本文關(guān)鍵詞：基于光譜反射率的兩種土壤有機(jī)質(zhì)數(shù)學(xué)建模方法對比（英文）

  更多相關(guān)文章： 黑河上游 逐步線性回歸 偏最小二乘回歸 有機(jī)質(zhì)預(yù)測模型 光譜

【摘要】：已有土壤有機(jī)質(zhì)的光譜預(yù)測模型其適用性受建模樣本的采樣尺度、土壤類型及光譜參數(shù)限制,需要在大尺度及范圍上進(jìn)一步檢驗(yàn)適用性,并比較分析不同建模方法的建模效果以尋求適用性更好、精度更高的定量模型。在黑河上游大尺度范圍采得225個土壤樣品,進(jìn)行了土壤有機(jī)質(zhì)(SOC)及光譜反射率測定后將樣本劃分為建模集(180個土樣)與驗(yàn)證集(45個土樣)。將土壤光譜反射率(R)變換處理后得到連續(xù)統(tǒng)去除(CR)、倒數(shù)(REC)、倒數(shù)之對數(shù)(LR)、一階微分(FDR)及Kubelka-Munck變換系數(shù)共6種指標(biāo),針對建模集分別采用逐步線性回歸與偏最小二乘回歸方法建立12種光譜指標(biāo)與SOC的數(shù)學(xué)模型,并采用驗(yàn)證集進(jìn)行模型預(yù)測效果評價。結(jié)果表明:(1)采用逐步線性回歸或偏最小二乘回歸方法建模,LR指標(biāo)對SOC變化的解釋效果都是最好,是SOC的最優(yōu)預(yù)測因子。(2)基于LR指標(biāo)建立的SOC模型中,采用偏最小二乘回歸模型比逐步線性回歸模型的預(yù)測精度更好,相較于黑河上游已有的經(jīng)驗(yàn)?zāi)Ｐ?偏最小二乘回歸法建立的模型的預(yù)測效果也更好。(3)采用本實(shí)驗(yàn)的225個土壤樣品對比驗(yàn)證了黑河上游僅有的SOC模型。該模型的SOC預(yù)測值與實(shí)測值通過了均值T檢驗(yàn)且Pearson相關(guān)系數(shù)達(dá)0.826,表明在局部典型區(qū)域建立的SOC預(yù)測模型,可以應(yīng)用到更大尺度上的土壤有機(jī)質(zhì)預(yù)測研究。
【作者單位】： 西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院;西北農(nóng)林科技大學(xué)中國旱區(qū)節(jié)水農(nóng)業(yè)研究院;
【關(guān)鍵詞】： 黑河上游 逐步線性回歸 偏最小二乘回歸 有機(jī)質(zhì)預(yù)測模型 光譜
【基金】：National Natural Science Foundation of China(No.51579213) the National High Technology Research and Development Program of China(No.SS2013AA100904) the China 111 Project(No.B12007) China Scholarship Council for Studying Abroad(201506305014)
【分類號】：S153.621
【正文快照】： health　degree　of　soil[1].High　accuracy　can　be　achieved　for　de-Introductiontermining　SOC　in　laboratory　test　using　the　traditional　meth-ods,including　complete　wet-combustion　method　and　potassi-　　Soil　nutrients　play　a　significant

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 陳庭木;方兆偉;徐大勇;;最優(yōu)線性回歸分析VBA程序設(shè)計[J];農(nóng)業(yè)網(wǎng)絡(luò)信息;2012年07期

，

本文編號：934070