《表6 2016年研究区土壤养分主成分旋转后的载荷矩阵》
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PCA优化—BP神经网络算法的农田土壤养分评价》
由主成分的载荷矩阵旋转之后的载荷系数(见表6),结合2016年研究区土壤养分PCA得分图(见图5)可知,前3个成分,具体为PC1、PC2、PC3,其所包含信息量占整体信息量的比例为30.50%、21.65%和15.46%,2016年研究区土壤养分第1主成分PC1与全磷高度正相关,即在PC1坐标正向,PC1取值越大,全磷值越大,PC1可命名为全磷。第2主成分PC2与全氮高度正相关,即在PC2坐标正向,PC2取值越大,全氮值越大,PC2可命名为全氮。第3主成分PC3与全钾高度正相关,即PC3正向坐标上取值越大,全钾值越大,PC3可命名为全钾。第4主成分PC4与p H高度正相关,即在PC4正向坐标上取值越大,p H值越大,PC4可命名为p H。综合分析可以认为,全氮、全磷、全钾、p H这4个主要因素是2016年土壤养分的特征元素。
图表编号 | XD0067475700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.05 |
作者 | 宛恒、任文裕、周慧平、杨树青、胡睿琦、刘月 |
绘制单位 | 内蒙古农业大学水利与土木建筑工程学院、内蒙自治区水利水电勘测设计院、内蒙古恒源水利工程有限公司、内蒙古农业大学水利与土木建筑工程学院、悉尼科技大学人工智能中心、内蒙古农业大学水利与土木建筑工程学院 |
更多格式 | 高清、无水印(增值服务) |