期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于近红外-可见光高光谱的堆叠泛化模型褐土有机质预测
被引量：
7
1
作者
张秀全
李志伟
+2 位作者
郑德聪
宋海燕
王国梁
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第3期903-910,共8页
准确预测农田土壤有机质含量有助于评估农田肥力状况,为精准农业提供数据依据。为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题,以山西省典型褐土农田表层土壤为研究对象,基于近红外-可见光高光谱数据,...
准确预测农田土壤有机质含量有助于评估农田肥力状况,为精准农业提供数据依据。为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题,以山西省典型褐土农田表层土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种堆叠泛化模型(SGM)用于预测有机质含量。首先对原高光谱数据采用小波平滑,对平滑数据进行倒数一阶微分、对数倒数一阶微分变换,采用相关系数与递归特征消除法进行特征波段提取。同时,引入机器学习中的集成学习随机森林Random Forest(RF)、梯度提升决策树Gradient Boosting Decision Tree(GBDT)、极限梯度提升eXtreme Gradient Boosting(XGBoost)、AdaBoost 4个初级机器学习器模型通过5折交叉验证对有机质含量进行预测,在初级学习器预测结果基础上,采用随机梯度下降SGD(stochastic gradient descent)作为元学习器建立SGM堆叠泛化模型。突破单模型精度较低和不稳定的制约,实现有机质含量的快速稳定检测。结果表明:倒数一阶微分变换后的光谱信息与有机质含量具有较好的相关性,相关性最大值达到了-0.611;相比单模型,堆叠泛化预测模型的决定系数(R^(2))和相对分析误差(RPD)分别为0.819和2.256,较其他算法平均决定系数(R^(2))和平均相对分析误差(RPD)分别提高了0.055和0.323;平均绝对误差(MAE)、均方根误差(RMSE)分别为1.742和2.308 g·kg^(-1),较其他算法平均绝对误差(MAE)和平均均方根误差(RMSE)分别降低了0.406和0.389 g·kg^(-1),优化效果明显,可用于农田土壤表层有机质含量的有效估测。研究成果可为农田土壤表层有机质含量的高光谱快速检测提供依据和参考。
展开更多
关键词
可见光-近红外
高光谱预测
有机质含量
堆叠泛化模型
在线阅读
下载PDF
职称材料
题名
基于近红外-可见光高光谱的堆叠泛化模型褐土有机质预测
被引量：
7
1
作者
张秀全
李志伟
郑德聪
宋海燕
王国梁
机构
山西农业大学农业工程学院
山西农业大学谷子研究所
出处
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023年第3期903-910,共8页
基金
国家重点研发计划项目(2017YFD0701501)
财政部和农业农村部国家现代农业产业技术体系“燕麦荞麦多样化智能化收获装备研发与示范”项目(CARS-07-D-2)
山西省重点研发计划项目(201903D211005)资助。
文摘
准确预测农田土壤有机质含量有助于评估农田肥力状况,为精准农业提供数据依据。为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题,以山西省典型褐土农田表层土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种堆叠泛化模型(SGM)用于预测有机质含量。首先对原高光谱数据采用小波平滑,对平滑数据进行倒数一阶微分、对数倒数一阶微分变换,采用相关系数与递归特征消除法进行特征波段提取。同时,引入机器学习中的集成学习随机森林Random Forest(RF)、梯度提升决策树Gradient Boosting Decision Tree(GBDT)、极限梯度提升eXtreme Gradient Boosting(XGBoost)、AdaBoost 4个初级机器学习器模型通过5折交叉验证对有机质含量进行预测,在初级学习器预测结果基础上,采用随机梯度下降SGD(stochastic gradient descent)作为元学习器建立SGM堆叠泛化模型。突破单模型精度较低和不稳定的制约,实现有机质含量的快速稳定检测。结果表明:倒数一阶微分变换后的光谱信息与有机质含量具有较好的相关性,相关性最大值达到了-0.611;相比单模型,堆叠泛化预测模型的决定系数(R^(2))和相对分析误差(RPD)分别为0.819和2.256,较其他算法平均决定系数(R^(2))和平均相对分析误差(RPD)分别提高了0.055和0.323;平均绝对误差(MAE)、均方根误差(RMSE)分别为1.742和2.308 g·kg^(-1),较其他算法平均绝对误差(MAE)和平均均方根误差(RMSE)分别降低了0.406和0.389 g·kg^(-1),优化效果明显,可用于农田土壤表层有机质含量的有效估测。研究成果可为农田土壤表层有机质含量的高光谱快速检测提供依据和参考。
关键词
可见光-近红外
高光谱预测
有机质含量
堆叠泛化模型
Keywords
Visible-near infrared
Hyperspectral estinmation
Soil Organic Matter
Stacked generalization model
分类号
S153.621 [农业科学—土壤学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于近红外-可见光高光谱的堆叠泛化模型褐土有机质预测
张秀全
李志伟
郑德聪
宋海燕
王国梁
《光谱学与光谱分析》
SCIE
EI
CAS
CSCD
北大核心
2023
7
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
