Технология видимого и ближнего инфракрасного спектра является эффективным методом количественной оценки содержания быстродоступного фосфора в почве, однако модели, построенные на спектральных данных почвы из одного региона, при использовании в других регионах могут характеризоваться низкой точностью прогноза и недействительностью модели. В данной работе образцы почвы из южной части Аньхоя выступают в качестве исходной области, а образцы из северной части Аньхоя – в качестве целевой области. С помощью методов переносного обучения создана модель прогноза, направленная на повышение точности моделей прогнозирования быстродоступного фосфора в почве, а также проведено сравнение точности моделей до и после переноса. Результаты показали, что модель южного Аньхоя не может быть напрямую применена для северного региона – происходит сбой модели. Коэффициенты детерминации (R2) и относительной ошибки анализа (RPD) модели составили -0.19 и 0.92 соответственно, а корень среднеквадратичной ошибки прогноза (RMSEP) – 1.04. Модель северного Аньхоя, построенная на небольшом объеме выборки, имеет невысокую точность: R2 и RPD равны 0.61 и 1.60 соответственно, RMSEP – 0.60. Модель, построенная с использованием анализа переносных компонентов (TCA) с добавлением части образцов северного Аньхоя, значительно улучшила точность прогноза для северных образцов. Значения R2 и RPD повысились до 0.79 и 2.18 соответственно, RMSEP снизился до 0.44. Это свидетельствует о том, что метод на основе TCA позволяет применять модель прогноза быстродоступного фосфора почв из южного Аньхоя к северному региону, повышая точность прогноза и снижая затраты, открывая новые идеи для широкого применения моделей прогнозирования быстродоступного фосфора почв.

перенос обучения;анализ переносных компонентов;быстродоступный фосфор в почве;видимый и ближний инфракрасный спектр