《表2 红壤有机质含量BP神经网络模型精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于PLSR-BP复合模型的红壤有机质含量反演研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

BP神经网络模型是将训练集各波段光谱数据作为输入层数据，土壤有机质含量作为输出层数据进行构建。从表2中可以看出，基于光谱反射率数据（R）的BP神经网络模型的训练集和验证集精度均不高且RPD仅为0.89，无法对样本有机质进行预测。FOD(0.5）、FOD(1）、FOD(1.5）、FOD(2）、ILR和LDR模型的训练集R2均达到了0.90以上，RMSE均小于5.00 g·kg–1；验证集R2基本达到0.80，RMSE基本在7.00 g·kg–1以下，RPD均在2.10以上，具有较好的预测有机质含量的能力。其中ILR模型训练集R2最高达到了0.95，RMSE为3.14 g·kg–1，但验证集中FOD(1）模型R2最高为0.84，RMSE为6.55 g·kg–1，RPD为2.34。结合表1和表2可以看出，与PLSR相比，BP神经网络R模型的RPD下降了0.86，其余变换RPD均有所提升。