改善矿区土壤含水量预测的光谱PTF:将二维相关谱和土壤作物指标与ResGRU结合起来
Liangji Xu1, Zhenhong Tian2, Kun Zhang2
1State Key Laboratory for Safe Mining of Deep Coal Resources and Environment Protection, Anhui University of Science and Technology, Huainan 232001, China; Institute of Energy, Hefei Comprehensive National Science Center, Hefei 230031, China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|September 5, 2025
概括
准确的土壤含水量估计至关重要. 一个新的ResGRU模型整合了光谱数据和作物指标,显著改善了采矿影响土壤的SWC预测,优于传统方法.
科学领域:
- 土壤科学
- 遥感技术
- 机器学习
背景情况:
- 传统的土壤含水量测量是劳动密集的.
- 儿童传输函数 (PTF) 提供效率,但面临区域准确性限制.
- 采矿导致的沉降区域对土壤分析具有独特的挑战.
研究的目的:
- 在各种采矿导致的沉降地区提高SWC估计的准确性.
- 开发一个强大的模型,整合多式联运数据来进行SWC预测.
- 克服现有的PTF的区域限制.
主要方法:
- 采集了383个土壤样本.
- 构建了一个多式数据集,包括土壤特性,作物指标,光谱数据和2Dcos图像.
- 为SWC预测开发了一个混合ResGRU模型 (ResNet+GRU).
主要成果:
- 通过融合2Dcos图像,光谱数据和土壤作物指标,ResGRU模型实现了高精度 (R2=0.94,RMSE=0.01).
- 与传统PTF和其他机器学习模型相比,预测准确度提高了9-25%.
- 在复杂的采矿影响土壤中估计SWC的表现卓越.
结论:
- 拟议的多式联网RESGRU模型为在具有挑战性的环境中进行SWC估计提供了一种优越的方法.
- 这种方法有效地解决了传统PTF的区域限制.
- 强调将光谱学和先进机器学习纳入土壤科学应用的潜力.
更多相关视频
11:37RGB and Spectral Root Imaging for Plant Phenotyping and Physiological Research: Experimental Setup and Imaging Protocols
Published on: August 8, 2017
16.3K
09:44Use of Principal Components for Scaling Up Topographic Models to Map Soil Redistribution and Soil Organic Carbon
Published on: October 16, 2018
10.3K
