777814 777814 777814

基于高光谱的土壤有机质含量估算研究进展

本文摘自《智慧农业(中英文)》,2018年第1期。2020年第2期第3期。朱锡存教授团队的文章《土壤有机质含量高光谱估计模型的构建与精度比较》,引用格式如下,欢迎阅读和引用。

引文格式:刘天林、朱锡存、白雪原、彭玉峰、李美轩、田中宇、姜元茂、杨贵军。土壤有机质含量高光谱估计模型的构建及精度比较[J].智慧农业(中英文), 2020, 2(3) : 129-138.

刘天林,朱锡存,白学元,彭玉峰,李美轩,田中宇,姜元茂,杨贵军。土壤有机质含量高光谱估计模型构建及精度比较[J].智慧农业, 2020, 2(3): 129-138.

点击直接阅读CNKI

信道模型预测_预测模型两大分类_神经网络预测股票模型

神经网络预测股票模型_信道模型预测_预测模型两大分类

点击官网直接阅读(全文,免费)

神经网络预测股票模型_信道模型预测_预测模型两大分类

基于高光谱的土壤有机质含量估算研究进展

预测模型两大分类_信道模型预测_神经网络预测股票模型

预测模型两大分类_信道模型预测_神经网络预测股票模型

信道模型预测_预测模型两大分类_神经网络预测股票模型

土壤有机质(SOM)是作物生长的重要来源,其含量可以反映土壤肥力状况,对作物生长发育有显着影响,是土地质量的重要指标之一。然而,土壤是一个综合复杂的生态系统,土壤养分含量指标的定量评价和研究一直是土壤科学的重点和难点。SOM内容可以通过地面调查和观测直接获得,但这种方法存在周期长、时效性差、成本高等缺点,而且所能达到的空间尺度也有一定的局限性。研究表明,土壤的反射光谱可以反映土壤的理化性质预测模型两大分类

高光谱数据主要具有光谱分辨率高、光谱范围宽、波段连续、信息内容丰富等特点。国内外许多学者利用不同的高光谱数据开展了 SOM 含量反演的研究。包庆玲等。采用小波变换和数学变换对光谱数据进行预处理,采用灰色相关分析和随机森林算法(Random Forest,RF)对特征光谱进行分析,建立多元线性预测模型。结果表明,基于机器学习的分类方法结合小波分解监测土壤光谱有机质含量,可以有效提高特征波段的分类和预测精度。李冠文等。结合偏最小二乘回归和RF建立SOM含量估计模型预测模型两大分类,并将结果与​​竞争自适应重加权算法、迭代保留有效信息变量、连续投影算法和遗传算法进行比较,选出51个模型建立RF模型。变量个数,模型的相对分析误差(Relative Percent Deviation,RPD)达到4.7,可以很好地预测SOM含量。乔治等人。利用高分辨率高光谱卫星/机载数据获取可见光区敏感波段生成各种光谱指数,利用神经网络模型和光谱敏感指数预测SOM中有机碳含量,决定系数R2达到0.92。魏等人。预处理后得到10个光谱指标,利用岭回归、核岭回归、贝叶斯岭回归和AdaBoost算法建立了基于特征波段的SOM高光谱反演模型。SOM含量检测具有检测精度高、速度快的特点,对精准农业的快速发展具有重要意义。

但是,高光谱也存在波段多、数据量大、信息冗余、重叠等缺陷。因此,在光谱数据质量的研究中,前人主要通过对原始数据的各种变换和增强来提高光谱数据的质量,从而构建相关参数和反演模型。沉兰芝等。采用多种预处理方法,包括去噪、数据变换和降维,最后利用支持向量回归和偏最小二乘回归建立了土壤有机质含量估计模型。即小波去噪和主成分分析(PCA)降维相结合可以有效提高光谱数据的质量。郭家新等。对土壤光谱进行分数微分等数学变换,筛选出显着波段,构建偏最小回归模型和BP神经网络模型。结果表明,1.5阶导数可以更好地转换红土光谱数据。突出显示与有机质相关的特征信息,有助于其含量预测,复合模型可以更好地预测SOM含量。

除了预处理数据以增强光谱信息和提高数据质量外,还为预处理光谱构建了各种光谱参数以反转 SOM 内容。张志涛等。利用分数微分处理后的光谱构建归一化光谱指标,筛选得到灵敏度指标后,构建RF模型。除了最常见的数学方法外,还使用新的处理技术来处理光谱数据。王彦仓等。利用二值小波技术将土壤光谱数据分为高频数据和低频数据五个尺度,然后与实测土壤有机质数据进行低频数据和高频数据的相关性分析,提取出最佳的乐队组合。

根据高光谱数据的特点,无论是算法构建还是数据处理方法的选择,都是为了解决高光谱数据的冗余和重叠问题,最终提高光谱数据的质量和模型反演的准确性。有机质含量是衡量土壤肥力的重要指标,对农产品的产量和品质起着关键作用。

神经网络预测股票模型_预测模型两大分类_信道模型预测

预测模型两大分类_信道模型预测_神经网络预测股票模型

信道模型预测_预测模型两大分类_神经网络预测股票模型

小的

店铺

信道模型预测_预测模型两大分类_神经网络预测股票模型

信道模型预测_预测模型两大分类_神经网络预测股票模型

欢迎选购

微信交流服务群

为方便读者、作者、审稿人在农科领域的学术交流,推动智慧农业发展,更好地服务读者、作者、审稿人,编辑部成立微信交流服务群,共同探讨农业科学领域的问题。专业领域。,投稿相关问题可在群内咨询。

进群方式:加编辑微信331760296,备注:姓名、单位、研究方向,编辑拉你进群,机构营销、广告人员勿扰。

神经网络预测股票模型_信道模型预测_预测模型两大分类

信道模型预测_预测模型两大分类_神经网络预测股票模型

发布征集

预测模型两大分类_信道模型预测_神经网络预测股票模型

欢迎公众号发布科研团队介绍、创新科研成果及相关活动等信息。

信道模型预测_预测模型两大分类_神经网络预测股票模型

信道模型预测_神经网络预测股票模型_预测模型两大分类

神经网络预测股票模型_信道模型预测_预测模型两大分类