在不同颗粒大小的状态下,茶叶种植园中的土壤物理化学性质的NIR光谱反转

科学领域:

• 农业科学 农业科学
• 土壤科学 土壤科学
• 遥感 遥感 遥感 遥感

背景情况:

• 土壤肥力对于茶叶植物的生长和茶叶种植园的生产力至关重要.
• 准确评估土壤的物理化学性质对于精密农业至关重要.
• 光谱数据提供了一种非破坏性的方法来评估土壤特性.

研究的目的:

• 开发快速准确的方法来检测茶叶种植园中的土壤物理化学性质.
• 研究土壤颗粒大小对土壤营养素预测精度的影响.
• 为了优化变量选择,使用维度减小技术来改进预测建模.

主要方法:

• 支持矢量回归 (SVR) 模型的构建.
• 使用成功预测算法 (SPA),最小角度回归 (LAR) 和引导软收缩 (BOSS) 的变量重要性选.
• 对光谱数据应用的尺寸缩小技术,用于优化预测模型.

主要成果:

• 0.25-0.5毫米的土壤颗粒大小为水解,可用的和有效提供了最好的预测结果.
• 该LAR算法实现了对0.25-0.5毫米颗粒大小的水解 (R2 = 0.979) 的最佳预测.
• 使用缩小维度和BOSS方法的模型显示可用 (R2 = 0.977) 和有效 (R2 = 0.969) 的高精度.

结论:

• 光谱数据与先进的建模技术相结合,可以准确地预测茶叶种植园中的关键土壤物理化学性质.
• 土壤颗粒的大小显著影响了基于光谱的属性预测的准确性.
• 减小尺寸的策略可以提高茶叶种植中的土壤营养管理预测模型的性能.