期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多光谱变换和主成分分析的土壤全铁含量随机森林模型反演
1
作者 江振蓝 陈付勋 +2 位作者 罗双飞 罗烨琴 沙晋明 《浙江农业学报》 2025年第7期1521-1532,共12页
目前,土壤全铁含量的高光谱反演研究多采用单一光谱变量作为输入,忽视了光谱变量间的互补性。同时,光谱波段间的冗余信息也影响了模型的预测精度和泛化能力。为解决以上问题,以福州市土壤全铁含量为研究对象,提出了一种基于组合光谱和... 目前,土壤全铁含量的高光谱反演研究多采用单一光谱变量作为输入,忽视了光谱变量间的互补性。同时,光谱波段间的冗余信息也影响了模型的预测精度和泛化能力。为解决以上问题,以福州市土壤全铁含量为研究对象,提出了一种基于组合光谱和主成分分析(PCA)优化的随机森林(RF)模型。通过整合原始反射率及其13种数学变换,构建组合光谱变量集,并结合PCA与多元线性回归(MLR)、竞争性自适应重加权采样(CARS)、遗传算法(GA)、连续投影算法(SPA)、无信息变量去除(UVE)等变量选择方法进行变量优化。基于优化后的变量集,建立RF模型,用于土壤全铁含量的预测。结果表明,所构建的模型在验证集上的决定系数(R2)和相对分析误差(RPD)分别大于0.8和2.8,显示出良好的预测能力。其中,CARS-PCA-RF、GA-PCA-RF和MLR-PCA-RF模型在验证集上的RPD均大于3,预测能力突出,特别是CARS-PCA-RF模型的表现尤为出色,在验证集上的RPD值为3.292,显示了PCA结合CARS的变量选择方法在土壤全铁含量高光谱预测中的优势和潜力。该研究提出了一种基于多种光谱变换和PCA优化输入变量的土壤全铁含量预测方法,显著提升了土壤全铁含量预测的精度和稳定性,为区域土壤全铁含量的高光谱预测提供了新的解决方案。 展开更多
关键词 土壤全铁含量 光谱变换 随机森林 主成分分析 高光谱预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部