造價通
更新時間：2024.12.28
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)測建模研究

格式：pdf

大小：464KB

頁數(shù)：

可見/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)測能力,模式二下其RDP值達(dá)到2.16。同時引入ANN方法改進(jìn)建立的PLSR-ANN方法顯著提高了PLSR的模型預(yù)測能力。

不同改良材料對復(fù)墾土壤有機(jī)質(zhì)及產(chǎn)量的影響

格式：pdf

大?。?span class="single-tag-height">156KB

頁數(shù)：

針對宅基地復(fù)墾土壤耕作層養(yǎng)分含量低、保水保肥性能差的特點(diǎn),本文通過小區(qū)試驗(yàn),研究了冬小麥生長季添加粉煤灰(TC)、有機(jī)肥(TF)、熟化劑(TS)、熟化劑+粉煤灰(TSC)、粉煤灰+有機(jī)肥(TFC)及熟化劑+有機(jī)肥(TSF)對土壤有機(jī)質(zhì)及作物產(chǎn)量的影響。結(jié)果表明:0～15cm土層土壤有機(jī)質(zhì)含量表現(xiàn)為TFC>TF>TSF>TC> TSC>TS>T0,添加有機(jī)肥+粉煤灰有機(jī)質(zhì)增加幅度最高；沿土層深度方向,土壤有機(jī)質(zhì)分布呈現(xiàn)出\"S\"形趨勢,隨著種植年限的增加,整個耕作層不同土層深度有機(jī)質(zhì)含量逐步提升。種植第1年和第2年,小麥產(chǎn)量均表現(xiàn)為TFC>TF>TSF>TC> TSC>TS>T0,有機(jī)肥和粉煤灰在生土熟化過程中對小麥增產(chǎn)效果明顯；經(jīng)相關(guān)性分析,表層土壤有機(jī)質(zhì)與小麥產(chǎn)量相關(guān)系數(shù)為0.73,呈顯著(P<0.05)正相關(guān),即增加表土層有機(jī)質(zhì)含量能提高作物產(chǎn)量。

熱門知識

土壤有機(jī)質(zhì)含量

精華知識

土壤有機(jī)質(zhì)含量

最新知識

土壤有機(jī)質(zhì)含量
點(diǎn)擊加載更多>>

相關(guān)問答

土壤有機(jī)質(zhì)含量
點(diǎn)擊加載更多>>
專題概述
土壤有機(jī)質(zhì)含量相關(guān)專題

分類檢索：