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3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：
基于无人机影像和宽度学习的小麦分孽期土壤盐分反演
1
作者 赵文举 杨发奇 +1 位作者 马宏 杨鹏涛 《农业工程学报》 北大核心 2025年第15期66-75,共10页
提高土壤含盐量的反演精度,该研究基于2023和2024年的无人机多光谱影像数据和野外实测土壤表层(0~15cm)含盐量,提取采样点光谱反射率与图像纹理特征,在此基础上引入红边波段计算光谱指数,利用皮尔逊相关系数法(pearson correlation coef... 提高土壤含盐量的反演精度,该研究基于2023和2024年的无人机多光谱影像数据和野外实测土壤表层(0~15cm)含盐量,提取采样点光谱反射率与图像纹理特征,在此基础上引入红边波段计算光谱指数,利用皮尔逊相关系数法(pearson correlation coefficient,PCC)、灰色关联度分析法(greyrelational analysis,GRA)及变量投影重要性分析(variable importance in projection,VIP)优选特征变量,以光谱指数、纹理特征和光谱指数-纹理特征的组合为模型输入组,构建54个基于宽度学习(broad learning system,BLS)、反向传播神经网络(back-propagation neural network,BPNN)和随机森林(randomforest,RF)的反演模型,绘制基于最优模型的土壤盐分空间分布图,以小麦地为例,评价并确定土壤含盐量最佳反演模型。结果表明:从不同特征变量组合方式来看,基于光谱指数-纹理特征作为输入组的PCC-BLS模型反演效果优于其他模型,2023年最优模型的验证集决定系数R_(p)^(2)为0.851,均方根误差RMSE_(p)为0.032%,平均绝对误差RMSE_(p)为0.027%;2024年最优模型的R_(p)^(2)为0.811,RMSE_(p)为0.058%,MSE_(p)为0.033%。从不同建模方法来看,基于BLS的模型反演精度整体优于BPNN模型和RF模型,反演结果能客观反映土壤含盐量。从耦合模型反演结果来看,BLS与3种筛选方法均取得了较好的效果,且PCC-VIP-BLS耦合模型的鲁棒性整体最好,R_(p)^(2)/R_(c)^(2)在0.867及以上。研究结果可为土壤盐碱化监测提供参考。 展开更多
关键词 土壤 含盐量 无人机 宽度学习 特征变量筛选 纹理特征 反演模型
在线阅读 下载PDF
基于摩擦效应理论的桩基水平承载力研究
2
作者 段新国 朱彦鹏 +3 位作者 杨奎斌 房光文 吴林平 施多邦 《兰州理工大学学报》 北大核心 2025年第4期114-121,共8页
桩基础作为大型建(构)筑物的主要基础形式,控制变形量、保证稳定性尤为重要,其水平承载力的分析是桩基设计的关键步骤.基于桩-土摩擦效应理论,利用m法推导出摩擦力产生的抵抗弯矩的表达式.考虑桩-土接触表面混合边界条件,推导出桩身变... 桩基础作为大型建(构)筑物的主要基础形式,控制变形量、保证稳定性尤为重要,其水平承载力的分析是桩基设计的关键步骤.基于桩-土摩擦效应理论,利用m法推导出摩擦力产生的抵抗弯矩的表达式.考虑桩-土接触表面混合边界条件,推导出桩身变形和内力的控制方程,给出考虑摩擦效应的桩基水平承载力计算方法—f m-D法.采用Mathematica编写相应计算程序,通过试验工况和工程实例验证f m-D法的正确性,并分析摩擦系数、桩径等对桩身承载力的敏感性. 展开更多
关键词 水平承载力 M法 桩-土摩擦效应 抵抗弯矩
在线阅读 下载PDF
基于变量优选与机器学习的农田CO_(2)排放通量反演模型研究
3
作者 赵文举 丁磊 +3 位作者 俞海英 马宏 曾凯 杨鹏涛 《农业机械学报》 2025年第8期398-410,共13页
为准确获取农田CO_(2)排放通量和精准监测温室气体排放,采集CO_(2)实测数据,基于光谱影像数据,提取各采样点光谱反射率,在此基础上引入红边波段改进光谱指数,利用变量投影重要性分析(Variable importance in projection,VIP)、皮尔逊相... 为准确获取农田CO_(2)排放通量和精准监测温室气体排放,采集CO_(2)实测数据,基于光谱影像数据,提取各采样点光谱反射率,在此基础上引入红边波段改进光谱指数,利用变量投影重要性分析(Variable importance in projection,VIP)、皮尔逊相关系数法(Pearson correlation coefficient,PCC)以及灰色关联度分析法(Grey relational analysis,GRA)优选出的特征变量作为模型输入组,基于轻量级梯度提升机(Light gradient boosting machine,LightGBM)、反向传播神经网络(Back-propagation neural network,BPNN)和随机森林(Random forest,RF)机器学习算法,构建36个番茄农田不同生育期CO_(2)排放通量反演模型。结果表明:PCC-GRA变量优选方法构建的模型精度优于VIP和PCC法构建的模型,LightGBM的反演效果整体优于BPNN和RF模型,反演结果能真实反映番茄农田不同生育期CO_(2)排放通量。对比各生育期不同模型反演精度,LightGBM在生长期、开花坐果期、成熟期的反演效果优于其他模型,验证集决定系数R_(p)^(2)分别为0.741、0.818、0.779,均方根误差RMSE_(p)分别为0.035、0.040、0.229 mg/(m^(2)·h),平均绝对误差MAE_(p)分别为0.028、0.034、0.022 mg/(m^(2)·h),其中开花坐果期反演精度表现最优。在果实膨大期,RF反演效果优于其他模型,R_(p)^(2)为0.767,RMSEp为0.031 mg/(m^(2)·h),MAEp为0.360 mg/(m^(2)·h),且基于最佳反演模型PCC-GRA-LightGBM得到的全生育期CO_(2)排放通量动态变化曲线可较为真实地反映研究区CO_(2)排放通量变化特征。研究结果可为农田CO_(2)排放通量的精细化监测与估算提供理论依据。 展开更多
关键词 农田CO_(2)排放通量 光谱指数 变量优选 LightGBM 反演模型
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