排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
近年来高光谱遥感技术被广泛运用于土壤有机质含量反演的研究中。基于三江源区玉树县和玛多县采集的146个土壤样品的室内ASD FieldSpec 4实测光谱数据及4种变换形式,利用偏最小二乘回归(PLSR)和人工神经网络(ANN)建立土壤有机质含量高光谱预测模型。结果表明:ANN模型反演土壤有机质含量的整体精度高于PLSR模型,总均方根误差均在17.51以下;但是,不同土壤类型的最佳反演模型及指标却有所差异:高山草甸土和沼泽土的最佳反演模型和指标均为ANN模型和BD指标,模型总均方根误差分别为10.29和3.29;高山草原土的最佳反演模型是PLSR模型,最佳指标是REF指标,模型总均方根误差为5.59;山地草甸土的最佳反演模型为〖JP2〗PLSR模型,最佳指标为BD指标,模型总均方根误差为4.68。研究发现,利用ANN模型和PLSR模型都能较好地预测三江源区4种土壤类型的有机质含量,而波段深度则是该区域的最佳反演指标。〖JP〗
相似文献
2.
可见光—近红外光谱估算三江源区不同土壤全氮含量 总被引:1,自引:0,他引:1
近年来可见光—近红外反射光谱已被广泛应用于估算土壤全氮含量,为大范围区域土壤全氮含量获取提供了一种快速、有效的方法。基于实验室测定的三江源区146个表层土壤(0~30cm)样品的反射光谱数据(350~2 500nm)与全氮含量数据;利用偏最小二乘回归(PLSR)和反向传播神经网络(BPNN)两种模型方法与光谱反射率(REF)及其4种数学预处理变换相结合,分别建立分土壤类型样本和总体样本全氮估算模型;评估利用可见光—近红外光谱技术预测三江源区土壤全氮含量的能力。结果表明:BPNN模型的R2cal、R2val及验证RPD的平均值分别为0.87、0.81与2.28;而PLSR模型则相应为0.75、0.72和1.95;表明BPNN模型预测能力整体上要优于PLSR模型。BPNN与光谱各种形式的结合均具有良好、或接近良好预测全氮的能力;而PLSR与REF、倒数对数(Log(1/R))及波段深度(BD)的结合仅少部分具有良好估算能力、大部分则为粗略估算能力,一阶微分(FDR)和二阶微分(SDR)估算精度均较低,尤其是SDR(R20.5,RPD=1.10~1.27)均不具备估算能力。总体样本所建模型稳定性好于分土壤类型,分土壤类型建模差异性明显;此外,总体来看,BPNN模型比PLSR建模精度高、模型稳定性好,但PLSR模型可操作性强于BPNN模型。 相似文献
3.
通过对LF精炼炉水冷炉盖结构进行分析和研究,提出了把隔板水箱式水冷炉盖改造为密排管式水冷炉盖。改造后提高了精炼炉操作的安全性,降低了设备故障停机率,取得了显著的经济效益。 相似文献
1