团队成员康苒等人在遥感期刊Spectroscopy Letters发表了“Selection of optimal combinations of inputs in a partial least squares model for prediction of soil organic matter”文章，论文见链接https://www.tandfonline.com/doi/full/10.1080/00387010.2018.1485706

在土壤有机质高光谱预测的相关研究中，不同学者通常会采用不同的方法提高土壤有机质含量的预测精度，即使相同土壤类型、相同的模型方法由于模型输入量的不同也会导致预测结果不具有可比性。因此，本研究利用正交实验设计方法探究土壤有机质PLS预测模型的最优输入量组合，研究结果表明：无论对于单一黑土还是混合土壤，最优光谱分辨率均为5 nm，且波段为多元逐步回归后的波段。但对单一黑土高光谱数据最有效的数据变换形式为倒数对数微分（R²=0.95 RPD=4.49），而对混合土壤而言，去包络线能够取得更好的预测效果（R²=0.77 RPD=2.08）。

欢迎引用:Kang R, Zhang X, Liu H, et al. Selection of optimal combinations of inputs in a partial least squares model for prediction of soil organic matter[J]. Spectroscopy Letters, 2018, 51(7): 373-381.