排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
为实现土壤养分（有机质SOM、全氮TN、全磷TP、全硫TS）含量的快速测定，以建三江创业农场为例，对土壤原始反射率进行了一阶微分（FD）、倒数对数（RL）、倒数一阶微分（FDR）、多元散射校正（MSC）和连续统去除（CR）变换，分析6种光谱变量与土壤养分的相关性，将在α=0.01水平上显著相关的波段作为特征波段，运用多元逐步回归（SMLR）、偏最小二乘回归（PLSR）和BP神经网络（BPNN）三种分析方法分别建立有机质、全氮、全磷和全硫的高光谱预测模型，并利用决定系数（R2）、均方根误差（RMSE）和相对分析误差（RPD）对预测模型进行评价.结果显示，PLSR和BPNN建立的土壤养分含量预测模型均优于SMLR，能极好地预测有机质和全氮含量，同时具有粗略估算全硫含量的能力.三种方法中仅有CR-BPNN能对全磷含量进行粗略估算.对有机质、全氮、全磷和全硫预测效果最佳的模型及其验证集决定系数分别为：MSC-PLSR （0.86）、MSC-PLSR （0.75）、CR-BPNN （0.56）、FDR-BPNN （0.67）. 相似文献
1