摘要:土壤颜色和游离铁均是土壤系统分类中的指标，两者之间具有一定的关系，但迄今关于两者之间定量关系的报道甚少。以川中丘陵区典型土系为研究对象，通过定量分析其Munsell颜色与游离铁含量间的关系，尝试利用Munsell颜色建立的BP神经网络模型反演土壤游离铁含量，并与利用反射光谱模型反演的土壤游离铁含量进行比较。结果表明，Munsell色调、明度、彩度值与游离铁含量呈显著正相关，据此建立的游离铁含量Munsell颜色预测模型在单隐含层神经元个数为4时，R2为0.94，RMSE为4.20，RPD为4.37；光谱模型的R2为0.98，RMSE为3.35，RPD为5.99，两者的模型拟合度、精度均呈较高水平，表明利用Munsell颜色可以有效地对土壤游离铁含量进行预测。

摘要:对红壤地区土壤有机质进行快速预测，以满足智慧农业与精准施肥的需要。以江西省奉新县北部为研究区域，采用1 km × 1 km标准格网划分研究区进行采样，共得到红壤样本248个。对土壤光谱进行了包含分数阶导数在内的3种数学变换方法，将经过P=0.01显著性检验的波段用于模型的构建，选用偏最小二乘回归（PLSR）和BP神经网络建立土壤有机质含量预测模型。结果表明：当对红壤光谱数据进行1.5阶导数变换后再使用PLSR-BP复合模型对土壤有机质含量进行预测时的结果为最优，训练集R2=0.89，RMSE=4.68 g∙kg-1，验证集R2=0.87，RMSE=5.55 g∙kg-1，RPD=2.75。1.5阶导数对红壤光谱数据的变换能够更好地突出与有机质相关的特征信息，有助于其含量预测。PLSR-BP复合模型预测精度优于单一模型，能够较好地预测红壤有机质含量，为精准农业快速监测红壤有机质含量提供了新的途径。

摘要:

摘要:针对黄河下游三角洲盐渍区土壤水盐动态的复杂性和空间的变异性，将人工神经网络引入土壤水盐信息的模拟和预测中，探讨了3层网络结构下隐含层神经元数对网络训练和预测的影响，建立了0~20 cm表土层水盐含量及其空间分布的BP神经网络模型。结果表明：研究区域表土层水盐与土壤容重和地下水性质间均具极显著的关联性，表土层盐分BP网络的输入因子以经、纬度坐标、土壤容重、地下水埋深和矿化度5个变量为宜，含水量则为经、纬度坐标、土壤容重和地下水埋深4个变量；隐含层神经元数过多会导致“过拟合”，当表层土壤盐分和含水量BP网络的拓扑结构分别为5∶8∶1和4∶6：1时，其预测精度最高；表土层水盐BP神经网络模拟值与观测值得到的分布图表现出相似的空间格局，BP神经网络模型有效地模拟了表土层水盐含量及其空间分布特征。该研究为黄河三角洲地区土壤盐渍化的发生、发展及演变规律分析提供理论基础，并为盐渍土地的水盐调控与科学管理提供决策依据．

摘要:土壤侵蚀预报是进行水土流失监测、指导水土保持措施合理配置、优化水土资源高效利用的重要工具,自20世纪60年代以来,国内外学者对此进行大量研究,建立一系列经验统计模型[1,2]和物理成因模型等[3,4]。以上模型复杂性及适用性各异:如经验统计模型主要从侵蚀产沙因子角度入手,建立径流产沙与降雨、植被、土壤、土地利用、耕作方式、水保措施等之间的多元回归因子关系式,一般比较简单,便于应用,但模型中经验参数适用范围有限,模拟精度难以控制;物理机理模型主要以土壤侵蚀物理过程为基础,利用水文学、水力学、土壤学及其他相关学科基本原理,根据降雨、径流条件来描述土壤侵蚀过程,预报给定时段内的土壤侵蚀量,具有一定,但其限制因素较多,应用不便[5];人工神经网络(ANN)中的BP网络模型具有较强的自学习能力和处理非线性问题能力,近年来已在有关工程领域得到广泛应用[6～9]。本文以土壤侵蚀较为严重的陕西淳化县泥河沟流域坡耕地为例,引入BP网络模型这一新的定量研究方法对坡面土壤侵蚀产沙规律进行研究。