文献类型：期刊文章

作　　者：史舟[1,5] 王乾龙[1] 彭杰[2] 纪文君[1] 刘焕军[3] 李曦[1] Raphael A VISCARRA ROSSEL[4]

机构地区：[1]浙江大学环境与资源学院,杭州310058 [2]塔里木大学植物科学学院,阿拉尔843300 [3]东北农业大学资源与环境学院,哈尔滨150030 [4]CSIRO Land&Water,Bruce E.Butler Laboratory,Canberra ACT 2601,Australia [5]浙江大学唐仲英传感材料及应用研究中心,杭州310058

出　　处：《中国科学：地球科学》

基　　金：国家自然科学基金项目(编号:41271234,40871100);教育部新世纪优秀人才支持计划项目(编号:NCET-10-0694);浙江省杰出青年科学基金项目(编号:R5100140)资助

年　　份：2014

卷　　号：44

期　　号：5

起止页码：978-988

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2013_2014、JST、PA、RCCSE、ZGKJHX、核心刊

摘　　要：土壤可见-近红外漫反射光谱是当前对地遥感观察和土壤近地传感器研究的重要方向，同时也被认为是土壤数字制图、精确农业和土壤资源调查等方面最重要的数据获取技术. 从中国西藏、新疆、黑龙江、海南等地采集16种土类的1581个土壤样本，经干燥过筛后统一采用 ASD光谱仪测量了其室内可见-近红外反射光谱（350-2500 nm）. 对所有的土壤光谱数据采用Savitzky-Golay平滑加一阶微分进行转换，来减少大样本数据受到实验室光学测试环境条件差异的影响，然后对数据进行主成分变换降维处理. 引入模糊k-means方法进行大样本光谱数据的最佳分类数目计算，并将中国土壤光谱数据分成五类，各自代表了不同的土壤矿物和有机组分，主要类型与国际同行类似成果有可比性. 最后提出了采用土壤光谱分类方法结合偏最小二乘回归法（PLSR）方法建立土壤有机质的光谱分类-局部预测模型，结果比未分类直接采用PLSR方法的一阶微分-全局预测模型的精度有了显著提高，其预测模型的R2和RPD两个指数分别从0.697和1.817提高到0.899和3.158.

关 键 词：漫反射光谱  可见-近红外光谱  土壤有机质 光谱数据库  中国  

分 类 号：S152] S158]