基于光谱分析的土壤游离铁预测研究

土壤游离铁含量的高低可作为土壤系统分类中判断土壤类型的诊断指标，同时也对土壤风化程度具有指示作用，并在一定程度上反映了土壤的成土环境。本研究调查了安徽宣城的91个土壤剖面，共398个土壤样品，采集了样品在350~2500nm波段的漫反射光谱数据，并对游离铁含量进行化学分析。光谱数据包括反射率(r)、反射率一阶导数(fdr)和吸收度(log(1/r))?3种形式。本文采用偏最小二乘回归算法(plsr)和反向神经网络(bpnn)建模预测游离铁含量，并分析不同形式光谱数据的建模预测效果。结果表明：当存在游离铁<20g/kg的样本时，传统建模方法不能准确预测游离铁含量(r2<0.6，rpd<1.5)，相对r和log(1/r)?两种光谱数据，以fdr作为自变量建模预测游离铁含量的效果最差。