造價(jià)通
更新時(shí)間：2024.12.28
土壤有機(jī)質(zhì)測(cè)定過(guò)程中存在的問(wèn)題及解決對(duì)策

格式：pdf

大?。?span class="single-tag-height">41KB

頁(yè)數(shù)：

通過(guò)《土壤檢測(cè)第6部分:土壤有機(jī)質(zhì)的測(cè)定》(NY/T 1121.6-2006)方法分析土壤有機(jī)質(zhì)含量的測(cè)定,為提高土壤有機(jī)質(zhì)含量測(cè)定結(jié)果的準(zhǔn)確性,總結(jié)出了在分析化驗(yàn)過(guò)程中本人遇到的問(wèn)題及一些注意事項(xiàng),并提出了解決對(duì)策,以供分析人員在測(cè)定時(shí)參考,省時(shí)省力。

基于全譜數(shù)據(jù)挖掘技術(shù)的土壤有機(jī)質(zhì)高光譜預(yù)測(cè)建模研究

格式：pdf

大?。?span class="single-tag-height">464KB

頁(yè)數(shù)：

可見(jiàn)/近紅外高光譜技術(shù)與建模方法是當(dāng)前土壤近地傳感器研究領(lǐng)域的重要方向,可應(yīng)用于土壤養(yǎng)分信息的快速獲取和農(nóng)田作物的精確施肥管理。以浙江省水稻土為研究對(duì)象,利用以非線性模型為核心的數(shù)據(jù)挖掘技術(shù),包括隨機(jī)森林、支持向量機(jī)、人工神經(jīng)網(wǎng)絡(luò)等方法分別建立了不同建模集和驗(yàn)證集的原始光譜與有機(jī)質(zhì)含量的估測(cè)模型。結(jié)果表明:研究比較的1∶1,3∶1和全部樣本建模并全部驗(yàn)證的三種樣本模式劃分對(duì)建模的結(jié)果有一定的影響。相較于目前常用的偏最小二乘回歸(PLSR)建模方法而言,非線性模型RF和SVM也取得了較好的建模精度,三種模式下其RDP值均大于1.4。特別是采用SVM建模方法所得模型具有很好的預(yù)測(cè)能力,模式二下其RDP值達(dá)到2.16。同時(shí)引入ANN方法改進(jìn)建立的PLSR-ANN方法顯著提高了PLSR的模型預(yù)測(cè)能力。

熱門(mén)知識(shí)

土壤有機(jī)質(zhì)的測(cè)定

精華知識(shí)

土壤有機(jī)質(zhì)的測(cè)定

最新知識(shí)

土壤有機(jī)質(zhì)的測(cè)定
點(diǎn)擊加載更多>>

相關(guān)問(wèn)答

土壤有機(jī)質(zhì)的測(cè)定
點(diǎn)擊加載更多>>
專(zhuān)題概述
土壤有機(jī)質(zhì)的測(cè)定相關(guān)專(zhuān)題

分類(lèi)檢索：