科技型中小企业技术创新基金(09C26213303994)
- 作品数：3 被引量：46H指数：3
- 相关作者：何勇宋韬鲍一丹岑益郎蒋璐璐更多>>
- 相关机构：浙江大学浙江经济职业技术学院浙江传媒学院更多>>
- 发文基金：科技型中小企业技术创新基金国家农业科技成果转化资金国家科技支撑计划更多>>
- 相关领域：农业科学机械工程理学更多>>
- 基于可见/近红外光谱的土壤有机质含量预测被引量：14
- 2010年
- 应用可见/近红外光谱技术对土壤有机质含量进行了定量分析和预测,为土壤肥力快速测定和评价提供依据.利用ASD FieldSpec 3 Hi-Res光谱仪对116份不同有机质含量的土壤样本进行光谱测量,系统分析了土壤有机质含量与350～2500 nm波段范围光谱反射率之间的关系.利用PLS和小波-BP神经网络对350～2500 nm整个波段范围和剔除水波段的光谱数据进行分析.两种建模方法的结果均表明剔除水波段的预测效果较好,其中,PLS模型预测的相关系数R为0.8416,均方根误差RMSEP为0.2848,相对分析误差RPD为1.7768,WT-BP神经网络模型预测的R为0.9167,RMSEP为0.2196,RPD为2.3043.预测结果表明,PLS模型可以对土壤有机质含量进行粗略估测,而BP神经网络可实现较精确的预测.
- 韩瑞珍宋韬何勇
- 关键词：土壤有机质含量小波变换BP神经网络
- 基于光谱技术的土壤养分快速测试方法研究被引量：17
- 2010年
- 应用近红外光谱和中红外光谱对浙江省衢州红壤和海宁青紫泥2种典型土壤的氮(N)、磷(P)和钾(K)等养分进行快速测试;试验共采集80个样本,其中60个用于建模,20个用于预测;在获取光谱信息的基础上,分别采用偏最小二乘-支持向量机(PLS-LS-SVM)和偏最小二乘-人工神经网络(PLS-BP/ANN)2种方法进行建模.结果表明:2种模型的预测结果均比较理想,在小样本的学习预测上,PLS-LS-SVM比PLS-BP/ANN更精确一些;近红外光谱和中红外光谱2个波段对N含量的预测效果均较好,PLS-LS-SVM模型的预测相关系数分别为0.876和0.867;中红外波段对P和K的预测效果更好,PLS-LS-SVM模型的预测相关系数分别为0.938(P)和0.803(K).这为土壤养分的快速测试提供了一种新方法.
- 蒋璐璐张瑜王艳艳谈黎虹何勇
- 关键词：光谱技术土壤养分人工神经网络支持向量机偏最小二乘法
- 基于可见/近红外漫反射光谱的土壤有机质含量估算方法研究被引量：18
- 2011年
- 为研究不同土壤颗粒粒径对可见/近红外光谱分析技术在土壤有机质含量快速检测应用中的影响,获取粒径为0.169-2 mm和〈0.169 mm的2种土壤样本（各53个）的可见/近红外光谱（325-1 075 nm）,分别建立各自的主成分-反向传播神经网络（PCA-BPNN）、最小二乘-支持向量机（LS-SVM）和偏最小二乘法（PLS）土壤有机质含量检测模型.结果表明：当土壤粒径为0.169-2 mm时,所建立模型的土壤有机质含量预测相关系数r均在0.84以上,且预测均方根误差（RMSEP）都在0.20以下;而当土壤粒径〈0.169 mm时,所建立模型的预测相关系数r均不超过0.71,而RMSEP都在0.23以上;对于相同粒径的土壤,PLS模型对土壤有机质含量的预测效果优于LS-SVM和PCA-BPNN模型.说明不同土壤颗粒粒径会显著影响可见/近红外光谱对于土壤有机质含量的预测结果.
- 岑益郎宋韬何勇鲍一丹
- 关键词：土壤有机质含量土壤粒径反向传播神经网络偏最小二乘法
