检索结果-维普期刊中文期刊服务平台

土壤碳氮比的可见-近红外与中红外光谱预测: 1; 作者孔祥麒高维常 +5 位作者潘文杰蔡凯杨静李德成郑光辉曾荣《土壤学报》北大核心 2025年第3期653-664,共12页; 土壤碳氮比(C/N)不仅可以反映土壤质量,也可以衡量土壤碳氮元素的营养平衡状况,其数值和等级的快速准确测定对指导实时科学施肥和提升土壤质量具有重要意义。本研究利用贵州省501个烤烟-玉米轮作典型农田耕层(0~20 cm)土壤样品的可见-... 展开更多; 关键词土壤有机碳碳氮比偏最小二乘回归高光谱预测; 在线阅读下载PDF 职称材料

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: 2; 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,... 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

基于高光谱的桂东北峰丛洼地土壤有机碳含量预测被引量：3: 3; 作者唐梅蓉杨奇勇唐海涛《中国岩溶》 CAS CSCD 北大核心 2021年第5期876-883,共8页; 以桂东北寨底峰丛洼地土壤为研究对象,利用二阶微分和去除包络线二阶微分方法对土壤光谱进行处理,筛选出3种光谱指数与土壤有机碳(SOC)相关系数最高的特征波段,通过比较偏最小二乘回归、多元线性回归与多元逐步回归等模型的精度,确定SO... 展开更多; 关键词峰丛洼地高光谱预测有机碳多元线性回归偏最小二乘回归; 在线阅读下载PDF 职称材料

褐土全氮含量Vis/NIRS组合预测模型的构建: 4; 作者张秀全马世兴 +2 位作者李志伟郑德聪宋海燕《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第8期2310-2317,共8页; 准确掌握农田土壤全氮含量对于评估土壤肥力,合理施用氮肥具有重要意义。为综合利用各个单预测模型的优势,提升整体预测性能、降低模型方差,提高鲁棒性,以农田褐土土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种基于标准差的... 展开更多; 关键词可见光-近红外高光谱预测全氮含量组合预测模型; 在线阅读下载PDF 职称材料

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: 5; 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... 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 职称材料

题名土壤碳氮比的可见-近红外与中红外光谱预测: 1; 作者孔祥麒高维常潘文杰蔡凯杨静李德成郑光辉曾荣; 机构南京信息工程大学长望学院贵州省烟草科学研究院中国烟草总公司贵州省公司土壤与农业可持续发展全国重点实验室(中国科学院南京土壤研究所) 南京信息工程大学地理科学学院; 出处《土壤学报》北大核心 2025年第3期653-664,共12页; 基金国家自然科学基金项目(42107322) 中国烟草总公司项目(110202102038) 中国烟草总公司贵州省公司项目(2023XM11)共同资助。; 文摘土壤碳氮比(C/N)不仅可以反映土壤质量,也可以衡量土壤碳氮元素的营养平衡状况,其数值和等级的快速准确测定对指导实时科学施肥和提升土壤质量具有重要意义。本研究利用贵州省501个烤烟-玉米轮作典型农田耕层(0~20 cm)土壤样品的可见-近红外光谱(VNIR)和中红外光谱(MIR)信息以及总有机碳(TOC)、全氮(TN)和C/N数据,对光谱进行Savitzky-Golay(SG)平滑去噪和标准规一化处理后,分别应用偏最小二乘回归(PLSR)、随机森林(RF)和Cubist三种方法进行建模,通过直接预测C/N和间接预测(先分别预测TOC和TN再计算C/N)两种方式构建了土壤C/N预测模型,并对C/N数值和等级预测精度进行了解析。结果表明:(1)对于C/N数值预测,虽然最优预测策略为MIR-PLSR的直接预测,但预测精度(相对标准误差,RPD)仅为1.20;(2)C/N等级可以被准确预测,最优策略为MIR-PLSR模型的直接预测,等级判定精度为0.71;(3)C/N数值预测精度较低的原因主要有两方面,其一是烟田较为一致的严格施肥措施降低了耕层土壤碳氮含量的空间差异,从而也降低了C/N的空间变异(变异系数为17.15%,中度变异),二是C/N与VNIR、MIR光谱的相关性均较低。因此,基于MIR-PLSR可以对C/N等级进行直接预测。; 关键词土壤有机碳碳氮比偏最小二乘回归高光谱预测; Keywords Soil organic carbon Carbon-to-nitrogen ratio Partial least squares regression Hyperspectral prediction; 分类号 S151.9 [农业科学—土壤学]; 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: 2; 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

题名基于高光谱的桂东北峰丛洼地土壤有机碳含量预测被引量：3: 3; 作者唐梅蓉杨奇勇唐海涛; 机构中国地质科学院岩溶地质研究所中国地质大学(北京) 东北农业大学; 出处《中国岩溶》 CAS CSCD 北大核心 2021年第5期876-883,共8页; 基金国家重点研发计划项目(2016YFC0502404) 广西重点研发计划(桂科AB20159022)。; 文摘以桂东北寨底峰丛洼地土壤为研究对象,利用二阶微分和去除包络线二阶微分方法对土壤光谱进行处理,筛选出3种光谱指数与土壤有机碳(SOC)相关系数最高的特征波段,通过比较偏最小二乘回归、多元线性回归与多元逐步回归等模型的精度,确定SOC最佳估测模型。结果表明:(1)研究区土壤样品有机碳质量分数最小值为0.20%,最大值为6.06%,变异系数为63.28%,具有中等强度的空间异质性;(2)二阶微分光谱指数建立的多元线性回归模型精度优于原始光谱反射率及包络线二阶微分的模型;(3)二阶微分、包络线二阶微分光谱指数建立的偏最小二乘回归预测模型均比通过原始数据建立的模型精度高出0.3;(4)基于二阶微分所建立的多元逐步回归模型具有较高的预测精度(R^(2)=0.75,均方根误差RMSE=4.83和较大的剩余估计偏差RPD=2.00)。; 关键词峰丛洼地高光谱预测有机碳多元线性回归偏最小二乘回归; Keywords peak-cluster depression hyperspectral prediction organic carbon multiple linear regression partial least square regression; 分类号 S153.6 [农业科学—土壤学]; 在线阅读下载PDF 职称材料

题名褐土全氮含量Vis/NIRS组合预测模型的构建: 4; 作者张秀全马世兴李志伟郑德聪宋海燕; 机构山西农业大学农业工程学院山西农业大学信息科学与工程学院; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第8期2310-2317,共8页; 基金国家重点研发计划子课题(2021YFD1600301-4) 中央引导地方科技发展资金项目(YDZJSX20231C009) 校学术恢复项目(2023XSHF2)资助。; 文摘准确掌握农田土壤全氮含量对于评估土壤肥力,合理施用氮肥具有重要意义。为综合利用各个单预测模型的优势,提升整体预测性能、降低模型方差,提高鲁棒性,以农田褐土土壤为研究对象,基于近红外-可见光高光谱数据,提出了一种基于标准差的预测有效度组合预测模型(CPM),用于预测土壤全氮含量。对原高光谱数据采用Savitzky-Golay平滑和一阶微分变换,采用树模型进行特征波段提取,利用决策树回归(DTR)(模型1)、高斯核回归(GKR)(模型2)、随机森林回归(RF)(模型3)、LASSO回归(模型4)、多层感知器回归(MLP)(模型5)5个单预测模型,通过单预测模型的线性组合建立组合预测模型。结果表明:(1)通过广义简约梯度优化算法求得组合预测模型中5个单预测模型的权重分别为ω_(1)*=0.407,ω_(2)*=0.378,ω_(30*=0.215,ω_(4)*=0,ω_(5)*=0;(2)对于所有数据,基于5种单预测模型和组合预测模型对土壤全氮含量预测的预测有效度分别为M_(1)=0.855,M_(2)=0.856,M_(3)=0.847,M_(4)=0.785,M_(5)=0.796,M_(CPM)=0.880;与单模型预测有效度最大值相比,组合预测模型预测有效度提高了2.924%;(3)对于所有数据,基于5种单预测模型和组合预测模型对土壤全氮含量预测的预测精度和标准差分别为E(A_(1))=0.924,σ(A_(1))=0.075,E(A_(2))=0.928,σ(A_(2))=0.077,E(A_(3))=0.923,σ(A_(3))=0.082,E(A_(4))=0.882,σ(A_(4))=0.109,E(A_(5))=0.889,σ(A_(5))=0.104,E(A_(CPM))=0.937,σ(A_(CPM))=0.066,与单模型预测精度最大值相比,组合预测模型预测精度提高了0.970%,模型稳定性提高了12.000%,且为优性组合预测。组合预测模型可用于可见光-近红外光谱数据的农田褐土土壤全氮含量的有效估测,可为农田土壤全氮含量的快速监测提供依据和参考。; 关键词可见光-近红外高光谱预测全氮含量组合预测模型; Keywords Visible-near infrared Hyperspectral estimation Total nitrogen content Combination prediction 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: 5; 作者江振蓝陈付勋罗双飞罗烨琴沙晋明; 机构闽江学院地理与海洋学院; 出处《浙江农业学报》 2025年第7期1521-1532,共12页; 基金福建省自然科学基金面上项目(2021J011020,2021J011022)。; 文摘目前,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。; 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; Keywords soil total iron content spectral transformation random forest principal component analysis hyperspectral prediction; 分类号 S127 [农业科学] S153.6 [农业科学—农业基础科学]; 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	土壤碳氮比的可见-近红外与中红外光谱预测	孔祥麒高维常潘文杰蔡凯杨静李德成郑光辉曾荣	《土壤学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	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
3	基于高光谱的桂东北峰丛洼地土壤有机碳含量预测	唐梅蓉杨奇勇唐海涛	《中国岩溶》 CAS CSCD 北大核心	2021	3	在线阅读下载PDF 职称材料
4	褐土全氮含量Vis/NIRS组合预测模型的构建	张秀全马世兴李志伟郑德聪宋海燕	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
5	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	江振蓝陈付勋罗双飞罗烨琴沙晋明	《浙江农业学报》	2025		在线阅读下载PDF 职称材料