Die sichtbare und nahinfrarote Spektroskopietechnik ist ein wirksames Mittel zur quantitativen Schätzung des schnell verfügbaren Phosphorgehalts im Boden. Modelle, die auf Spektraldaten des Bodens aus einer bestimmten Region basieren, zeigen jedoch bei der Anwendung in anderen Regionen oft eine geringe Vorhersagegenauigkeit und Modelldefekte. In dieser Arbeit werden Bodenproben aus Süd-Anhui als Quellbereich und Bodenproben aus Nord-Anhui als Zielbereich verwendet. Durch Transfer-Learning-Methoden wurde ein Vorhersagemodell entwickelt, um die Genauigkeit des Vorhersagemodells für schnell verfügbaren Phosphor im Boden zu verbessern. Zudem wurde die Genauigkeit des Vorhersagemodells vor und nach der Übertragung verglichen. Die Ergebnisse zeigen, dass das Modell der Region Süd-Anhui nicht direkt in der Region Nord-Anhui verwendet werden kann, da es zu einem Modelldefekt kommt. Der Bestimmtheitskoeffizient (R2) und der relative Analysefehler (RPD) des Modells betrugen -0,19 bzw. 0,92, die Vorhersage-Root-Mean-Square-Error (RMSEP) lag bei 1,04. Das Modell, das mit einer kleinen Stichprobengröße für Nord-Anhui erstellt wurde, hatte eine nicht so hohe Vorhersagegenauigkeit, mit R2 und RPD von 0,61 und 1,60 sowie einem RMSEP von 0,60. Das auf Basis der Transferkomponentenanalyse (TCA) unter Einbeziehung einiger Proben aus Nord-Anhui erstellte Modell konnte die Vorhersagegenauigkeit für die Proben aus Nord-Anhui signifikant verbessern, wobei R2 und RPD auf 0,79 bzw. 2,18 anstiegen und RMSEP auf 0,44 sank. Dies zeigt, dass die auf TCA basierende Methode das Modell für schnell verfügbaren Phosphor aus Süd-Anhui auf Nord-Anhui anwenden kann, die Genauigkeit der Vorhersage verbessert und Kosten senkt, und bietet neue Ideen für die breite Anwendung von Vorhersagemodellen für schnell verfügbaren Phosphor im Boden.

Transfer-Learning;Transferkomponentenanalyse;schnell verfügbarer Phosphor im Boden;sichtbare und nahinfrarote Spektroskopie