Smart Agricultural Technology·10月22日 · 周四论文智慧农业 / 农业物联网阅读 0
利用中子探针标定数据与机器学习提升5TE土壤含水量传感器精度
论文解读
78精选
速览
用9年4站1221组配对数据，机器学习校正5TE土壤含水量传感器。
方法
中子探针标定数据，比较岭回归、高斯过程、随机森林与XGBoost。
发现
机器学习校正后RMSE降至0.062-0.074，优于未校正的0.084-0.099。
机会点
可探索跨站点迁移学习与低成本传感器在线自校正，减少对中子探针的依赖。
影响力16
信息增量22
专业深度18
信源权威14
时效性8
基于9个生长季1221组配对数据的多模型对比研究，方法扎实、结论可靠，对田间土壤水分精准监测有实用价值，但属细分技术进展，影响范围有限。
原文摘要
用2017—2025年9个生长季4个站共1221组5TE—中子探针配对数据，比较岭回归、高斯过程、随机森林与XGBoost。留一年RMSE为0.066至0.074、留一站0.062至0.068，均优于未校正的0.084至0.099。