《表2 不同光谱指数的土壤EC回归模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于光谱指数与机器学习算法的土壤电导率估算研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步验证光谱指数对土壤EC定量估算的有效性，本研究分析了21个光谱指数与土壤EC的相关性并尝试构建线性回归模型，结果如表2所示。对比分析发现7种光谱形式所构建的21个光谱指数与土壤EC的|r|均大于0.4，且均在0.01水平上显著（显著性检验阈值P**=±0.128），其中基于R＿FD-RSI(R1913，R2142）构建的光谱指数与土壤EC相关性最强，r为0.649。通过分析21个线性回归模型的决定系数R2可知，在R构建光谱指数的模型中，基于R-DSI(R1882，R2010）的线性回归模型预测精度最优，R2为0.314；在不同光谱预处理构建光谱指数模型中，基于CR-DSI(R2119，R2261）的线性回归模型预测精度最优，R2为0.423。在同种预处理不同光谱指数构建模型中，基于DSI模型的预测精度均最高，仅在Abs预处理中RSI模型预测效果最佳，R2为0.372。综合分析可知，21个光谱指数虽能反映与土壤EC的相关性，但单一指数对于定量估算土壤EC的精度较低，难以解释二者之间的复杂关系，因此考虑采用多指数联合建模来估算土壤EC。