摘要:传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R^2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。
关键词:土壤 模型 光谱分析 土壤有机碳密度 偏最小二乘回归
单位:武汉大学资源与环境科学学院; 武汉430079; 武汉大学地理信息系统教育部重点实验室; 武汉430079; 数字制图与国土信息应用工程国家测绘地理信息局重点实验室; 武汉430079; 华中农业大学资源与环境学院; 武汉430070; 地球空间信息技术协同创新中心; 武汉大学; 武汉430079; 武汉大学苏州研究院; 苏州215123
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社