农业机械学报

作者：齐海军,李绍稳,KARNIELI Arnon,金秀,王文才

单位：安徽农业大学,安徽农业大学,内盖夫本·古里安大学,安徽农业大学,安徽农业大学,

关键词：土壤速效磷;光谱分析;回归算法;数据降维;特征提取

基金：农业部引进国际先进农业科学技术计划（948计划）项目(2015-Z44、2016-X34)和国家留学基金项目(201608340066)

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（400~1000nm）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。

来源：2018年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第2期