English
资源说明：土壤有机质(SOM)含量是评价土壤肥力的重要指标。以新疆渭-库绿洲为研究区, 对室内获取的SOM含量及反射光谱数据进行Savitzky-Golay (S-G)平滑和一阶微分(FD)预处理。在此基础上, 为减小敏感波段遴选对建模精度的影响, 引入谐波分析(HA)算法对全波段光谱数据进行谐波分解。基于主成分分析(PCA)降维后的7个主分量对SOM含量进行基于反向传播(BP)神经网络、遗传算法(GA)-BP神经网络和多元线性回归(MLR)方法的定量估算, 并对估算精度进行比较。结果表明：HA预处理后的光谱数据与SOM含量的相关性相较于FD数据有了明显提高; 非线性模型BP神经网络的估算精度明显高于线性模型MLR; 在非线性模型中, GA-BP模型的估算精度最高, 其决定系数为0.92, 预测集的均方根误差为3.92×10-3, 相对分析误差为1.93。验证了HA算法深度挖掘光谱数据的有效性, 经过GA优化的BP神经网络模型可以提高SOM含量的估算精度, 为土壤属性的光谱定量估算提供借鉴。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
