La tecnología de espectros visible y de infrarrojo cercano es un método efectivo para estimar cuantitativamente el contenido de fósforo disponible rápidamente en el suelo, pero los modelos construidos con datos espectrales del suelo de una región pueden presentar baja precisión de predicción y fallos del modelo al aplicarse en otras regiones. Este estudio utiliza muestras de suelo del sur de Anhui como dominio de origen y muestras de suelo del norte de Anhui como dominio objetivo, y mediante métodos de aprendizaje por transferencia se estableció un modelo de predicción para mejorar la precisión del modelo de predicción del fósforo disponible rápidamente en el suelo, comparando la precisión antes y después de la transferencia. Los resultados muestran que el modelo de la región sur de Anhui no puede usarse directamente en la región norte, produciéndose fallos en el modelo, con coeficientes de determinación (R2) y error relativo de análisis (RPD) de -0.19 y 0.92 respectivamente, y error cuadrático medio de predicción (RMSEP) de 1.04; el modelo construido en la región norte de Anhui con un tamaño de muestra pequeño tiene baja precisión, con R2 y RPD de 0.61 y 1.60 respectivamente, y RMSEP de 0.60; mientras que el modelo basado en el análisis de componentes de transferencia (TCA) que incorpora algunas muestras del norte mejora significativamente la precisión de predicción para las muestras del norte, aumentando los valores de R2 y RPD a 0.79 y 2.18 respectivamente, y reduciendo el RMSEP a 0.44. Esto indica que el método basado en TCA puede aplicar el modelo de predicción de fósforo disponible rápidamente del sur de Anhui al norte, mejorando la precisión del modelo y reduciendo costos, ofreciendo una nueva idea para la amplia aplicación de modelos de predicción de fósforo disponible rápidamente en el suelo.

aprendizaje por transferencia;análisis de componentes de transferencia;fósforo disponible rápidamente en el suelo;espectro visible e infrarrojo cercano