蚁群算法在土壤质地高光谱预测建模中的应用

摘要：

为提高土壤质地高光谱预测模型精度,以巢湖流域177个土样光谱为基础数据源,运用蚁群算法选择特征波长,结合BP神经网络构建土壤质地光谱预测模型,并与全光谱构建的光谱预测模型进行比较.结果 表明,运用蚁群算法选择特征波长构建的光谱预测模型精度优于全光谱构建的预测模型精度,土壤粉粒含量预测模型预测集决定系数R2为0.76,RPIQ为2.23,土壤砂粒含量预测模型预测集决定系数R2为0.72,RPIQ为1.94;全光谱土壤粉粒含量预测模型预测集R2为0.57,RPIQ为1.75,全光谱土壤砂粒含量预测模型预测集R2为0.48,RPIQ为1.82.运用蚁群算法选择光谱特征波长建模,减少了数据冗余,提高了预测模型精度.

关键词：土壤质地;蚁群算法;特征选择;高光谱预测模型

所属期刊栏目：52

分类号：S159;TP391(土壤学)

资助基金：基于土壤高光谱与环境变量信息的巢湖流域数字土壤制图研究41371229

在线出版日期：2021-11-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1063-1068