《表4 土壤有机质含量反演模型的建模集与验证集结果》

  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CWT的人类不同程度干扰下干旱区土壤有机质含量估算研究》

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

基于上述分析，将R、R′、lg（1/R）选取的敏感波长以及CWT选取的小波系数为自变量，土壤有机质含量为因变量，构建偏最小二乘模型（表4）。对R进行R′、lg（1/R）、CWT变换后，在Ⅰ、Ⅱ、Ⅲ区无论是建模集的R2、RRMSE，还是验证集的R2、RRMSE均有不同程度的改善。以Ⅰ区CWT建模效果为例，R建模集和预测集的R2、RRMSE分别为0.372、1.350和0.335、2.391，而CWT对应的数据分别为0.752、0.848和0.717、1.132。因此，对R进行R′、lg（1/R）、CWT变换处理，对于提高模型的预测精度以及模型的稳定性具有重要作用。综合比较3个区的4种光谱指标的估算精度，发现以CWT为自变量建模所得的建模集和验证集的R2和RRPD均高于其他光谱指标的对应值，而RRMSE则均低于其他光谱指标的对应值。以原始光谱反射率R进行建模时，Ⅰ、Ⅱ、Ⅲ区的RRPD值均<1.4，预测能力较差；以R′、lg（1/R）为自变量所建模型的RRPD值均未达到2，只能对有机质含量进行粗略的估计；而以CWT为自变量所建模型得到的Ⅰ、Ⅱ、Ⅲ区的RRPD均>2，分别为2.150、2.090、2.013，表明其预测能力很好，可以对有机质含量进行精确的估测。此外，通过对比3个区CWT与原始光谱反射率R建模集和验证集的R2来看，Ⅰ、Ⅱ、Ⅲ区的CWT变换与R相比，建模集和验证集的R2分别提高了0.380、0.382，0.432、0.400，0.407、0.389，表明人类干扰活动的强弱并不会对CWT估算产生较大影响，该方法具有较好的适用性。