基于PLS-BPNN算法的土壤速效磷高光谱回归预测方法

• 作者: KARNIELI Arnon 李绍稳 王文才 金秀 齐海军
• 来源期刊: 农业机械学报
• 学科: 农学
• 关键词: 土壤速效磷 光谱分析 回归算法 数据降维 特征提取
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 166-172
• 页数: 7页
• 分类号: S153.6|O657.3
• 字数: 4332字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2018.02.022

摘要

土壤速效磷是影响作物生长发育的重要养分指标.光谱分析技术对速效磷的定量预测具有较好的应用前景,高光谱带宽窄、分辨率高,但存在数据冗余和共线性等问题.本文针对皖北砂姜黑土145个样本开展研究,提出了利用偏最小二乘回归算法(PLS-R)对土壤可见近红外高光谱数据(400 ～1 000 nm)进行数据降维和特征提取,根据交叉验证和变量投影重要性分别得到潜在变量和特征波长;再分别输入BP神经网络(BPNN)进行训练,得到回归分析模型对速效磷进行定量预测.结果表明:与利用全部波长数据建模的预测结果(校正集和验证集的相对分析误差MRPD分别为10.27和2.09)相比,利用9个特征波长建立的回归模型校正集MRPD为2.66,预测精度明显降低,而验证集MRPD为2.05,近似达到利用全部波长数据建模的预测效果;利用5个潜在变量建立回归模型,校正集和验证集的MRPD分别为3.10和2.29,其中验证集相对于全部波长建模的预测精度提高了9.6％.因此,基于PLS-BPNN算法进行回归建模可以有效降低高光谱数据冗余和共线性的影响,提高模型的泛化能力,且利用潜在变量进行回归建模能提高模型预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李绍稳	安徽农业大学信息与计算机学院	97	1070	16.0	30.0
2	金秀	安徽农业大学信息与计算机学院	20	17	2.0	3.0
3	齐海军	安徽农业大学信息与计算机学院	8	5	1.0	2.0
4	王文才	安徽农业大学信息与计算机学院	2	4	1.0	2.0