針對(duì)傳統(tǒng)的表土層土壤容重測(cè)量方法費(fèi)時(shí)、耗力的問(wèn)題,利用易獲得的土壤物理參數(shù)實(shí)現(xiàn)農(nóng)田大范圍表土層土壤容重的快速、準(zhǔn)確預(yù)測(cè)。通過(guò)分析表土層土壤容重與土壤表面粗糙度、土壤阻力的關(guān)系,構(gòu)建了以土壤表面粗糙度和土壤阻力為輸入的GBRT模型,土壤表面粗糙度利用圖像處理技術(shù)獲得,土壤阻力使用實(shí)驗(yàn)室車載式阻力測(cè)量系統(tǒng)獲得。使用同態(tài)濾波技術(shù)對(duì)土壤表面圖像進(jìn)行預(yù)處理,提取圖像灰度直方圖的熵、平均值、方差、偏度和峰度表征圖像的紋理特征參數(shù),提取圖像灰度共生矩陣的能量、熵、對(duì)比度和逆方差表征圖像的區(qū)域特征參數(shù)。利用灰度關(guān)聯(lián)分析,從9個(gè)表征土壤表面粗糙度的特征參數(shù)和土壤阻力中選取與表土層土壤容重關(guān)聯(lián)度大于0.65的變量作為模型輸入,將得到的GBRT模型預(yù)測(cè)結(jié)果與環(huán)刀法得到的結(jié)果進(jìn)行相關(guān)性分析,R2達(dá)到0.878 2,平均絕對(duì)誤差達(dá)到0.021 g/cm3。同時(shí)在相同的輸入?yún)?shù)和運(yùn)算環(huán)境下,與BPNN和SVR模型的預(yù)測(cè)精度和運(yùn)算速度進(jìn)行了對(duì)比,驗(yàn)證得到GBRT模型具有更高的預(yù)測(cè)精度和更短的運(yùn)算時(shí)間。本文研究結(jié)果為科學(xué)指導(dǎo)農(nóng)田表土層土壤容重的獲取提供了思路。 

【文章來(lái)源】：農(nóng)業(yè)機(jī)械學(xué)報(bào). 2020,51(09)北大核心EICSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引言
1 數(shù)據(jù)獲取
    1.1 數(shù)據(jù)采集
    1.2 數(shù)據(jù)處理
2 研究方法
    2.1 圖像預(yù)處理
    2.2 表征土壤表面粗糙度的特征參數(shù)提取
    2.3 特征參數(shù)選擇
    2.4 梯度提升決策回歸樹
3 結(jié)果與分析
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]正則化和交叉驗(yàn)證在組合預(yù)測(cè)模型中的應(yīng)用[J]. 張欣怡,袁宏俊.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2020(04)
[2]廣西東蘭坡豪湖濕地表層土壤理化性質(zhì)相關(guān)性分析[J]. 許仁智,齊國(guó)翠,謝彥軍,鄧晰朝,覃世輝,黃挺,張晶.  河池學(xué)院學(xué)報(bào). 2019(05)
[3]車載式土壤電導(dǎo)率與機(jī)械阻力實(shí)時(shí)測(cè)量系統(tǒng)[J]. 孟超,楊瑋,張淼,韓雨,李民贊.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(S1)
[4]基于同態(tài)濾波的彩色圖像增強(qiáng)算法的改進(jìn)與實(shí)現(xiàn)[J]. 韓美林,楊琳.  科技經(jīng)濟(jì)市場(chǎng). 2018(08)
[5]基于灰度關(guān)聯(lián)分析法的卷積神經(jīng)網(wǎng)絡(luò)算法優(yōu)化[J]. 劉夢(mèng)雅,毛劍琳.  電子科技. 2018(06)
[6]基于灰色理論—BP神經(jīng)網(wǎng)絡(luò)方法的表層土壤容重預(yù)測(cè)[J]. 郭李娜,樊貴盛.  節(jié)水灌溉. 2018(02)
[7]土壤表面粗糙度檢測(cè)方法研究[J]. 張勝賓,黃培奎,趙祚喜.  農(nóng)機(jī)化研究. 2016(11)
[8]三峽庫(kù)區(qū)蘭陵溪流域森林土壤有機(jī)碳、有機(jī)質(zhì)與容重間的回歸模型[J]. 田耀武,黃志霖,肖文發(fā),王寧,劉晶.  華南農(nóng)業(yè)大學(xué)學(xué)報(bào). 2016(01)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的土壤容重預(yù)測(cè)模型[J]. 王巧利,林劍輝,許彥峰.  中國(guó)農(nóng)學(xué)通報(bào). 2014(24)
[10]紋理圖像分析技術(shù)在表面粗糙度測(cè)量中的應(yīng)用[J]. 崔敏.  新技術(shù)新工藝. 2013(08)



本文編號(hào)：3189449