文献类型：期刊文章

作　　者：刘艳芳[1,2,3] 宋玉玲[1,2,3] 郭龙[4] 陈奕云[1,2,5,6] 卢延年[1,2,3] 刘以[1,2,3]

Liu Yanfang Song Yuling Guo Long Chen Yiyun Lu Yannian Liu Yi(School of Resource and Environmental Science, Wuhan University, Wuhan 430079, China Key Laboratory of Geographic Information Systems, Ministry Education, Wuhan University, Wuhan 430079, China Key Laboratory of Digital Mapping and Land Information Application Engineering, National Administration of Surveying, Mapping and Geo-information, Wuhan 430079, China College of Resource and Environment, Huazhong Agricultural University, Wuhan 430070, China Collaborative Innovation Center of Geospatial Technology, Wuhan University, Wuhan 430079, China Suzhou Institute of Wuhan University, Suzhou, Jiangsu 215123, China)

机构地区：[1]武汉大学资源与环境科学学院,武汉430079 [2]武汉大学地理信息系统教育部重点实验室,武汉430079 [3]数字制图与国土信息应用工程国家测绘地理信息局重点实验室,武汉430079 [4]华中农业大学资源与环境学院,武汉430070 [5]地球空间信息技术协同创新中心,武汉大学,武汉430079 [6]武汉大学苏州研究院,苏州215123

出　　处：《农业工程学报》

基　　金：国家自然科学基金项目(41501444);苏州市应用基础农业项目(SYN201422);中央大学基础研究基金(2662016QD032)

年　　份：2017

卷　　号：33

期　　号：2

起止页码：183-191

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171503558513)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R^2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。

关 键 词：土壤 模型  光谱分析 土壤有机碳密度 偏最小二乘回归 协同克里格  回归克里格  

分 类 号：S151.95]