欢迎来到优发表,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)

SCI投稿辅导 SCI发表咨询

基于FOD和SVMDA-RF的土壤有机质含量高光谱预测

作者:张智韬; 劳聪聪; 王海峰; ARNON; Karnieli; 陈俊英; 李宇 西北农林科技大学水利与建筑工程学院; 陕西杨凌712100; 西北农林科技大学旱区农业水土工程教育部重点实验室; 陕西杨凌712100; 本古里安大学Blaustein沙漠研究所; 思德博克84990

摘要:为探讨分数阶微分(FOD)联合支持向量机分类-随机森林模型改善高光谱监测荒漠土壤有机质含量(SOM)的效果,对以色列Sde Boker荒漠地区采集的砂质土(SS)和黏壤土(CLS)样品进行理化分析和室内光谱测定,依据光谱的平均反射率建立支持向量机分类模型(SVMAD),并对不同土质高光谱原始反射率分别经0^2阶(间隔0.2)的分数阶微分处理,构建归一化光谱指数(NDI),分析NDI和SOM之间的二维相关性,并筛选敏感的NDI指数,以此建立不同FOD的随机森林(RF)模型,并以不同土质中的最佳模型进行组合,构建新的SVMDA-RF模型。结果表明:基于光谱平均反射率的SVMDA对土壤质地的分类正确率可达100%;分数阶微分耦合光谱指数具有放大波长间与SOM有关隐含信息的能力,经FOD提升敏感指数的数量在0.6阶时达到峰值,但黏壤土的敏感指数数量远大于沙质土;由不同FOD敏感指数建立的RF模型中,砂质土在1.2阶的模型最佳(RC^2=0.962,RP^2=0.920,RMSEP为0.435 g/kg,RPD为3.658),黏壤土在0.6阶的模型最佳(RC^2=0.942,RP^2=0.944,RMSEP为0.554 g/kg,RPD为4.316);经最佳模型组合后的SVMDA-RF模型,砂质土和黏壤土的模型精度都有所提高,其中RC^2=0.980,RP^2=0.979,RMSEP为0.481 g/kg,RPD为7.004。研究成果可为快速评估荒漠土壤有机质含量提供依据。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

农业机械学报

北大期刊 下单

国际刊号:1000-1298

国内刊号:11-1964/S

杂志详情
相关热门期刊

服务介绍LITERATURE

正规发表流程 加急见刊

多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。

保障正刊 双刊号

推荐期刊保障正刊,评职认可,企业资质合规可查。

用户信息严格保密

诚信服务,签订协议,严格保密用户信息,提供正规票据。

不成功可退款

如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。