排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
SO_4~(2-)是盐渍土阴离子中的主要离子,但目前针对不同人为干扰区域土壤中SO_4~(2-)反演研究却鲜有报道。土壤高光谱与土壤某元素间的关系表现为非线性,传统线性偏最小二乘模型(PLSR)对土壤元素的反演精度有限。本文以新疆昌吉回族自治州境内不同人为干扰区域的盐渍化土壤为研究对象,以土壤的野外高光谱和SO_4~(2-)含量为数据源,对原始(R)和对数(LogR)变换后的高光谱分别进行0阶、一阶和二阶微分预处理,选择通过0.05显著性水平的波段为敏感波段,将敏感波段对应的高光谱反射率作为非线性BP神经网络模型的输入变量,并设定BP的隐藏节点为300,学习速率为0.01,最大迭代次数为1 000,训练函数为trainscg。从SO_4~(2-)的真实值与预测值的散点图、拟合效果图和BP训练过程3个方面,定量分析无人为干扰(A区)和有人为干扰(B区)土壤SO_4~(2-)含量,并与PLSR对比预测精度。仿真显示, A区二阶微分后的BP预测精度优于一阶微分,而B区一阶微分后的BP预测精度优于二阶微分。且不论在A区还是B区, LogR光谱变换的反演精度均优于R。最佳BP模型的相对预测性能(RPD)、决定系数(R2)、均方根误差(RMSE)和迭代次数,在A区分别为3.309、0.906、0.253和8次,在B区分别为2.234、0.844、0.786和45次,表明BP对A区SO_4~(2-)的预测能力非常强(RPD2.5),对B区SO_4~(2-)的预测能力较强(RPD为2.0～2.5)。而在A区和B区两种光谱变换的一阶和二阶微分中, PLSR的RPD值均在1.4与1.8之间,其预测性能一般;在B区的0阶微分中, PLSR的RPD值均小于1.0,其不能对SO_4~(2-)进行预测。因此, BP模型能对不同人为干扰区域的SO_4~(2-)进行有效的定量分析。 相似文献
2.
传统电导率的反演模型采用整数阶微分(1阶或2阶)的预处理方法,忽略位于分数阶微分处的高光谱反射率信息。因此,本研究提出一种基于分数阶微分的盐渍土电导率高光谱估算方法,以新疆昌吉回族自治州境内的盐渍化土壤为研究靶区,于2017年5月采集0～20 cm的表层土壤样品,利用FieldSpec?3 Hi-Res光谱仪测量盐渍土的野外高光谱,并在实验室化验土壤的电导率理化参数。在Matlab2019a软件中编程实现0阶-2.0阶的Grünwald-Letnikov分数阶微分计算(阶数间隔为0.1)。分析土壤高光谱与电导率的相关系数曲线在21种微分处的变化规律,选择每阶微分的最大相关系数大于0.5时对应的波长为敏感波长,采用逐步多元线性回归模型对电导率进行预测。结果表明:分数阶微分预处理方法能够把相关系数曲线位于不同分数阶时的变化细节呈现出来,在全波段范围内出现更多的波峰和波谷信息。电导率的8个敏感波长为400 nm、418 nm、567 nm、1 667 nm、2 132 nm、2 193 nm、2 257 nm和2 258 nm。估算电导率的最佳模型位于分数阶1.5阶,其验证集的RPD值为1.99, R~2为0.81, RMSE为1.08,该模型因RPD值大于1.8对电导率的估算能力好。本研究探索了电导率在不同分数阶微分处的差异信息,为电导率的估算提供一种新的研究思路,对新疆干旱区盐渍土的改良提供了科学可靠的依据。 相似文献
3.
1