Jefferson Oliva PhD

机器学习增强土壤分析以量化碳和氮

研究人员开发了一种利用近红外（NIR）光谱进行机器学习的方法，以量化新成土和砖红壤的碳和氮含量。该研究评估了各种预处理技术，其中Savitzky-Golay滤波器和鲁棒的离群值去除方法被证明最有效。集成学习模型，包括偏最小二乘法（PLS）、支持向量回归（SVR）和Ridge回归，实现了大于2.0的RPD且过拟合率低，展示了快速土壤分析以支持可持续农业的潜力。