基于PLSR-BP复合模型的绿洲土壤pH高光谱反演

以土壤pH、野外实测光谱以及多元散射校正(MSC)预处理后的光谱数据为基础，利用数学方法（主成分回归PCA、偏最小二成回归PLSR、BP神经网络模型）分别建立了土壤pH的预测模型。结果表明土壤实测光谱和经过MSC方法预处理的光谱数据均与pH存在良好的相关性，并呈极显著水平，后者的相关性更高。PCA和PLSR两种土壤pH估测模型均具有良好的预测能力。BP神经网络模型则因输入变量多，预测精度较低。但利用PCA和PLSR模型所获得主成分，作为BP神经网络的输入变量所建立的复合模型，可明显提高模型稳定性和预测能力。