《表2 土壤碳酸钙含量的敏感波段的RFR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

《基于高光谱的土壤碳酸钙含量估算模型研究》

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

表2为土壤碳酸钙含量敏感波段RFR模型，研究表明，经数学变换的光谱为变量建立的模型精度明显高于原始光谱，数学变换有效提高了土壤碳酸钙含量与光谱反射率之间的相关性，验证集R2均大于0.58，其中二阶微分的估算精度最高，验证集R2为0.82，RPD为2.37，表明模型较为适用；从敏感波段选取方法看，除基于CR的建模集精度相关分析法较高于连续投影算法外，其余数学变换方法无论建模集验证集基于连续投影算法建模精度均高于相关分析法，由此看出，连续投影算法不仅变量少效率高，并且在波段筛选方面较为适用；就模型本身而言，随机森林回归整体的预测精度较好，验证了利用随机森林回归估算土壤碳酸钙含量的可行性。就模型的稳定性而言，建模集整体精度均高于验证集，模型缺乏一定的稳定性，可能原因为:（1）土壤碳酸钙样品普遍存在标准差较大、变异性较大的现象，碳酸钙的含量较为分散，在对碳酸钙含量进行估算研究中数据普遍存在以上问题；（2）获取敏感波段的方式不同。例如，洪长乔等[17]除了利用相关分析法选取的波段，还添加了前人研究结果较好的几个数据集作为自己研究的建模集之一，并分别建模进行比较；Gomez等[19]在研究拉比因河谷土壤碳酸钙含量时，利用可变重要性（VIP分数）和B系数的值来确定光谱带，由此可看出敏感波段的选取方式是多样的，选择方式的不同对模型精度与稳定性会产生一定的影响。图5为基于SPA的4种数学变换RFR模型实测值与预测值拟合图，可以明显看出二阶微分的模型拟合效果较好。