基于高光谱的区域土壤质地预测模型建立与评价——以河套灌区解放闸灌域为例

为了运用光谱反射率快速确定土壤质地,对河套灌区6种不同类型土壤质地在室内进行光谱反射率测试,分别运用一元线性回归、逐步多元回归及BP神经网络三种方法建立光谱反射率与土壤砂粒含量及粉粒含量的拟合模型,并利用估测数据对样品进行土壤质地的模拟。结果显示:三种预测模型精度及其预测能力均较为满意,其中BP神经网络的拟合效果最好,砂粒,粉粒估测模型的决定系数R2均为0.86,外部检验决定系数R2分别为0.88,0.90。利用BP神经网络预测得出的粒径含量对样本质地重新判定,发现达到91.74%的样本符合类别分类要求。研究结果为利用高光谱图像大范围确定土壤质地奠定了基础,对于未来区域模型模拟和土壤水力参数推求具有重要指导意义和应用价值。