用超声波透式数字土壤纹理分析仪提高使用pH值和电导率值测定土壤纹理的准确性

科学领域:

• 农业科学 农业科学
• 土壤科学 土壤科学
• 环境科学 环境科学

背景情况:

• 传统的土壤质地分析方法,如水表技术,由于水溶性物质而面临不准确性.
• 准确的土壤质地数据对于农业生产率,环境可持续性和生态系统健康至关重要.
• 现有的方法需要改进,以提高土壤表征的精度和效率.

研究的目的:

• 调查pH (的潜在) 和EC (电导率) 与超声数据的整合,以进行增强的土壤质感分析.
• 用组合数据评估机器学习模型在预测土壤质地成分 (沙子,泥土,粘土) 的性能.
• 建立一个实际的框架,以提高土壤质地估计的准确性.

主要方法:

• 使用基于超声波透的数字土壤纹理分析仪 (USTA) 结合pH和EC测量.
• 使用的机器学习算法:支持向量回归 (SVR),随机森林 (RF) 和多层感知神经网络 (MLPNN).
• 分析了超声波时间序列数据与pH和EC一起,以预测沙子,泥土和粘土的比例.

主要成果:

• 随机森林 (RF) 模型在预测土壤质地成分方面表现出卓越的表现.
• 射频提高了R平方值,为沙子0.52,泥0.33,粘土0.31.
• 与单独的超声波数据相比,pH和EC的整合显著提高了土壤质地分析的准确性.

结论:

• 将pH和EC测量与超声波分析和机器学习相结合,为土壤质地测定提供了更准确的方法.
• 配备pH和EC传感器的USTA等自动化系统,为传统方法提供了具有成本效益和效率的替代方案.
• 这些进展对优化土壤管理和农业实践具有重大实际影响.