融合可见光/近红外光谱技术的湖泊绿洲土壤有机碳含量高精度估算模型研究

【编辑推荐】来自中国西北地区的研究团队针对土壤有机碳(SOC)快速检测中光谱冗余问题，创新性结合连续小波变换(CWT)与最优波段组合算法(OBC)，构建了CWT-OBC-RF预测模型（验证R2=0.84），筛选出仅占全波段0.39%的7个特征敏感波段，为干旱区绿洲土壤质量评估提供了高效技术方案。

　　

在这项聚焦干旱区湖泊绿洲的研究中，科研人员巧妙运用可见-近红外(Vis-NIR)光谱技术破解土壤有机碳(SOC)检测难题。面对光谱信息冗余的技术瓶颈，团队祭出"三重组合技"：首先采用连续小波变换(CWT)对博斯腾湖沿岸102份土壤样本的光谱数据进行预处理，继而通过连续投影算法(SPA)、Boruta和最优波段组合(OBC)三大特征筛选利器提取关键变量，最终构建出随机森林(RF)预测模型。

研究亮点在于发现CWT-OBC-RF组合拳在尺度参数为3时表现惊艳，验证集R²高达0.84，预测精度(R² 0.60-0.84)和稳定性(RPD 1.44-2.44)双双突破。更令人振奋的是，算法从浩如烟海的光谱波段中精准锁定7个"黄金波段"——406nm、764-765nm双峰、903nm、1125nm、1195nm、1200nm及1688nm，这些仅占全波段0.39%的特征波长如同土壤碳元素的"分子指纹"，为快速检测提供了关键靶点。

这项研究不仅验证了CWT与OBC联用可有效提升光谱信息利用率，更为干旱区绿洲土壤质量监测装上了"光谱之眼"，对实现精准农业和生态保护具有重要实践价值。