利用可见-近红外光谱预测土壤有机质和pH值的机器学习方法评估

摘要： 长江中下游平原稻田土壤有机质（SOM）和pH值是衡量土壤肥力的关键指标?？焖佟⑽匏鹎易既返夭舛⊿OM和pH值对防止不当土地管理导致的土壤退化至关重要。基于可见-近红外（vis-NIR）光谱结合多元校准技术可有效估算土壤特性。本研究采集了中国长江平原523份稻田土壤样本，采用四种机器学习方法——偏最小二乘回归（PLSR）、最小二乘支持向量机（LS-SVM）、极限学习机（ELM）和Cubist回归模型（Cubist），对比分析了基于vis-NIR全波段与遗传算法（GA）降维波段的预测精度。通过决定系数（R2）、均方根误差（RMSE）和性能至四分位距比（RPIQ）评估预测效果。结果显示：采用GA降维波段的ELM模型对SOM（R2=0.81，RMSE=5.17，RPIQ=2.87）和pH值（R2=0.76，RMSE=0.43，RPIQ=2.15）的预测效果最佳；LS-SVM模型在有无GA处理时对pH值的预测性能差异不显著（GA处理：R2=0.75，RMSE=0.44，RPIQ=2.08；未处理：R2=0.74，RMSE=0.45，RPIQ=2.07）。虽然ELM模型使用降维波段预测SOM和pH值时精度略有提升（SOM：R2=0.81，RMSE=5.17，RPIQ=2.87；pH：R2=0.76，RMSE=0.43，RPIQ=2.15），但较全波段（SOM：R2=0.81，RMSE=5.18，RPIQ=2.83；pH：R2=0.76，RMSE=0.45，RPIQ=2.07）波长数量大幅减少（SOM：201→44；pH：201→32）。因此推荐采用GA降维波段结合ELM模型预测长江中下游平原稻田土壤特性（SOM和pH值）。