基于PLSR-BP复合模型的红壤有机质含量反演研究
对红壤地区土壤有机质进行快速预测,以满足智慧农业与精准施肥的需要.以江西省奉新县北部为研究区域,采用1 km×1 km标准格网划分研究区进行采样,共得到红壤样本248个.对土壤光谱进行了包含分数阶导数在内的3种数学变换方法,将经过P=0.01显著性检验的波段用于模型的构建,选用偏最小二乘回归(PLSR)和BP神经网络建立土壤有机质含量预测模型.结果表明:当对红壤光谱数据进行1.5阶导数变换后再使用PLSR-BP复合模型对土壤有机质含量进行预测时的结果为最优,训练集R2=0.89,RMSE=4.68 g·kg-1,验证集R2=0.87,RMSE=5.55 g·kg-1,RPD=2.75.1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息,有助于其含量预测.PLSR-BP复合模型预测精度优于单一模型,能够较好地预测红壤有机质含量,为精准农业快速监测红壤有机质含量提供了新的途径.
红壤、有机质、分数阶导数、偏最小二乘回归、BP神经网络
57
S158.2;TP7(土壤学)
国家重点研发计划项目;江西省赣鄱英才"555"领军人才项目
2020-06-28(万方平台首次上网日期,不代表论文的发表时间)
共10页
636-645