가시-근적외선 분광 기술은 토양 내 가용 인 함량을 정량적으로 추정하는 효과적인 수단이지만, 특정 지역에서 수집한 토양 분광 데이터를 기반으로 구축된 모델은 다른 지역에 적용할 경우 예측 정확도가 낮고 모델이 무효화되는 문제가 발생할 수 있다. 본 논문은 안후이 남부 토양 샘플을 소스 도메인으로, 안후이 북부 토양 샘플을 타겟 도메인으로 설정하고, 전이 학습 방법을 통해 예측 모델을 구축하여 토양 가용 인 예측 모델의 정확성을 향상시키고 전이 전후 예측 모델의 정확도를 비교하였다. 결과는 남부 안후이 지역 모델이 북부 안후이 지역에 직접 적용될 수 없으며 모델 무효화 문제가 발생함을 보여주었으며, 해당 모델의 결정 계수(R2)와 상대 분석 오차(RPD)는 각각 -0.19와 0.92, 예측 평균 제곱근 오차(RMSEP)는 1.04였다; 샘플 수가 적은 북부 안후이 지역에서 구축한 모델은 예측 정확도가 높지 않았으며, R2와 RPD는 각각 0.61과 1.60, RMSEP는 0.60이었다; 전이 성분 분석(TCA)을 기반으로 일부 북부 샘플을 추가하여 구축한 모델은 북부 샘플에 대한 예측 정확도를 크게 향상시켰으며, 모델의 R2와 RPD는 각각 0.79와 2.18로 증가하고 RMSEP는 0.44로 감소하였다. 이는 TCA 기반 방법이 남부 안후이 토양 가용 인 예측 모델을 북부 안후이 지역에 적용할 수 있음을 나타내며, 북부 토양 가용 인 예측 모델의 정확성을 향상시키고 비용을 절감하며 토양 가용 인 예측 모델의 광범위한 적용에 새로운 아이디어를 제공한다.

전이 학습;전이 성분 분석;토양 가용 인;가시-근적외선 분광