王德彩+张俊辉

摘 要：为快速、准确地获取土壤质地信息，提出了应用Vis-NIR光谱结合BP神经网络的建模方法。以河南封丘县的86个土壤样本为研究对象，以原始光谱和微分光谱主成分为输入变量，建立土壤粘粒和砂粒的BP神经网络预测模型，并将其预测结果与多元线性逐步回归模型进行比较。结果表明：基于原始光谱主成分的BP人工神经网络预测结果最好，优于多元逐步回归模型，预测粘粒和砂粒的RMSE分别为1.62和6.52。BP神经网络所建模型训练时间短、准确度也较高，能实现对土壤质地的高效预测。

关键词：Vis-NIR光谱； BP神经网络；主成分分析；土壤质地

中图分类号：S153 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2015.08.002

土壤质地是影响土壤肥力的一个重要因素，同时土壤质地影响一系列陆面及大气过程，如土壤—植物—大气相互作用、土壤侵蚀过程、土壤溶质迁移过程等[1-2]。快速获取土壤质地信息，对现代农业管理和生态环境治理具有重要意义。土壤反射光谱特性与土壤的理化性质有着密切的关系，土壤组成物质的多样性以及土壤中每种组成物质的独特光谱特性，使各类土壤的光谱曲线都具有自己的特征[3]。随着光谱技术的发展，为土壤属性的快速获取提供了新的途径。近红外光谱和可见光近红外（Vis-NIR）光谱被广泛用于快速测试土壤质地、有机质等[4-9]。目前，基于土壤光谱的土壤属性预测，大多采用偏最小二乘回归、多元逐步回归等线性预测方法，而土壤质地与反射光谱之间的关系复杂，存在随机性和非线性。……