为了监测复垦矿区土壤的有机质含量,综合利用光谱分析、统计学习理论与方法以及智能优化理论与方法,研究了矿区复垦土壤有机质含量与土壤光谱之间的关系,在此基础上建立了土壤有机质含量高光谱反演模型,实现土壤有机质含量定量检测.首先对原始土壤光谱数据进行预处理,然后进行相关性分析,提取450nm、500nm、650nm、770nm、1 460nm和2 140nm作为特征波段,最后利用多元线性回归(multiple linear regression,MLR)、偏最小乘回归(partial least squares regression,PLSR)和粒子群优化支持向量机回归(particle swarm optimization support vector machine regression,PSO-SVM)方法建立了土壤有机质含量的高光谱定量反演模型,并对模型进行验证.3种模型的验证结果如下:MLR、PLSR和PSO-SVM模型的R2分别为0.79、0.83和0.85,RMSE分别为5.26、4.93和4.76.实验结果表明,无论从模型的稳定性还是预测能力上,PSOSVM都要优于其他两个模型.
