《表6 基于SVM的高光谱综合模型构建及验证》

  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

《河套灌区土壤水溶性盐基离子高光谱综合反演模型》

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

为了探索水溶性盐基离子SVM的优化模型，将筛选的特征波段、特征波段+特征光谱指数分别建立SVM模型，对比其模型精度。由表6可知，基于特征波段的SVM模型中，训练集R2为0.30～0.63，RMSE为0.12～1.72 g/kg，验证集R2为0.31～0.67，RMSE为0.12～2.33 g/kg，RPD为0.296～1.090，除基于特征波段的全盐量、Na++K+的SVM模型具有区分高低值的能力外其余模型均不具备预测能力。而基于特征波段+特征光谱指数的SVM模型的模拟效果均较好，模型的训练集和验证集的预测效果如图5所示，训练集R2为0.49～0.90，RMSE为0.08～1.25 g/kg，验证集R2为0.53～0.90，RMSE为0.11～1.43 g/kg，RPD为1.150～3.000，通过对基于特征波段的SVM模型与基于特征波段+特征光谱指数的SVM模型的模拟精度比较可知，考虑了特征波段+特征光谱指数SVM模型中各离子的RPD平均提高了110.27%，训练集R2平均提高了37.54%，RMSE降低了40.12%，验证集R2平均提高了56.04%，RMSE降低了39.39%。其中SO42-的RPD达到3.000，模拟效果最优，具备很好的预测能力，全盐量模型具有很好的定量预测能力，Mg2+模型可用于评估或相关性方面的预测，Na++K+、Ca2+的模型具有区别高低值的能力。