基于近紅外光譜技術預測森林土壤有機碳含量的研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、森林土壤有機碳是反映土壤肥力的重要內(nèi)容,土壤肥力指示著林地土壤的營養(yǎng)狀況。因此,快速測定土壤有機碳含量可以實時地估測林區(qū)土壤碳儲量的動態(tài)變化。本文應用近紅外光譜技術快速預測森林土壤有機碳含量,充分體現(xiàn)了它測定快捷、簡單、無損等優(yōu)點。文中分別采用偏最小二乘法(PLS)、主成分回歸法(PCR)、BP神經(jīng)網(wǎng)絡、支持向量機(SVR)化學計量學算法建立土壤有機碳含量近紅外模型,同時在建模過程中分別探討了多種預處理方法結合、譜區(qū)優(yōu)選、主成分壓縮提取

2、、模型參數(shù)優(yōu)選的影響。
  (1)應用PLS和PCR兩種建模方法比較,采用不同預處理方法結合、譜區(qū)優(yōu)選進行模型尋優(yōu)。結果表明,當光譜區(qū)域為優(yōu)選譜區(qū)(1380~1450nm,1800~1950nm,2050~2300nm),光譜數(shù)據(jù)采用Savitzky-Golay平滑+多元散射校正+一階導數(shù)預處理,應用PLS的建模方法,主成分數(shù)為8時,建立的模型有最佳預測效果。預測均方根誤差(RMSE)為0.5143,預測標準差(SEP)為0.51

3、40,預測集中預測值和實測值的相關系數(shù)為0.7537,滿足精度要求。
  (2)利用主成分分析法壓縮提取數(shù)據(jù)的前8個主成分,最終建立BP神經(jīng)網(wǎng)絡模型。結果表明,采用Levengerg-Marquardt優(yōu)化網(wǎng)絡,所得訓練集的相關系數(shù)R為0.8829,均方根誤差為0.4120,校正集的相關系數(shù)為0.7800,均方根誤差為0.5002,驗證集的相關系數(shù)為0.8494,均方根誤差為0.4538,滿足精度要求且有一定的提高。
  (

4、3)采用支持向量機回歸(SVR)方法實現(xiàn)非線性擬合,同時對歸一化方式、核函數(shù)、最佳參數(shù)c和g三種影響參數(shù)進行尋優(yōu),從而快速測定森林土壤有機碳含量。結果表明,采用[-1,1]歸一化方式、徑向基核函數(shù)、最佳參數(shù)c=0.5和g=0.0625時,土壤有機碳含量的預測效果為,相關系數(shù)R=0.8903,均方根誤差RMSE=0.2739,滿足精度要求且有進一步的提高。
  (4) PLS、BP及SVR模型均能實現(xiàn)對森林土壤有機碳含量的快速預測,

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論