基于全谱数据挖掘技术的土壤有机质高光谱预测建模研究
100 积分
50
评分
4.7 积分- 详情
- 2021-09-10
- 简介
pdf
- 464KB
- 页数 未知
- 阅读 86
- 下载 33
可见/近红外高光谱技术与建模方法是当前土壤近地传感器研究领域的重要方向,可应用于土壤养分信息的快速获取和农田作物的精确施肥管理。以浙江省水稻土为研究对象,利用以非线性模型为核心的数据挖掘技术,包括随机森林、支持向量机、人工神经网络等方法分别建立了不同建模集和验证集的原始光谱与有机质含量的估测模型。结果表明:研究比较的1∶1,3∶1和全部样本建模并全部验证的三种样本模式划分对建模的结果有一定的影响。相较于目前常用的偏最小二乘回归(PLSR)建模方法而言,非线性模型RF和SVM也取得了较好的建模精度,三种模式下其RDP值均大于1.4。特别是采用SVM建模方法所得模型具有很好的预测能力,模式二下其RDP值达到2.16。同时引入ANN方法改进建立的PLSR-ANN方法显著提高了PLSR的模型预测能力。
对不起，您暂无在线预览权限，如需浏览请
立即登录热门商品
相关推荐
基于全谱数据挖掘技术的土壤有机质高光谱预测建模研究 464KB
提升土壤有机质的有效途径 84KB
土壤盐渍化高光谱特征分析与建模 323KB
中低产田土改造及土壤有机质提升技术 333KB
不同改良材料对复垦土壤有机质及产量的影响 156KB
土壤有机质测定过程中存在的问题及解决对策 41KB
支持向量机在土壤镁含量高光谱估算中的应用 263KB
土壤活性有机质的研究现状与展望 332KB
基于地统计与GIS的土壤有机质空间变异性研究——以湖南省主产烟区为例 383KB
云盖山矿井水中溶解有机质三维荧光光谱特征分析 402KB