2023，45（2）DOI：10.13836/j.jjau.2023048ActaAgriculturaeUniversitatisJiangxiensishttp://xuebao.jxau.edu.cn江西农业大学学报基于原位光谱的滨海滩涂土壤含水量预测模型宋敬茹1，满卫东1，2，3，4*，高均海5*，张永彬1，刘明月1，2，3，4，郝玉峰1，郑浩1，杨晓芜1（1.华北理工大学矿业工程学院，河北唐山063210；２.唐山市资源与环境遥感重点实验室，河北唐山063210；3.河北省矿区生态修复产业技术研究院，河北唐山063210；４.河北省矿业开发与安全技术重点实验室，河北唐山063210；5.中煤科工生态环境科技有限公司唐山分公司，河北唐山063012）摘要：【目的】滩涂土壤含水量对滨海区域生态保护和植物生长都至关重要，及时了解土壤含水量对生态恢复、土壤资源管理和土壤可持续利用具有重要意义。针对土壤含水量获取复杂的问题，探求更加快速精准地获取滨海滩涂土壤含水量的方法。【方法】沿沧州滨海区域采集了共计14个表层（0~20cm）滩涂土壤样品，在实验室利用烘干法测得滩涂土壤含水量。在分析野外实测滨海滩涂土壤原位高光谱反射率（R）和土壤含水量特性的基础上，采用反射率倒数（1/R）、反射率倒数对数（log（1/R））、反射率一阶微分（R´）和反射率去包络线（CR）等变换形式。充分挖掘光谱信息，并探求与滨海滩涂土壤高相关性的可见近红外（VIS-NIR）光谱波段，构建基于多元逐步线性回归（MSR）和支持向量机回归（SVR）方法的滨海滩涂土壤含水量预测模型。结合适用于小样本的留一交叉验证（LOO-CV）法验证模型精度，并对比分析两种预测模型的性能以及模型的稳定性。【结果】研究发现：1）土壤光谱反射率与对应土壤含水量呈显著负相关，且二者在1400~1600nm和1900~2400nm内密切相关。2）除R外，同一种光谱变换形式下，采用SVR方法构建的滨海滩涂土壤含水量预测模型精度和稳定性明显高于MSR方法，对比得出基于R´的滨海滩涂土壤含水量SVR预测模型精度最高，Adjusted-R2、RPD和RMSE分别为0.81、2.08和2.56。【结论】在R´变换形式下利用SVR方法建立的模型能够较准确地预测滨海滩涂土壤含水量，为滨海湿地土壤管理、植物生长和环境保护提供必要的数据支持，并为基于高光谱影像的区域尺度土壤含水量预测提供方法借鉴。关键词：高光谱；滨海滩涂；机器学习；土壤含水量；预测模型中图分类号：S152.7文献标志码：A开放科学（资源服务）标识码（OSID）：文章编号：1000-2286（2023）02-0508-09收稿日期：2022⁃05⁃31修回日期：2022⁃09⁃30...
