【技术实现步骤摘要】
一种利用机器学习预测土壤物化性质的方法
[0001]本专利技术属于土壤利用
，具体涉及一种基于机器学习的土壤物化性质高光谱反演方法。
技术介绍
[0002]土壤作为人类生存环境的重要载体，土壤的物化性质与人类的生活发展有着密切的联系随着全球工业化的发展，越来越多的工业土地被污染、废弃，与此同时伴随着21世纪以来全球人口的高速增长，世界人口增长与有限的土地资源之间的矛盾越来越尖锐，人口增长对土地资源的压力越来越大。鉴于此，对土地资源的高效治理和利用是解决这一问题的关键，而对土地资源进行高效利用的前提是了解土壤的物化性质。
[0003]近年来大量关于土壤物化性质的实验研究已经开展，使得我们对土壤物化性质与其影响因素的关系有了初步了解。国内外相关技术部门、公司与学者已提出一系列的土壤性质含量化学测定方法。例如，可用的土壤全磷含量测量方法包括：高温烧灼酸浸提法、强酸消煮法、碱熔法、连续流动分析仪等。常规获取土壤性质含量信息的方法是野外样品采集和室内化学分析测试，该方法精度高，但费时费力，且难以获得区域土壤性质含量的空间...
【技术保护点】
【技术特征摘要】
1.一种利用机器学习预测土壤物化性质的方法，其特征在于，包括以下步骤：P1.收集已知的土壤高光谱数据和土壤物化性质数据作为机器学习模型的数据集；P2.数据集预处理；P3.利用机器学习算法建立土壤物化性质高光谱预测模型；P4.根据建立的土壤物化性质高光谱预测模型，对未知土壤的物化性质进行预测，得到最终的预测结果作为该土壤的物化性质参数。2.根据权利要求1所述的一种利用机器学习预测土壤物化性质的方法，其特征在于，步骤P1中具体包括以下步骤：P11.获取待预测的土壤样品；P12.得到各不同来源土壤的高光谱数据集，基于空间色散和干涉分光的经典光谱仪，或基于调制原理分光的新型光谱仪获取高光谱数据集；P13.根据实验方案制备土壤试样，并进行室内试验，获取各土壤的物化性质参数，其中土壤物化性质参数包括Ph、Organic carbon、CaCO3、N、P、K；P14.利用上述试验后的结果，整理出土壤高光谱数据以及其对应的土壤物化性质参数并整理成数据集。3.根据权利要求1所述的一种利用机器学习预测土壤物化性质的方法，其特征在于，步骤P2中具体包括以下步骤：P21.对P1得到的数据集进行标准化处理，其中标准化处理的方法包括极差标准化法、线性比例标准化法、Z
‑
score标准化法；P22.对标准化处理后高光谱数据进行降维处理；其中降维处理方法包括主成分分析法、自编码器学习、...
【专利技术属性】
技术研发人员：齐冲冲，柴立元，林璋，郑佳帅，田志刚，武梦婷，田晨，古黄玲，陈秋松，
申请(专利权)人：中南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。