S K Saha

Der organische Kohlenstoff im Boden (SOC) ist ein wichtiger und zuverl ssiger Indikator f r die Bodenqualit t. In dieser Studie wurden Bodenspektren charakterisiert und analysiert, um den r umlichen SOC-Gehalt mit Hilfe einer multivariaten pr diktiven Modellierungstechnik - einem k nstlichen neuronalen Netz (ANN) - vorherzusagen. Es wurden hyper-spektrale EO1-Hyperion-Bilder (400 - 2500 nm), Feld- und Labordatens tze (350 - 2500 nm) erstellt, die aus dem im Labor gesch tzten SOC-Gehalt der gesammelten Bodenproben (abh ngige Variable) und den entsprechenden Reflexionsdaten der SOC-empfindlichen Spektralb nder (pr diktive Variablen) bestehen. F r jeden Datensatz wurden ANN-Vorhersagemodelle entwickelt, und drei Datens tze (im Bildma stab, im Feldma stab und im Laborma stab) zeigten signifikante Netzwerkleistungen f r Training, Test und Validierung, was auf eine gute Netzwerkgeneralisierung f r den SOC-Gehalt hinweist. Die ANN-basierte Analyse zeigte eine hohe Vorhersage des SOC-Gehalts im Bild (R2 = 0,93 und RPD = 3,19), im Feld (R2 = 0,92 und RPD = 3,17) und im Labor (R2 = 0,95 und RPD = 3,16). Die Validierungsergebnisse der ANN zeigten, dass die Vorhersagemodelle gut funktionierten (R2 = 0,90) mit einem RMSE von 0,070. Das Ergebnis zeigte, dass ANN-Methoden ein gro es Potenzial f r die Sch tzung des SOC-Gehalts haben.

O carbono org nico do solo (SOC) um indicador importante e fi vel da qualidade do solo. Neste estudo, os espectros do solo foram caracterizados e analisados para prever o conte do espacial de SOC, utilizando a t cnica de modela o preditiva multivariada - rede neural artificial (RNA). Foram gerados conjuntos de dados de imagens hiperespectrais EO1-Hyperion (400 - 2500 nm), escala do campo e do laborat rio (350 - 2500 nm), que consistem no teor de SOC estimado em laborat rio das amostras de solo recolhidas (vari vel dependente) e nos dados de reflex o correspondentes das bandas espectrais sens veis ao SOC (vari veis preditivas). Para cada conjunto de dados, foram desenvolvidos modelos de previs o ANN e tr s conjuntos de dados ( escala da imagem, escala do campo e escala do laborat rio) revelaram desempenhos significativos da rede para treino, teste e valida o, indicando uma boa generaliza o da rede para o teor de SOC. A an lise baseada na RNA mostrou uma elevada previs o do teor de SOC escala da imagem (R2 = 0,93 e RPD = 3,19), escala do campo (R2 = 0,92 e RPD = 3,17) e escala do laborat rio (R2 = 0,95 e RPD = 3,16). Os resultados da valida o da RNA indicaram que os modelos de previs o tiveram um bom desempenho (R2 = 0,90) com RMSE 0,070. O resultado mostrou que os m todos ANN t m um grande potencial para estimar o teor de SOC.

Le carbone organique du sol (SOC) est un indicateur important et fiable de la qualit du sol. Dans cette tude, les spectres du sol ont t caract ris s et analys s pour pr dire la teneur spatiale en COS, en utilisant une technique de mod lisation pr dictive multivari e, le r seau neuronal artificiel (ANN). Des images hyper-spectrales EO1-Hyperion (400 - 2500 nm), des ensembles de donn es l' chelle du terrain et du laboratoire (350 - 2500 nm) ont t g n r s, comprenant la teneur en SOC estim e en laboratoire des chantillons de sol pr lev s (variable d pendante) et leurs donn es de r flexion correspondantes des bandes spectrales sensibles au SOC (variables pr dictives). Pour chaque ensemble de donn es, des mod les pr dictifs ANN ont t d velopp s et trois ensembles de donn es ( l' chelle de l'image, l' chelle du terrain et l' chelle du laboratoire) ont r v l des performances de r seau significatives pour l'entra nement, le test et la validation, indiquant une bonne g n ralisation du r seau pour la teneur en SOC. L'analyse bas e sur l'ANN a montr une pr diction lev e de la teneur en SOC l' chelle de l'image (R2 = 0,93 et RPD = 3,19), du champ (R2 = 0,92 et RPD = 3,17) et du laboratoire (R2 = 0,95 et RPD = 3,16). Les r sultats de la validation de l'ANN ont indiqu que les mod les pr dictifs fonctionnaient bien (R2 = 0,90) avec une RMSE de 0,070. Le r sultat a montr que les m thodes ANN ont un grand potentiel pour l'estimation de la teneur en SOC.

Il carbonio organico del suolo (SOC) un indicatore importante e affidabile della qualit del suolo. In questo studio, gli spettri del suolo sono stati caratterizzati e analizzati per prevedere il contenuto spaziale di SOC, utilizzando una tecnica di modellazione predittiva multivariata - rete neurale artificiale (ANN). Sono state generate immagini iperspettrali EO1-Hyperion (400-2500 nm), set di dati su scala di campo e di laboratorio (350-2500 nm), costituiti dal contenuto di SOC stimato in laboratorio dei campioni di suolo raccolti (variabile dipendente) e dai corrispondenti dati di riflessione delle bande spettrali sensibili al SOC (variabili predittive). Per ogni serie di dati, sono stati sviluppati modelli predittivi ANN e tre serie di dati (a scala di immagine, a scala di campo e a scala di laboratorio) hanno rivelato prestazioni significative della rete per l'addestramento, il test e la validazione, indicando una buona generalizzazione della rete per il contenuto di SOC. L'analisi basata sulla RNA ha mostrato un'elevata previsione del contenuto di SOC a livello di immagine (R2 = 0,93 e RPD = 3,19), campo (R2 = 0,92 e RPD = 3,17) e laboratorio (R2 = 0,95 e RPD = 3,16). I risultati della convalida di ANN hanno indicato che i modelli predittivi hanno funzionato bene (R2 = 0,90) con RMSE 0,070. I risultati hanno dimostrato che i metodi ANN hanno un grande potenziale per la stima del contenuto di SOC.