基于CWT-sCARS的东北旱作农田土壤有机质高光谱反演

精准高效获取不同类型土壤的有机质含量,对促进东北土壤退化防治和耕地质量提升有重要意义.本研究以东北旱作农田典型土壤类型为研究对象,采集了黑土、黑钙土、潮土和棕壤共118个土壤样品,采用倒数对数、一阶微分、连续统去除和连续小波变换分别对其光谱曲线进行预处理.通过稳定性竞争自适应重加权采样(sCARS)算法筛选敏感波段,并建立偏最小二乘回归模型.研究结果表明:连续小波变换处理可以抑制背景和噪声的干扰,挖掘土壤光谱内隐含的有效信息,提高土壤光谱与有机质含量的相关性.sCARS算法能够提取与土壤有机质相关的重要特征信息变量,去除冗余、重叠的光谱信息,提高建模效率.黑土、黑钙土、潮土和棕壤的最佳模型均为连续小波变换模型,R2分别达到了 0.83、0.88、0.93和0.93;一 阶微分模型也有较好的表现,而倒数对数、连续统去除的模型效果不佳.连续小波变换处理后,模型的精度和稳定性得到了显著提升,建模集、验证集决定系数R2最高提升了 0.13、0.28,均方根误差(RMSE)最大降低了 2.48、2.40 g/kg.连续小波变换结合sCARS算法,为土壤有机质含量的高光谱快速精准估测提供了新途径.