發(fā)布時(shí)間：2022-09-24 22:25

　　土壤有機(jī)質(zhì)（SOM）是土壤肥力重要指標(biāo)之一�？焖�,無(wú)損且準(zhǔn)確地預(yù)測(cè)SOM含量對(duì)于保護(hù)和提升土壤肥力有重要作用�？梢�(jiàn)-近紅外（vis-NIR）光譜結(jié)合偏最小二乘回歸（PLSR）模型在土壤屬性估測(cè)中廣泛使用,目的是探討通過(guò)Bootstrap抽樣提高PLSR的預(yù)測(cè)能力和泛化能力。以江西、浙江和湖南三省水稻土為研究對(duì)象,采集了523個(gè)耕層（0～20 cm）土壤樣本,比較偏最小二乘回歸（PLSR）和Bootstrap-PLSR兩種回歸模型在估測(cè)SOM的精度和泛化能力;利用確定系數(shù)（R~2）,均方根誤差（RMSE）和性能指標(biāo)（RPIQ,標(biāo)準(zhǔn)差與四分位間距離的比值）來(lái)評(píng)估預(yù)測(cè)的準(zhǔn)確度,利用Bootstrap抽樣后預(yù)測(cè)值的95%置信區(qū)間和實(shí)測(cè)值的分布情況、欠擬合和過(guò)擬合PLSR和Bootstrap-PLSR回歸因子的差異來(lái)分析Bootstrap-PLSR模型的泛化能力和穩(wěn)定性。研究表明:使用Bootstrap-PLSR預(yù)測(cè)的SOM含量的預(yù)測(cè)精度（R~2=0.76,RMSE=5.82,RPIQ=2.51）高于PLSR模型（R~2=0.72,RMSE=6.27,RPIQ=2.33）。Bootstrap抽樣... 

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 材料和方法
    1.1 研究區(qū)和土壤采集
    1.2 光譜測(cè)量與預(yù)處理
    1.3 偏最小二乘回歸（PLSR）模型
    1.4 Bootstrap抽樣
    1.5 模型性能評(píng)價(jià)
2 結(jié)果與分析
    2.1 數(shù)據(jù)描述性評(píng)價(jià)
    2.2 PLSR模型Bootstrap抽樣前后預(yù)測(cè)精度比較
3 討論和結(jié)論
    3.1 討論
    3.2 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于主成分分析的最小數(shù)據(jù)集的肥力指數(shù)構(gòu)建[J]. 楊梅花,趙小敏,王芳東,郭熙,謝文.  江西農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(06)
[2]基于綜合指數(shù)的吉安縣耕地質(zhì)量監(jiān)測(cè)[J]. 楊梅花,王芳東,趙小敏,郭熙.  江西農(nóng)業(yè)大學(xué)學(xué)報(bào). 2014(04)
[3]基于可見(jiàn)-近紅外光譜變量選擇的土壤全氮含量估測(cè)研究[J]. 楊梅花,趙小敏.  中國(guó)農(nóng)業(yè)科學(xué). 2014(12)

碩士論文
[1]基于高光譜遙感的土壤有機(jī)質(zhì)預(yù)測(cè)建模研究[D]. 李曦.浙江大學(xué) 2013



本文編號(hào)：3680976