土壤速效磷近红外迁移学习预测方法研究

作者：郑文瑞; 李绍稳^*; 韩亚鲁; 石胜群; 朱先志; 金秀

来源：分析测试学报, 2020, 39(10): 1274-1281.

• 迁移学习
• 迁移成分分析
• 土壤速效磷
• 可见-近红外光谱

可见-近红外光谱技术是对土壤速效磷含量定量估测的有效手段,但某一地区土壤采集的光谱数据建立的模型在给其它地区使用时会出现预测精度低、模型失效等问题。该文以皖南土壤样本为源域,皖北土壤样本为目标域,通过迁移学习方法建立了预测模型,以提高土壤速效磷预测模型的准确性,并比较了迁移前后预测模型的精度。结果显示,皖南地区模型不能直接用于皖北地区,会出现模型失效问题,该模型的决定系数(R2)和相对分析误差(RPD)分别为-0.19和0.92,预测均方根误差(RMSEP)为1.04;样本量不大的皖北地区建立模型的预测精度不高,R2和RPD分别为0.61和1.60,RMSEP为0.60;而基于迁移成分分析(TCA)并加入部分皖北样本建立模型,可显著提高对皖北样本的预测精度,模型的R2和RPD分别提升至0.79和2.18,RMSEP降低至0.44。表明基于TCA的方法能将皖南土壤速效磷预测模型应用于皖北,可提高皖北土壤速效磷预测模型准确性并降低成本,为土壤速效磷预测模型的广泛应用提供了新思路。

• 单位
  安徽农业大学