基于图像处理和GBRT模型的表土层土壤容重预测

发布时间：2021-05-16 09:32

　　针对传统的表土层土壤容重测量方法费时、耗力的问题,利用易获得的土壤物理参数实现农田大范围表土层土壤容重的快速、准确预测。通过分析表土层土壤容重与土壤表面粗糙度、土壤阻力的关系,构建了以土壤表面粗糙度和土壤阻力为输入的GBRT模型,土壤表面粗糙度利用图像处理技术获得,土壤阻力使用实验室车载式阻力测量系统获得。使用同态滤波技术对土壤表面图像进行预处理,提取图像灰度直方图的熵、平均值、方差、偏度和峰度表征图像的纹理特征参数,提取图像灰度共生矩阵的能量、熵、对比度和逆方差表征图像的区域特征参数。利用灰度关联分析,从9个表征土壤表面粗糙度的特征参数和土壤阻力中选取与表土层土壤容重关联度大于0.65的变量作为模型输入,将得到的GBRT模型预测结果与环刀法得到的结果进行相关性分析,R2达到0.878 2,平均绝对误差达到0.021 g/cm3。同时在相同的输入参数和运算环境下,与BPNN和SVR模型的预测精度和运算速度进行了对比,验证得到GBRT模型具有更高的预测精度和更短的运算时间。本文研究结果为科学指导农田表土层土壤容重的获取提供了思路。 

【文章来源】：农业机械学报. 2020,51(09)北大核心EICSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 数据获取
    1.1 数据采集
    1.2 数据处理
2 研究方法
    2.1 图像预处理
    2.2 表征土壤表面粗糙度的特征参数提取
    2.3 特征参数选择
    2.4 梯度提升决策回归树
3 结果与分析
4 结论


【参考文献】：
期刊论文
[1]正则化和交叉验证在组合预测模型中的应用[J]. 张欣怡,袁宏俊.  计算机系统应用. 2020(04)
[2]广西东兰坡豪湖湿地表层土壤理化性质相关性分析[J]. 许仁智,齐国翠,谢彦军,邓晰朝,覃世辉,黄挺,张晶.  河池学院学报. 2019(05)
[3]车载式土壤电导率与机械阻力实时测量系统[J]. 孟超,杨玮,张淼,韩雨,李民赞.  农业机械学报. 2019(S1)
[4]基于同态滤波的彩色图像增强算法的改进与实现[J]. 韩美林,杨琳.  科技经济市场. 2018(08)
[5]基于灰度关联分析法的卷积神经网络算法优化[J]. 刘梦雅,毛剑琳.  电子科技. 2018(06)
[6]基于灰色理论—BP神经网络方法的表层土壤容重预测[J]. 郭李娜,樊贵盛.  节水灌溉. 2018(02)
[7]土壤表面粗糙度检测方法研究[J]. 张胜宾,黄培奎,赵祚喜.  农机化研究. 2016(11)
[8]三峡库区兰陵溪流域森林土壤有机碳、有机质与容重间的回归模型[J]. 田耀武,黄志霖,肖文发,王宁,刘晶.  华南农业大学学报. 2016(01)
[9]基于BP神经网络的土壤容重预测模型[J]. 王巧利,林剑辉,许彦峰.  中国农学通报. 2014(24)
[10]纹理图像分析技术在表面粗糙度测量中的应用[J]. 崔敏.  新技术新工艺. 2013(08)



本文编号：3189449