基于分数阶微分与多维光谱指数的土壤盐分高光谱反演——以宁夏平罗县为例OA
土壤盐渍化是全球土壤退化的重要诱因。为提高土壤盐分反演精度,以宁夏平罗县为研究区,基于光谱仪实测数据,系统分析不同程度盐渍化土壤的光谱特征;采用分数阶(0~2.00阶)微分方法增强光谱有效信息,结合二维与三维光谱指数与Boruta特征选择算法,构建随机森林(RF)、极端随机树(ERT)及极端梯度提升(XGBoost)3类土壤盐分反演模型。结果表明,土壤光谱在1400、1900、2200 nm附近出现典型吸收谷;分数阶微分方法能够有效增强光谱吸收特征,其中,0.75阶微分处理下,二维、三维光谱指数与土壤盐分的相关性最强,相关系数(r)分别为-0.7868、-0.849;Boruta算法筛选出27个关键光谱特征。模型对比分析结果显示,4种建模策略下,RF模型最稳定且精度最高,当以SG、FOD、Boruta及光谱指数为输入特征时,RF模型的拟合效果最佳(R^(2)=0.92,e_(rms)=0.84)。特征重要性分析结果显示,特征TBI2是模型预测的最主要驱动因子(重要性得分为0.14),SHAP解释分析进一步证实TBI2对土壤盐分预测呈正向贡献(平均值为0.56),而特征RI呈负向贡献。偏依赖图(PDP)与个体条件期望曲线(ICE)揭示,TBI2值在2附近时,模型预测结果呈阶跃式正向响应,而R1590则表现为平滑负向响应,多种解释方法的分析结果一致。该研究为盐渍化土壤盐分的高光谱反演提供了重要参考。
贾萍萍;赵小宁;徐士雯;唐冲;戚杰军;王文婷
陕西理工大学秦岭国家公园研究院,陕西汉中723001 陕西理工大学秦巴生物资源与生态环境省部共建国家重点实验室(培育),陕西汉中723001 陕西理工大学生物科学与工程学院,陕西汉中723001陕西理工大学秦岭国家公园研究院,陕西汉中723001 陕西理工大学秦巴生物资源与生态环境省部共建国家重点实验室(培育),陕西汉中723001 陕西理工大学生物科学与工程学院,陕西汉中723001陕西理工大学秦岭国家公园研究院,陕西汉中723001 陕西理工大学秦巴生物资源与生态环境省部共建国家重点实验室(培育),陕西汉中723001 陕西理工大学生物科学与工程学院,陕西汉中723001陕西理工大学秦岭国家公园研究院,陕西汉中723001 陕西理工大学秦巴生物资源与生态环境省部共建国家重点实验室(培育),陕西汉中723001 陕西理工大学生物科学与工程学院,陕西汉中723001陕西理工大学秦岭国家公园研究院,陕西汉中723001 陕西理工大学秦巴生物资源与生态环境省部共建国家重点实验室(培育),陕西汉中723001 陕西理工大学生物科学与工程学院,陕西汉中723001陕西理工大学秦岭国家公园研究院,陕西汉中723001 陕西理工大学秦巴生物资源与生态环境省部共建国家重点实验室(培育),陕西汉中723001 陕西理工大学生物科学与工程学院,陕西汉中723001
农业科技
土壤盐渍化高光谱反演分数阶微分机器学习可解释方法宁夏平罗
《宁夏大学学报(自然科学版中英文)》 2026 (4)
P.289-301,13
国家自然科学基金资助项目(U24A20631)陕西理工大学校级科研项目(X2025018、X20260044)。
评论