《表2 土壤有机质含量预测模型》

  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

《不同测试条件对土壤有机质光谱预测模型精度的影响》

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

在经过数学变换后，作为输入量进行模型建立，比较室内室外两个实验，如表2所示，以去包络线作为输入量的多元逐步线性回归模型，精度最高；偏最小二乘法模型中，虽然以去包络线作为输入量的预测精度不是最高的，但结合室内室外实验结果来看，建模精度极其接近。前人研究指出[26]，微分处理技术能够去除不同背景和噪声的影响；去包络线处理能够将所有的光谱特征归一化到一致的光谱背景中，在这个基础上进行光谱吸收特征的提取。以往这种处理方法多用于提高土壤理化性质预测模型的精度，但根据以上所述现象可以得出，尽管野外和室内测试条件不同，使用的光谱仪不同，使得使用原始反射率建立土壤有机质含量预测模型时，其预测精度存在差异，但可以通过对原始光谱数据进行去包络线处理后作为输入量建模，将室内外光谱整合到同一光谱背景上，来减小甚至消除两者之间建模精度的差异，并且使得预测精度得到提高。这为有机质预测模型的室内研究与室外研究的联系建立提供了新的思路，我们希望通过此研究来提高对不同环境和不同仪器的光谱数据的认识，为以后的土壤理化性质预测模型的研究提供帮助。