用可见和近红外反射光谱和PLSR算法预测土壤营养物质的最佳频段选择的Battle Royale优化

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:

• 对于精准农业来说,量化土壤属性至关重要.
• 传统的方法是劳动密集型和耗时的.
• 超光谱遥感提供了一个快速的,非破坏性的方法.

研究的目的:

• 使用超光谱遥感量化测量土壤特性 (pH,EC,有机碳,N,P,K).
• 评估各种优化光谱带的元启发算法的性能.
• 确定用于预测土壤营养素的最有效算法.

主要方法:

• 收集了100个具有不同性质的土壤样本.
• 使用SVC GER 1500光谱辐射计测量光谱反射率 (350-1050nm).使用SVC GER 1500光谱辐射计.
• 雇佣了粒子群集优化,火焰优化,花授粉优化,以及用于乐队选择的皇家战斗优化.
• 用部分最小平方回归 (PLSR) 来进行预测建模.

主要成果:

• 战斗皇家优化 (BRO) 展示了最好的表现.
• 对于BRO的R2值为0.45 (pH),0.32 (EC),0.48 (有机碳),0.21 (AN),0.71 (AP) 和0.35 (AK).
• 从光谱数据中量化土壤营养素,达到相当准确的准确性.

结论:

• 超光谱遥感与机器学习相结合,特别是BRO,对于测量土壤性质是有效的.
• 这种方法为传统的土壤分析方法提供了一个有希望的替代方案.
• 进一步的研究可以优化算法并扩大可量化的土壤特性范围.