检索结果-南通市图书馆

基于近红外-可见光高光谱的堆叠泛化模型褐土有机质预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第3期43卷 903-910页

作者：张秀全李志伟郑德聪宋海燕王国梁山西农业大学农业工程学院山西太谷030801 山西农业大学谷子研究所山西长治046000

准确预测农田土壤有机质含量有助于评估农田肥力状况,为精准农业提供数据依据。为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题,以山西省典型褐土农田表层土壤为研究对象,基于近红外-可见光高光谱数据,... 详细信息

准确预测农田土壤有机质含量有助于评估农田肥力状况,为精准农业提供数据依据。为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题,以山西省典型褐土农田表层土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种堆叠泛化模型(SGM)用于预测有机质含量。首先对原高光谱数据采用小波平滑,对平滑数据进行倒数一阶微分、对数倒数一阶微分变换,采用相关系数与递归特征消除法进行特征波段提取。同时,引入机器学习中的集成学习随机森林Random Forest(RF)、梯度提升决策树Gradient Boosting Decision Tree(GBDT)、极限梯度提升eXtreme Gradient Boosting(XGBoost)、AdaBoost 4个初级机器学习器模型通过5折交叉验证对有机质含量进行预测,在初级学习器预测结果基础上,采用随机梯度下降SGD(stochastic gradient descent)作为元学习器建立SGM堆叠泛化模型。突破单模型精度较低和不稳定的制约,实现有机质含量的快速稳定检测。结果表明:倒数一阶微分变换后的光谱信息与有机质含量具有较好的相关性,相关性最大值达到了-0.611;相比单模型,堆叠泛化预测模型的决定系数(R^(2))和相对分析误差(RPD)分别为0.819和2.256,较其他算法平均决定系数(R^(2))和平均相对分析误差(RPD)分别提高了0.055和0.323;平均绝对误差(MAE)、均方根误差(RMSE)分别为1.742和2.308 g·kg^(-1),较其他算法平均绝对误差(MAE)和平均均方根误差(RMSE)分别降低了0.406和0.389 g·kg^(-1),优化效果明显,可用于农田土壤表层有机质含量的有效估测。研究成果可为农田土壤表层有机质含量的高光谱快速检测提供依据和参考。

关键词：可见光-近红外高光谱预测有机质含量堆叠泛化模型

维普期刊数据库

褐土全氮含量Vis/NIRS组合预测模型的构建

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第8期44卷 2310-2317页

作者：张秀全马世兴李志伟郑德聪宋海燕山西农业大学农业工程学院山西太谷030801 山西农业大学信息科学与工程学院山西太谷030801

准确掌握农田土壤全氮含量对于评估土壤肥力,合理施用氮肥具有重要意义。为综合利用各个单预测模型的优势,提升整体预测性能、降低模型方差,提高鲁棒性,以农田褐土土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种基于标准差的... 详细信息

准确掌握农田土壤全氮含量对于评估土壤肥力,合理施用氮肥具有重要意义。为综合利用各个单预测模型的优势,提升整体预测性能、降低模型方差,提高鲁棒性,以农田褐土土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种基于标准差的预测有效度组合预测模型(CPM),用于预测土壤全氮含量。对原高光谱数据采用Savitzky-Golay平滑和一阶微分变换,采用树模型进行特征波段提取,利用决策树回归(DTR)(模型1)、高斯核回归(GKR)(模型2)、随机森林回归(RF)(模型3)、LASSO回归(模型4)、多层感知器回归(MLP)(模型5)5个单预测模型,通过单预测模型的线性组合建立组合预测模型。结果表明:(1)通过广义简约梯度优化算法求得组合预测模型中5个单预测模型的权重分别为ω_(1)*=0.407,ω_(2)*=0.378,ω_(30*=0.215,ω_(4)*=0,ω_(5)*=0;(2)对于所有数据,基于5种单预测模型和组合预测模型对土壤全氮含量预测的预测有效度分别为M_(1)=0.855,M_(2)=0.856,M_(3)=0.847,M_(4)=0.785,M_(5)=0.796,M_(CPM)=0.880;与单模型预测有效度最大值相比,组合预测模型预测有效度提高了2.924%;(3)对于所有数据,基于5种单预测模型和组合预测模型对土壤全氮含量预测的预测精度和标准差分别为E(A_(1))=0.924,σ(A_(1))=0.075,E(A_(2))=0.928,σ(A_(2))=0.077,E(A_(3))=0.923,σ(A_(3))=0.082,E(A_(4))=0.882,σ(A_(4))=0.109,E(A_(5))=0.889,σ(A_(5))=0.104,E(A_(CPM))=0.937,σ(A_(CPM))=0.066,与单模型预测精度最大值相比,组合预测模型预测精度提高了0.970%,模型稳定性提高了12.000%,且为优性组合预测。组合预测模型可用于可见光-近红外光谱数据的农田褐土土壤全氮含量的有效估测,可为农田土壤全氮含量的快速监测提供依据和参考。

关键词：可见光-近红外高光谱预测全氮含量组合预测模型

维普期刊数据库

基于高光谱的桂东北峰丛洼地土壤有机碳含量预测

在线全文

学校读者我要写书评

暂无评论

中国岩溶 2021年第5期40卷 876-883页

作者：唐梅蓉杨奇勇唐海涛中国地质科学院岩溶地质研究所广西桂林541004 中国地质大学(北京) 北京100083 东北农业大学黑龙江哈尔滨150030

以桂东北寨底峰丛洼地土壤为研究对象,利用二阶微分和去除包络线二阶微分方法对土壤光谱进行处理,筛选出3种光谱指数与土壤有机碳(SOC)相关系数最高的特征波段,通过比较偏最小二乘回归、多元线性回归与多元逐步回归等模型的精度,确定SO... 详细信息

以桂东北寨底峰丛洼地土壤为研究对象,利用二阶微分和去除包络线二阶微分方法对土壤光谱进行处理,筛选出3种光谱指数与土壤有机碳(SOC)相关系数最高的特征波段,通过比较偏最小二乘回归、多元线性回归与多元逐步回归等模型的精度,确定SOC最佳估测模型。结果表明:(1)研究区土壤样品有机碳质量分数最小值为0.20%,最大值为6.06%,变异系数为63.28%,具有中等强度的空间异质性;(2)二阶微分光谱指数建立的多元线性回归模型精度优于原始光谱反射率及包络线二阶微分的模型;(3)二阶微分、包络线二阶微分光谱指数建立的偏最小二乘回归预测模型均比通过原始数据建立的模型精度高出0.3;(4)基于二阶微分所建立的多元逐步回归模型具有较高的预测精度(R^(2)=0.75,均方根误差RMSE=4.83和较大的剩余估计偏差RPD=2.00)。

关键词：峰丛洼地高光谱预测有机碳多元线性回归偏最小二乘回归

维普期刊数据库

煤矿区土壤有机碳含量的高光谱估测与空间反演研究

在线全文

学校读者我要写书评

暂无评论

煤矿区土壤有机碳含量的高光谱估测与空间反演研究

作者：孙问娟山东农业大学

学位级别：硕士

土壤有机碳在土壤透水保水性、土壤生物活动、土壤养分转化和土壤质地等方面具有重要意义,是土壤的质量核心以及主要的土壤肥力指标,也是煤矿区土地复垦和改良的重要参考。因此,土壤有机碳含量信息的快速准确获取,不仅是当前精准农业的... 详细信息

土壤有机碳在土壤透水保水性、土壤生物活动、土壤养分转化和土壤质地等方面具有重要意义,是土壤的质量核心以及主要的土壤肥力指标,也是煤矿区土地复垦和改良的重要参考。因此,土壤有机碳含量信息的快速准确获取,不仅是当前精准农业的必然要求,也是矿区内土地可持续利用和采煤产业可持续发展的重要前提。本研究选取山东省鲍店矿区表层0-20 cm土壤有机碳含量作为研究对象,野外采集土壤样本107个,室内分析土壤有机碳含量,分别在室内和野外测定两套土壤高光谱数据,同时通过高分一号(GF-1)WFV数据影像进行配合,探究该矿区内土壤有机碳含量的预测模型和空间反演模型,同时联合土地利用类型,揭示土壤有机碳的空间分布特征。土壤有机碳含量的预测模型采用干土波谱,通过Savitzky-Golay卷积平滑(SG)、多元散射校正(MSC)及数学变换等多种方式组合对光谱进行预处理,并运用偏最小二乘回归分析分别基于全波段和显著性波段建立土壤有机碳含量预测模型;土壤有机碳的空间反演模型采用湿土光谱,通过多种数学方法把高光谱的窄波段拟合到GF-1 WFV的宽波段,运用多元线性逐步回归分析建立土壤有机碳含量的高光谱模型,进而通过比值订正法,将最优高光谱模型校正为多光谱模型后应用到GF-1影像,得到研究区土壤有机碳含量的空间分布图。结果表明:(1)不同有机碳含量的光谱反射率曲线在形态特征上较一致,在强度大小上有差异。有机碳含量降低到一定程度时,其光谱响应能力下降,尤其是在近红外波段范围内。(2)在土壤有机碳含量的预测研究中,SG与无处理下的显著性相关波段范围广于MSC和MSC+SG预处理。与全波段建模相比,显著性波段建模方法提高了无处理方式下模型精度,降低了MSC和MSC+SG处理方式下的模型精度,保持了SG处理方式下的模型精度。(3)土壤有机碳含量空间反演的研究中,波段运算可以明显提高与土壤有机碳含量的相关性。单波段运算中倒数变换相对较好,但是相关性仍处于中等程度;双波段运算的比值和差值效果较好,比值可以达到强相关水平;多波段运算产生的光谱指数的相关性最高可达0.74左右。最优模型是全波段平均拟合法下,三种波段运算方法共同参与产生的,校正后的多光谱模型反演验证系数为0.676。(4)该研究区的土壤有机碳含量范围为1.08–31.70 g/kg,平均含量为11.76g/kg。在整体分布上,矿区内的土壤有机碳含量以III级为主,IV级次之,还有少许的II,V,VI级,I级最少,不到0.1%;中部地区土壤有机碳含量相对高且集中,西北部地区有机碳含量低。(5)矿区的土地利用类型仍以耕地为主,林地、草地较少;采矿用地主要集中在中部地区,与道路面积相当;水域面积相对较大,周围有机碳含量偏低。耕地的平均质量水平处于中等偏上,高质量耕地极少;林地和草地的有机碳含量水平较低;采矿用地土壤有机碳含量最高,明显高于农用地。总体上,各个地类中的土壤有机碳含量表现为采矿用地>耕地>草地>林地。

关键词：土壤有机碳煤矿区高光谱预测多光谱反演土地利用类型