Seleção de combinações ótimas de entradas em um modelo de mínimos quadrados parciais para previsão da matéria orgânica do solo

O modelo de mínimos quadrados parciais é amplamente utilizado na estimativa de parâmetros físicos e químicos do solo, como matéria orgânica do solo e conteúdo de umidade, devido às suas vantagens em lidar com a colinearidade de variáveis como a reflectância hiperespectral. No entanto, é difícil determinar a combinação ótima de entradas do modelo de mínimos quadrados parciais para previsão da matéria orgânica do solo, uma vez que existem muitas possibilidades, como diferentes transformações matemáticas da reflectância espectral, intervalos de comprimento de onda e resolução espectral. A reflectância hiperespectral de solos na planície de Songnen foi analisada neste estudo, e o método de desenho experimental ortogonal para derivar a combinação ótima de variáveis de entrada para modelos de previsão de matéria orgânica do solo foi introduzido. Para o quadro de desenho experimental ortogonal, cinco níveis diferentes, comumente usados por pesquisadores, foram atribuídos aos fatores. Os resultados mostram que a combinação ótima de entrada para solo negro único é usar a reflectância recíproca logarítmica derivada no intervalo de comprimento de onda selecionado pela regressão múltipla passo a passo em uma resolução espectral de 5 nm (R2= 0,95, RMSE = 0,21 e RPD = 4,49), e para diferentes solos, usar o continuum removido no intervalo de comprimento de onda selecionado pela MSR em uma resolução espectral de 5 nm (R2 = 0,77, RMSE = 0,74, e RPD = 2,08). Com a combinação ótima de entrada, a capacidade de previsão do modelo de mínimos quadrados parciais foi avaliada como excelente para solo negro único, e possível para diferentes solos. Este estudo ilustra que o método de desenho experimental ortogonal pode ser uma forma eficaz de identificar as variáveis de entrada ótimas de um modelo de mínimos quadrados parciais para previsão de matéria orgânica do solo, e a regressão múltipla passo a passo pode ser uma etapa de pré-processamento para reduzir a redundância dos dados hiperespectrais antes de usar mínimos quadrados parciais para prever a matéria orgânica do solo. No geral, este estudo fornece uma nova abordagem para determinar a entrada ótima do modelo preditivo de mínimos quadrados parciais.