本文關(guān)鍵詞： 土壤光譜 有效鐵預(yù)測 RBF神經(jīng)網(wǎng)絡(luò) 偏最小二乘回歸(PLSR) 組合模型　出處：《土壤學報》2017年03期 　論文類型：期刊論文

【摘要】：鐵是植物生長的重要微量營養(yǎng)元素之一,土壤有效鐵含量對林地環(huán)境起著重要的影響,利用土壤光譜預(yù)測技術(shù)獲取土壤有效鐵含量信息具有重要意義。而要通過土壤光譜直接預(yù)測土壤有效鐵含量是難以實現(xiàn)的,因此提出利用土壤有機質(zhì)含量與有效鐵含量之間的相關(guān)性,探討間接估算土壤有效鐵含量的可行性。以廬山森林土壤樣本為研究對象,研究基于偏最小二乘回歸(PLSR)和徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的組合模型預(yù)測土壤有機質(zhì)含量的適用性,并且通過構(gòu)建有機質(zhì)含量與有效鐵含量的二項式線性模型,對土壤有效鐵含量進行間接反演,探討不同權(quán)重下的最優(yōu)組合模型。結(jié)果表明,組合模型的預(yù)測效果優(yōu)于偏最小二乘回歸和RBF神經(jīng)網(wǎng)絡(luò)單個模型,并且熵值組合為最優(yōu)組合模型,其中,土壤有機質(zhì)的反演模型驗證的決定系數(shù)(R~2)為0.81,均方根誤差(RMSE_p)為11.54 g kg~(-1),測定值標準差與標準預(yù)測誤差的比值(RPD)為2.18;有效鐵的間接反演模型R~2為0.70,RMSE_p為21.60 mg kg~(-1),RPD為1.77。通過土壤有機質(zhì)構(gòu)建土壤有效鐵含量的光譜反演間接模型,在光譜反演模型中,組合模型能較大限度地利用各種預(yù)測樣本信息,能有效減少單個預(yù)測模型中隨機因素的影響,增強預(yù)測穩(wěn)定性,提高模型的預(yù)測能力。因此,組合模型可對土壤有機質(zhì)含量的光譜預(yù)測及土壤有效鐵的間接預(yù)測發(fā)揮更好的作用。
[Abstract]:Iron is one of the most important micronutrients in plant growth. It is of great significance to obtain soil available iron content information by means of soil spectral prediction technology, but it is difficult to predict soil available iron content directly by soil spectrum. Therefore, using the correlation between soil organic matter content and available iron content, the feasibility of indirectly estimating soil available iron content was discussed. The applicability of the combined model based on partial least square regression (PLSRS) and radial basis function (RBF) neural network for predicting soil organic matter content was studied. The binomial linear model of organic matter content and available iron content was constructed. Indirect inversion of soil available iron content was carried out to discuss the optimal combination model with different weights. The results show that the prediction effect of the combined model is better than that of the partial least square regression and the single RBF neural network model. And the entropy value is combined as the optimal combination model, where, The determination coefficient of soil organic matter inversion model was 0.81, the root mean square error (RMSEp) was 11.54 g / kg ~ (-1), the ratio of standard deviation to standard prediction error was 2.18, and the indirect inversion model of effective iron was 0.70 ~ (-1) mg 路kg ~ (-1) 路kg ~ (-1) ~ (-1) ~ (-1) ~ (-1) ~ (-1) ~ (-1) ~ (-1) and 0.70 ~ (-1) mg 路kg ~ (-1) 路kg ~ (-1) 路kg ~ (-1) 路kg ~ (-1) 路L ~ (-1) of RMSEp, respectively. The indirect spectral inversion model of soil available iron content was constructed by soil organic matter. In the spectral inversion model, the combined model can make use of all kinds of prediction sample information to a large extent, can effectively reduce the influence of random factors in a single prediction model, enhance the prediction stability and improve the prediction ability of the model. The combined model can play a better role in the spectral prediction of soil organic matter content and the indirect prediction of soil available iron.
【作者單位】： 江西農(nóng)業(yè)大學江西省鄱陽湖流域農(nóng)業(yè)資源與生態(tài)重點實驗室/林學院;
【基金】：國家自然科學基金項目(41361049) 土壤與農(nóng)業(yè)可持續(xù)發(fā)展國家重點實驗室項目(0812201202)資助~~
【分類號】：S714

【相似文獻】

相關(guān)期刊論文 前10條

1 蔡永香;郭慶勝;;基于神經(jīng)網(wǎng)絡(luò)的街道漸進式選取[J];測繪信息與工程;2008年05期

2 張婷,湯國安,王崢,陳莉,王春;基于神經(jīng)網(wǎng)絡(luò)的地面坡度與其他地形定量因子關(guān)聯(lián)性分析——以黃土高原丘陵溝壑區(qū)實驗為例[J];山地學報;2004年04期

3 熊楨,鄭蘭芬,童慶禧;分層神經(jīng)網(wǎng)絡(luò)分類算法[J];測繪學報;2000年03期

4 詹云軍;黃解軍;吳艷艷;;基于神經(jīng)網(wǎng)絡(luò)與元胞自動機的城市擴展模擬[J];武漢理工大學學報;2009年01期

5 趙波,邊馥苓;基于知識的神經(jīng)網(wǎng)絡(luò)及其在智能空間決策支持系統(tǒng)中的應(yīng)用[J];測繪工程;2000年03期

6 趙珂;;SINS/GPS的神經(jīng)網(wǎng)絡(luò)狀態(tài)估計[J];科技信息;2009年10期

7 王翰釗;;基于神經(jīng)網(wǎng)絡(luò)推理的GIS信息預(yù)測方法[J];管理工程師;2013年03期

8 駱正山,王小完;基于神經(jīng)網(wǎng)絡(luò)的礦巖邊界自動圈定的研究[J];微電子學與計算機;2005年06期

9 胡明星;GIS和神經(jīng)網(wǎng)絡(luò)在城市發(fā)展規(guī)劃中的應(yīng)用[J];四川測繪;2001年02期

10 黎夏,葉嘉安;基于神經(jīng)網(wǎng)絡(luò)的元胞自動機及模擬復雜土地利用系統(tǒng)[J];地理研究;2005年01期

相關(guān)會議論文 前4條

1 姚煥炯;徐朝樹;李波;;基于神經(jīng)網(wǎng)絡(luò)的激光掃描數(shù)據(jù)擬合[A];中國測繪學會九屆四次理事會暨2008年學術(shù)年會論文集[C];2008年

2 劉麗娜;陳彥;王秀麗;童玲;;土壤室內(nèi)散射測量與參數(shù)的神經(jīng)網(wǎng)絡(luò)反演[A];遙感定量反演算法研討會摘要集[C];2010年

3 張平;董吉文;;基于神經(jīng)網(wǎng)絡(luò)的GIS技術(shù)研究現(xiàn)狀[A];2005通信理論與技術(shù)新進展——第十屆全國青年通信學術(shù)會議論文集[C];2005年

4 閆利會;周忠發(fā);喻琴;;基于神經(jīng)網(wǎng)絡(luò)和通感光譜特征的石漠化分類方法——以貴州省畢節(jié)市鴨池石橋小流域為例[A];現(xiàn)代地理科學與貴州社會經(jīng)濟[C];2009年

相關(guān)博士學位論文 前2條

1 汪艷霞;面向更新應(yīng)用的基于PSO神經(jīng)網(wǎng)絡(luò)面狀目標匹配方法研究[D];武漢大學;2014年

2 李紅連;小波—神經(jīng)網(wǎng)絡(luò)在GPS/DR組合導航中的應(yīng)用研究[D];西南交通大學;2006年

相關(guān)碩士學位論文 前10條

1 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學;2015年

2 趙爽;基于卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像分類方法研究[D];中國地質(zhì)大學(北京);2015年

3 余志飛;基于GIS與BP神經(jīng)網(wǎng)絡(luò)的人口預(yù)測與信息管理系統(tǒng)開發(fā)研究[D];江西理工大學;2015年

4 夏小鵬;基于ESN模型的北京市PM2.5日均濃度污染等級預(yù)測與時空分布分析[D];中國地質(zhì)大學(北京);2015年

5 趙麗娟;基于BP神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究[D];東華理工大學;2014年

6 劉瑋;GPS技術(shù)在道路工程高程控制中的應(yīng)用研究[D];南京理工大學;2016年

7 蔡偉峰;GPS信號短時缺失情況下的組合導航數(shù)據(jù)融合方法研究[D];西北大學;2015年

8 劉艷杰;基于變端元SOM神經(jīng)網(wǎng)絡(luò)的城市非滲透面估計方法研究[D];中南大學;2011年

9 朱程廣;基于BP神經(jīng)網(wǎng)絡(luò)的衛(wèi)星激光測距望遠鏡指向誤差的建模研究[D];中國地震局地震研究所;2013年

10 蔡兵;基于攝影測量的證照圖像采集系統(tǒng)的原型研究[D];華中科技大學;2006年

，

本文編號：1512688