抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
土壌水分と栄養素の理解空間分布特性を精密農業と部位特異的土壌管理のための重要なステップである。土壌空間予測の精度を改善するためには,限られたデータに基づく土壌空間特性を予測し地図化異なる空間解析理論を統合することにより,新しい方法を開発するために非常に重要である。Bayes最大エントロピー法(BME)とベイズニューラルネットワーク(BNN)の利点と欠点を分析することにより,本研究は,農地における土壌水分と栄養素の空間分布を予測するためのベイジアンニューラルネットワーク(BMENN)と組み合わせたベイズ最大エントロピー法を提案した。BMENN法は以下のステップからなっており,第一,BNNを用いて全ての予測位置での土壌水分と栄養素の予測不確実性を定量化する,95%予測限界により表現される不確実性は土壌変数の空間分布に関係するようにBME法のソフトデータと見なされている。,含水量,有機物,全窒素(N),アルカリ加水分解性N,可給態リン(P),利用可能なカリウム(K)を含む,六の土壌変数を揚州市,江蘇省北部の農地の161か所で測定した。位置は5m×5m正規格子に基づいて選択した。これらの土壌データに基づいて,土壌水分と栄養素の空間予測のためのBMENN法の性能を,Pearson相関係数(r),平均誤差(ME),平均二乗誤差(MSE)を用いたBNN法と通常クリギング(OK)と定量的に比較した。各変数の161地点からのサンプリングデータをキャリブレーションデータセットと検証データセットに分けた。較正データセットを用いて,全3種の方法の予測モデルを構築した。三つの方法は検証データセットを用いた交差検証法により比較した。MSEを観察の間の相違と,土壌水分と栄養素の推定値の異なる側面を明らかにする3成分にさらに分割した。結果は以下のことを示した:1)他の二つのアプローチと比較して,BMENNはMSEを2.26~-23.54%減少し,全ての土壌変数のための最小MSEを有し,BMENNはBME法にBNNによる推定不確実性を組み込んだためBMENN予測はOKとBNN法のより少ない推定誤差を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】