A tecnologia do espectro visível e do infravermelho próximo é um meio eficaz para a estimativa quantitativa do conteúdo disponível de fósforo de liberação rápida no solo, mas o modelo estabelecido com dados espectrais do solo de uma região pode apresentar baixa precisão de previsão e falhas ao ser aplicado em outras regiões. Este artigo utiliza amostras de solo do sul de Anhui como domínio de origem e amostras do norte de Anhui como domínio-alvo, estabelecendo um modelo de previsão por meio de métodos de aprendizado por transferência para melhorar a precisão do modelo de previsão do fósforo de liberação rápida no solo, comparando a precisão do modelo antes e depois da transferência. Os resultados mostram que o modelo da região sul de Anhui não pode ser usado diretamente na região norte devido a falhas no modelo, com coeficiente de determinação (R2) e erro relativo de desempenho (RPD) de -0,19 e 0,92, respectivamente, e erro quadrático médio da previsão (RMSEP) de 1,04; o modelo estabelecido no norte de Anhui com pequena quantidade de amostras tem baixa precisão preditiva, com R2 e RPD de 0,61 e 1,60, respectivamente, e RMSEP de 0,60; o modelo baseado na análise de componentes de transferência (TCA) e incorporando algumas amostras do norte conseguiu melhorar significativamente a precisão da previsão para as amostras do norte, com R2 e RPD elevando-se a 0,79 e 2,18, respectivamente, e redução do RMSEP para 0,44. Isso indica que o método baseado em TCA pode aplicar o modelo de previsão de fósforo de liberação rápida do sul de Anhui para o norte, melhorando a precisão do modelo na região norte e reduzindo custos, oferecendo uma nova abordagem para a ampla aplicação de modelos de previsão do fósforo de liberação rápida no solo.

aprendizado por transferência;análise de componentes de transferência;fósforo de liberação rápida no solo;espectro visível e infravermelho próximo