《表4 预测模型精度评估对比》
在采用遥感的方法反演表层土壤有机质过程中,遥感影像土壤反射率与经过精细处理的土壤所测定的土壤有机质含量存在误差。同时,土壤含水量与土壤中所含的微量元素也会对遥感影像反射率曲线产生影响,土壤有机质含量与遥感影像的相关性受多种因素干扰,遥感影像反射率与土壤有机质含量之间并非线性关系。简单的多元线性回归模型没有考虑到在反演土壤表层有机质过程中的多种因素干扰及反射率与土壤有机质含量之间并非线性关系,难以对研究区内海量土壤光谱信息数据进行更佳的预测。采用遥感方法进行土壤有机质数字制图的过程中,基于高斯核函数变换的支撑向量机回归模型处理遥感大数据往往更具有优势。基于高斯核函数变换的支撑向量机回归模型擅于解决非线性问题,通过对已有数据的训练,寻找出一条最佳的预测曲线,实现对土壤有机质含量的预测。根据小波包分解得到的低频分量和高频分量,建立支持向量机回归表层土壤有机质预测模型,预测效果比多元线性回归模型更加精准。不同预测模型精度评估对比如表4所示。
图表编号 | XD00227625200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.20 |
作者 | 孙浩然、赵志根、赵佳星、陈卫卫 |
绘制单位 | 安徽理工大学空间信息与测绘工程学院、矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室、矿区环境与灾害协同监测煤炭行业工程研究中心、安徽理工大学空间信息与测绘工程学院、矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室、矿区环境与灾害协同监测煤炭行业工程研究中心、安徽理工大学空间信息与测绘工程学院、矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室、安徽理工大学空间信息与测绘工程学院、矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室 |
更多格式 | 高清、无水印(增值服务) |