杨素妨

（百色学院，广西百色 533000）

土壤有机质泛指以各种形态方式存在于土壤中的所有含碳的有机物质［1］.土壤有机质与农业生产力密切相关［2］，也是精准农业应用、局地碳循环研究的重要环境变量［3］.准确、实时、大范围的土壤有机质含量预测是了解土壤肥力情况、调节土壤质量水平的重要途径.传统的土壤农化分析方法通过破坏性的处理手段进行化学检测，其实验周期长，因而难以实现有机质含量信息的快速更新［4］.相较于传统农化分析方法，高光谱遥感技术能够捕捉土壤成分在光谱上的响应，通过分析光谱特征的细微变化实现对土壤属性的反演［5］.土壤中含有的有机化合物通过碳氢键（C—H、N—H、O—H、C—N和C—C）的分子振动（旋转、弯曲和拉伸）吸收可见光-近红外区域的电磁辐射［6］，挖掘有机质在土壤光谱上特征信息，结合高光谱反射率与多种建模方法构建有机质反演模型，成为目前土壤有机质估算的重要方向［7-8］，常见的反演模型包括多元线性回归［9］、偏最小二乘回归［10］、支持向量机［11］、人工神经网络［12］、随机森林［13］、主成分回归［14］等.

光谱变换能够增强土壤光谱细微的吸收特征，从而提高土壤高光谱预测模型的预测精度［15］.同时由于高光谱数据相邻波段间具有较高的相关性，存在较多冗余和共线波段，部分光谱区间与目标成分弱相关或不相关，全谱段建模可能会影响模型的准确度［16］.解决该问题需要在建立统计回归模型前进行特征变换和波段筛选，增强……