
一种土壤有机质光谱反演模型校正样本集构建方法
本专利技术属于土壤理化组分高光谱分析
，涉及一种土壤有机质光谱反演模型校正样本集构建方法，具体涉及一种基于多元信息的土壤有机质可见-近红外光谱反演模型校正样本集构建方法。
技术介绍
土壤有机质是土壤的重要组成部分，是评估土壤肥力质量、环境质量和健康状况的重要指标。土壤有机质信息的快速、准确获取是进行科学合理利用土地资源，发展精准农业，进行基本农田保护和开展污染土壤修复的重要基础。传统的土壤有机质含量测定多采用化学分析手段，费时、繁琐、成本高，难以满足实际应用需求。土壤的可见-近红外反射光谱包含丰富的土壤内在组分含量信息，从中可以获得多种土壤内在组分信息，同时具有快捷可靠、节约成本、准确度较高以及无损环保等优点，逐渐成为数字土壤制图、土壤资源调查和精准农业等方面最具发展潜力和应用前景的新一代土壤理化组分分析技术。校正样本集的构建对土壤有机质可见-近红外光谱估算模型稳定性及预测精度具有重要影响。如何在成本约束的条件下选取足够并且具有代表性的校正样本以组成校正样本集关系到土壤有机质可见-近红外光谱估算模型的实用性。校正样本集的样本需要能够本文档来自技高网...

【技术保护点】
一种土壤有机质光谱反演模型校正样本集构建方法，其特征在于，包括以下步骤：步骤1：记录和测量实验区土壤样本的可见‑近红外光谱数据、土壤理化组分含量数据和地理空间数据，构建土壤可见‑近红外光谱‑理化组分含量‑地理信息数据库；步骤2：利用步骤1中获取的土壤样本可见‑近红外光谱数据、土壤理化组分含量数据和地理空间数据，基于多元信息的校正集样本优选方法，构建具有多元代表性的土壤可见‑近红外光谱反演校正集；步骤3：对步骤1中的实验区土壤样本的可见‑近红外光谱数据、土壤理化组分含量数据和地理空间数据进行预处理；步骤4：构建基于土壤可见‑近红外光谱数据的土壤有机质偏最小二乘回归模型。

【技术特征摘要】
1.一种土壤有机质光谱反演模型校正样本集构建方法，其特征在于，包括以下步骤：步骤1：记录和测量实验区土壤样本的可见-近红外光谱数据、土壤理化组分含量数据和地理空间数据，构建土壤可见-近红外光谱-理化组分含量-地理信息数据库；步骤2：利用步骤1中获取的土壤样本可见-近红外光谱数据、土壤理化组分含量数据和地理空间数据，基于多元信息的校正集样本优选方法，构建具有多元代表性的土壤可见-近红外光谱反演校正集；步骤3：对步骤1中的实验区土壤样本的可见-近红外光谱数据、土壤理化组分含量数据和地理空间数据进行预处理；步骤4：构建基于土壤可见-近红外光谱数据的土壤有机质偏最小二乘回归模型。2.根据权利要求1所述的土壤有机质光谱反演模型校正样本集构建方法，其特征在于，步骤1中所述构建土壤可见-近红外光谱-理化组分含量-地理信息数据库，具体实现包括以下子步骤：步骤1.1：采集实验区土壤样本，并记录样本位置、土地利用类型、作物信息；步骤1.2：对土壤样本进行风干、研磨、筛选处理；步骤1.3：测量土壤样本可见-近红外光谱；步骤1.4：分析土壤样本组分含量信息；步骤1.5：建立土壤样本土壤可见-近红外光谱-理化组分含量-地理信息数据库。3.根据权利要求1所述的土壤有机质光谱反演模型校正样本集构建方法，其特征在于：步骤2中所述多元信息的校正集样本优选方法，是将校正集样本选择方法分为基于土壤理化组分信息选择法、基于土壤光谱信息选择法、基于土壤理化组分结合光谱信息选择法、基于地类分层结合土壤理化组分信息选择法、基于地类分层结合土壤光谱信息选择法、基于地类分层结合土壤理化组分信息和土壤光谱信息选择法。4.根据权利要求3所述的土壤有机质光谱反演模型校正样本集构建方法，其特征在于：所述基于土壤理化组分信息选择法是浓度梯度法C和综合浓度法P-KS。5.根据权利要求3所述的土壤有机质光谱反演模型校正样本集构建方法，其特征在于：所述基于土壤光谱信息选择法是KS算法和RNNS算法，均使用欧氏距离挑选在光谱空间具有代表性的样本。6.根据权利要求3所述的土壤有机质光谱反演模型校正样本集构建方法，其特征在于：所述基于土壤理化组分结合光谱信息选择法是Rand-KS算法结合Rand-RNNS算法；先按SOM含量大小等分为m个区间，在每个区间内使用KS和RNNS算法选取i％个样本，i％为该区间样本数k占总样本数n的比例；最后合成一个校正集，使校正集具有SOM和光谱上的代表性。7.根据权利要求1所述的土壤有机质光谱反演模型校正样本集构建方法，其特征在于：步骤3中预处理方法及顺序为log10变换、Savitzky-Golay平滑处理、多元散射校正处理和均值中心化处理。8.根据权利要求1所述的...

【专利技术属性】
技术研发人员：陈奕云，卢延年，郭龙，刘以，胡家蒙，胡珊，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北,42