首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 218 毫秒

1.  高光谱成像的褐土土壤速效钾含量预测  
   王文俊  李志伟  王璨  郑德聪  杜慧玲《光谱学与光谱分析》,2019年第5期
   精细农业变量施肥取决于对农田的土壤养分分布的了解,快速获取土壤信息是实施精细农业的基础。速效钾是土壤肥力的重要参数,是植物生长发育所必需的营养元素。对土壤速效钾含量进行测量,是了解土壤肥力的重要途径,是实现精细农业的必要条件。以山西典型褐土土壤为研究对象,采集农田耕层褐土土壤样品共169份,样品经风干处理,手动捏碎较大的土粒并去除杂质后,未经研磨过筛处理而直接用于土壤近红外高光谱的测量。根据实验室速效钾含量测定结果,将所有土壤样品分为两类:其中速效钾含量低于100 mg·kg~(-1)的样品共144个,随机选取108个作为低含量建模集(L_c),剩余36个作为低含量验证集(L_p);速效钾含量高于100 mg·kg~(-1)的样品共25个,随机选取19个作为高含量建模集(H_c),剩余6个作为高含量验证集(H_p)。其中L_c和H_c统称为所有含量建模集(T_c),L_p和H_p统称为所有含量验证集(T_p)。获取所有土壤样本950~1 650 nm范围内的近红外高光谱图像。分别采用平均光谱曲线(R)、平均光谱曲线的一阶导数(FD)、平均光谱曲线与一阶导数共同建模(RFD)、平均光谱曲线与一阶导数的乘积(R*FD)、平均光谱曲线与一阶导数的商(R/FD)等五种光谱数据预处理方法,结合偏最小二乘法(PLS),分别对建模集T_c,L_c及H_c建模,然后分别对验证集T_p,L_p及H_p进行验证。结果表明:土壤的平均光谱反射率随速效钾含量的增大呈现先增加后减小的趋势。当速效钾含量低于100 mg·kg~(-1)时,所有波段的光谱反射率随速效钾含量的增加而增加;当速效钾含量在100~200 mg·kg~(-1)之间时,所有波段的光谱反射率均达到最大值。当速效钾含量超过200 mg·kg~(-1)时, 950~1 400 nm的光谱反射率急剧减小,但曲线的整体斜率显著增加;且速效钾含量越高,曲线整体斜率越大。当速效钾含量高于100 mg·kg~(-1)时,平均光谱曲线的一阶导数显著增大,且随速效钾含量的增加而增加。该研究建立的PLS模型,可以对整体(所有速效钾含量)和高含量(≥100 mg·kg~(-1))速效钾进行有效预测,但无法对低含量(≤100 mg·kg~(-1))速效钾进行预测。建模效果最好的光谱预处理方法为R*FD,其次为FD, R,而RFD, R/FD预测效果相对较差。最优建模方式为:R*FD结合T_c建模,其PLS主因子个数为2个, RMSE_c=29.293, RPD_c=4.669,R■=0.956;对T_p的验证效果为RMSE_p=29.438, RPD_p=4.740,R■=0.958;对H_p的验证效果为RMSE_p=23.033, RPD_p=3.199,R■=0.915。该模型能够根据土壤速效钾的含量对土壤进行分类:当预测值小于100 mg·kg~(-1)时,表明土壤速效钾含量低于100 mg·kg~(-1),具体含量不确定;当预测值大于100 mg·kg~(-1)时,预测值则能够很好反映土壤速效钾的真实含量。由于选用的土壤样本未经研磨和过筛处理,因而能够大大缩短样本制备时间,提高预测效率。该研究结果可为近红外高光谱成像应用于褐土土壤除速效钾含量以外其他营养成份的快速预测提供参考。    

2.  近红外光谱技术实时测定土壤中总氮及磷含量的初步研究  被引次数:5
   陈鹏飞  刘良云  王纪华  沈涛  陆安祥  赵春江《光谱学与光谱分析》,2008年第28卷第2期
   及时、准确探测土壤中的氮、磷含量,有利于精准施肥决策,提高肥料利用率。研究表明近红外技术能够探测土壤的物理和养分状况。针对不同土地利用类型,在北京大兴地区采集85份土壤样品,测定土壤氮、磷养分及其近红外漫反射光谱,并利用傅里叶变换光谱技术和偏最小二乘回归法建立了土壤总氮(N)和总磷(P)的近红外光谱校正模型。所建模型的交叉检验决定系数(R2CV)分别为0.8626(N),0.6685(P)。用未参与建模的10个样品对模型进行外部检验,总N、总P的预测相关系数(r)分别为0.9698,0.8307,预测标准误差(RMSEP)分别为0.0095%(N),0.0086%(P),RPD值(检验集样品化学测定值标准差/预测标准误差)分别为3.78(N),1.69(P)。结果表明,采用适当的光谱分析方法可以实现用近红外技术对土壤总N的精确探测及对土壤总P的粗略估测。    

3.  混合式随机森林的土壤钾含量高光谱反演  
   《光谱学与光谱分析》,2018年第12期
   从土壤速效钾光谱中挖掘关键特征较为困难,导致高光谱反演模型预测精度较低。针对此问题,提出了一种混合式随机森林特征选择算法。首先采用封装式特征选择方法进行特征预选,快速去除冗余并保留相关特征,然后再利用改进的随机森林特征选择算法对预处理后的特征进行精选,通过增大关键特征与冗余特征的区分度以及采用迭代特征选择的方式,使精选后的特征具有更好的鲁棒性与区分性,较好的解决了土壤速效钾高光谱反演模型精度较低的问题。为了验证所提出算法的有效性,选取了青岛市大沽河流域具有代表性的124个土壤样品为实验对象,利用提出的算法从2 051个原始波段选出含有13个敏感波段的最优光谱子集建立土壤速效钾反演模型,并与现有特征选择算法所建模型进行对比分析。结果表明:该算法构建的回归模型具有较低的预测均方根误差RMSEP(9. 661 5),较高的相关系数r(0. 936 9)和预测分析相对误差RPD(2. 14)。混合式随机森林特征选择算法以较少的特征波长数实现了较好的预测效果,可为土壤养分实时光谱传感器的设计提供一定的理论依据。    

4.  可见-近红外光谱的滨海土壤“除水”盐分估测  
   《光谱学与光谱分析》,2021年第10期
   滨海盐碱区土壤盐分的快速、准确监测对土地合理利用和保护具有重要意义。可见光近红外(Vis-NIR)光谱技术已广泛用于土壤属性的高效估测。然而,水分对含盐土壤光谱的干扰导致传统土壤盐分估测模型的精度降低。旨在探究分段直接标准化(PDS)和正交信号校正(OSC)在含水条件下土壤盐分估测中的应用,从而建立面向滨海盐碱区的"除水"Vis-NIR定量模型。为此,将获取的144份黄河三角洲滨海盐碱区表层(0~20 cm)土壤盐分数据划分为建模集(17个样本)和验证集(127个样本)。通过严格加水控制实验,测量10个含水率梯度(0%, 1%, 5%, 10%, 15%, 20%, 25%, 30%, 40%和50%)的建模集土壤光谱数据,验证集的土壤光谱则是根据生成的1~50随机整数,通过随机加水实验测量获取。采用PDS和OSC与偏最小二乘回归(PLSR)结合的建模策略,构建土壤盐分估测模型,并进行性能验证和比较。结果表明,OSC比PDS更能有效减轻水分在土壤盐分估测中的建模干扰。具体来说,光谱校正前后生成的所有PLSR模型均取得一定的成功(R■=0.79~0.91, RMSE_P=2.6~3.98 g·kg~(-1), RPD=1.98~2.37)。OSC-PLSR模型的土壤盐分估测精度提高,R■, RMSE_P和RPD分别为0.91和2.6 g·kg~(-1)和2.37。而PDS-PLSR模型效果不理想,R■, RMSE_P和RPD分别为0.79, 3.98 g·kg~(-1)和1.98。模型整体表现出了OSC-PLSRPLSRPDS-PLSR的土壤盐分估测性能。此外,提出了变量投影重要性(VIP)和Spearman相关系数(r)结合的分析策略,进一步探究了模型的估测机理。模型的重要波长(VIP1)与土壤盐分敏感波长(|r|0.4)吻合,对估测模型有重要意义。比较而言,OSC-PLSR精确提炼了位于830, 1 940和2 050 nm附近的模型估测的关键波长,而常规的PLSR和PDS-PLSR包含了大量的冗余信息。综合来看,OSC-PLSR模型在Vis-NIR土壤盐分估测中具有较好的除水效果,为土壤含水状态下的土壤盐分研究提供可靠方法。    

5.  基于UV-Vis-SWIR漫反射光谱的土壤多属性同时快速测定  
   《化学研究与应用》,2016年第7期
   采用紫外-可见-短波近红外漫反射光谱(UV-Vis-SWIRDRS)结合化学计量学对土壤中有机质(SOM)、总氮(TN)、碱解氮(AN)、速效钾(AK)、缓效钾(SAK)、有效磷(AP)及pH共7种属性建立了快速同时低成本的定量分析方法。土壤样本共81个,其中50个分为校正集,另16个为验证集,剩余15个为测试集。对每种土壤属性,考察了多种光谱预处理,变量选择以及它们的组合方法处理土壤光谱后建立的PLSR模型预测效果,选择出了最佳的光谱数据处理方法及其对应的最佳PLSR预测模型,并以独立的测试集样本对最佳模型预测性能进行客观评价。对于有机质和总氮,测试集决定系数(R2t)分别为0.94和0.97,模型可用于准确定量分析;对碱解氮和pH,R~2t分别为0.76和0.66,模型定量预测结果良好;对于有效磷,速效钾及缓效钾,R~2t小于0.6,但模型的预测效果和以往报道中的预测效果相差不大。研究表明,利用UV-Vis-SWIR DRS对土壤多属性进行快速同时低成本定量分析是可行的,有望用于土壤信息检测。    

6.  结合光谱变换和Kennard-Stone算法的水稻土全氮光谱估算模型校正集构建策略研究  被引次数:1
   陈奕云  赵瑞瑛  齐天赐  亓林  张超《光谱学与光谱分析》,2017年第37卷第7期
   土壤组分光谱估算过程中校正样本集的构建会影响模型的预测精度。当前结合反射光谱和Kennard-Stone(KS)算法的校正样本集构建策略忽视了土壤反射光谱是土壤属性的综合反映,构建的样本集通常无法很好地代表目标土壤组分的变异。光谱变换方法可以突出目标组分的光谱特征,为此,本文以湖北省江汉平原滨湖地区水稻土为研究对象,结合包括一阶微分(FD)、Savitzky-Golay(SG)、Haar小波变换、标准正态变量变换(SNV)和多元散射校正(MSC)在内的光谱变换方法和KS算法进行校正样本集建构,通过对比不同样本集构建策略对使用偏最小二乘回归(PLSR)建立的土壤全氮含量光谱估算模型预测精度的影响,研究光谱变换是否有助于提高基于KS算法构建的校正样本集的代表性。结果表明:不同光谱变换会影响校正样本集的构建。反射光谱经过SG或Haar小波变换后,再使用KS算法构建校正样本集与直接基于反射光谱使用KS算法构建的校正样本集相同,建立的估算模型精度不变,相对分析误差(RPD)分别为1.41和1.27。结合FD,SNV或MSC变换和KS算法构建的校正集与基于反射光谱使用KS算法构建的校正集不同,建立的估算模型RPD分别从0.95,1.48和1.42提高到1.13、1.78和2.20。研究表明SNV和MSC等光谱变换方法可以提高基于KS算法构建的校正样本集的代表性,并可有效提高模型预测精度。    

7.  S/B和DS算法校正土壤水分对土壤有机质近红外光谱预测的影响(英文)  
   王世芳  韩平  宋海燕  梁刚  程旭《光谱学与光谱分析》,2019年第6期
   土壤水分对近红外光谱表现出强烈的吸收和对土壤有机质含量的预测造成干扰。研究选择41个样本作为校正集和9个样本作为预测集,所有样本做不同含水率(5%, 10%, 15%和17%)的处理。采用S/B和DS算法分别对预测结果和全光谱进行校正,消除土壤水分的影响。结果得出预测结果偏差减小和模型预测性能得到改善,R_p高于0.89和RMSEP低于0.885%。研究表明S/B和DS算法能有效消除土壤水分的影响和提高土壤有机质预测的准确性。    

8.  土壤砷含量高光谱估算模型研究  被引次数:1
   Zheng GH  Zhou SL  Wu SH《光谱学与光谱分析》,2011年第31卷第1期
   以实验室内测取的土壤反射光谱为研究对象,利用PLSR方法建立反射光谱与土壤As含量之间的模型,通过交叉验证、估算检验建模精度,探讨利用反射光谱估算土壤As含量的可行性。通过比较不同光谱预处理方法、不同光谱分辨率和不同OM含量条件下建模、验证和估算结果。表明,MSC方法可以有效去除散射的影响而取得较好的结果(估算R2=0.711,RPD=1.827,RMSEP=1.613),不同光谱分辨率结果均较优(估算0.678    

9.  土壤水分对近红外光谱实时检测土壤全氮的影响研究  被引次数:2
   安晓飞  李民赞  郑立华  刘玉萌  孙红《光谱学与光谱分析》,2013年第3期
   利用近红外光谱技术实时预测土壤全氮含量是精细农业的研究热点之一,但是由于土壤水分在近红外波段的吸收系数较高,影响了土壤全氮含量的实时预测精度。使用布鲁克MATRIX_I傅里叶近红外光谱分析仪对不同土壤水分的土壤样本进行了近红外光谱扫描,定性和定量的分析了土壤水分对近红外光谱的影响,并提出了一种消除土壤水分对土壤全氮含量预测影响的方法。近红外光谱扫描结果显示在同一全氮含量水平下,随着土壤水分含量的增加,光谱吸光度呈逐渐上升的趋势,且变化趋势为非线性。通过对1 450和1 940nm两个水分吸收波段的差分处理,设计了水分吸收指数MAI(moisture absorbance index),再对土壤按照水分含量梯度进行分类,提出了相应的修正系数。修正后的6个土壤全氮特征波段处(940,1 050,1 100,1 200,1 300和1 550nm)的土壤吸光度值作为建模自变量,使用BP神经网络建立了土壤全氮预测模型,模型的RC,RV,RMSEC,RMSEP和RPD分别达到了0.86,0.81,0.06,0.05和2.75;与原始吸光度所建模型相比较模型精度得到了显著提高。实验结果表明本方法可以有效地消除土壤水分对近红外光谱检测土壤全氮含量预测的影响,为土壤全氮含量实时预测提供了理论和技术支持。    

10.  顾及土壤湿度的土壤有机质高光谱预测模型传递研究  被引次数:3
   陈奕云  漆锟  刘耀林  何建华  姜庆虎《光谱学与光谱分析》,2015年第6期
   高光谱遥感技术作为当前遥感发展的前沿科技,通过电磁波与地物的相互作用,可以定量反演地物的物理化学性质。土壤有机质是重要的土壤养分信息参数,利用高光谱遥感技术快速获取其含量信息可以为精准农业的发展提供必要的数据支撑。然而,由于受到外部参数差异的干扰,导致建模精度降低的同时,还会造成已有模型传递性的“失效”。为了消除湿度差异的干扰,进一步拓展已有模型的适用空间,以江汉平原滨湖地区为例,通过对95个土壤样本进行加湿处理,在实验室自然风干的条件下,量测得到13套不同湿度等级土壤样本的可见—近红外反射光谱数据,建立了各湿度等级下土壤有机质的光谱反演模型,研究水分差异对建模精度的影响;在此基础上,运用Direct Standardization(DS)算法对湿土光谱进行校正,进而探讨该算法在提高模型传递性能方面的潜力。结果表明:基于风干土光谱建立的模型预测精度最高,未经校正的湿土光谱无法通过该模型进行土壤有机质含量预测,预测偏差在-8.34~3.32 g? kg -1,RPD在0.64~2.04;经过DS算法校正后的湿土光谱可以通过该模型进行土壤有机质含量预测,预测偏差降低至0, RPD值提高至7.01。研究表明DS算法能有效降低湿度差异对光谱反演土壤有机质的影响,使土壤有机质光谱反演模型适用于不同水分含量的土壤样本。    

11.  基于多尺度SNV-CWT特征的黑土有机质、水分、总铁及pH值估测  
   《光谱学与光谱分析》,2021年第11期
   田间土壤属性复杂且随时间变化,快速精准地获得多种土壤理化指标数据对指导精细农业操作具有重要意义。为避免土壤水分带来的干扰,基于光谱技术的土壤成分含量预测需在土壤样本干燥的情况下进行光谱测量,然而土壤水分同样是指导农业生产的重要指标。为同时预测黑土区土壤有机质(SOM)、水分(SMC)、总铁(Fe)和pH值,提出测量湿土土壤样本的可见-近红外光谱,并采用标准正态变量变换(SNV)-连续小波变换(CWT)法分解光谱反射率,逐样本进行SNV后,以Mexh为小波基函数进行10个尺度(2~1, 2~2,…, 2~(10))的分解,并与常用光谱处理方法进行对比,包括高斯滤波(GS)、一阶导数(FD)、连续统去除(CR),数学变换等7种方法。将74个样本数据划分为两组,其中50个作为建模集,24个作为验证集。经SNV-CWT变换后,每个尺度的小波系数与每个目标变量间置信度小于0.05的波段作为随机森林(RF)预测模型的输入变量,以各尺度验证模型精度为标准确定每个预测目标的最佳分解尺度;通过计算最佳尺度小波系数与土壤成分间的皮尔森相关系数(PCC),基于模型的相关系数(MBC)和灰色关联度(GRD),判断各属性的特征波段,且分别以三种相关系数作为指标,以过滤式筛选法建立不同属性的RF估测模型。结果表明:与7种常用的处理方法相比,SNV-CWT分解后四种土壤成分的预测精度均有提高,SOM, SMC, Fe和pH对应的最佳分解尺度分别为7, 8, 1和10。在以多维特征作为输入变量的情况下,SOM与SMC的验证模型决定系数(R~2)即可达到0.90和0.93。三种分析方法中以MBC计算的相关系数为波段筛选指标建立的模型精度最佳,其中SOM与SMC的R~2均为0.94,且Fe(R~2=0.67, Mse=0.01%, RPD=1.76)与pH(R~2=0.80, Mse=0.1, RPD=2.24)的模型精度具有大幅度提高,可应用于多种土壤理化指标数据的提取与监测。    

12.  基于非接触式电导信号的土壤速效钾含量检测方法  
   李传文  魏圆圆  陈翔宇  张俊卿  郭红燕  王儒敬《分析测试学报》,2020年第39卷第7期
   该文针对土壤中速效钾含量采用传统测定法操作复杂、检测时效滞后的问题,建立了基于非接触式电导检测信号快速检测土壤速效钾含量的分析方法。采用高效毛细管电泳/非接触式电导检测仪获取河南潮土的非接触式电导检测信号,并使用导数法与高斯曲线拟合法相结合进行初步峰谱识别,按条件进行峰值过滤后,引入基于Levenberg-Marquardt(L-M)的高斯分峰拟合算法,实现了单峰和重叠峰的拟合计算,得到高斯峰和相应的特征参数,包括峰位、峰高、半峰宽和峰面积;最后将拟合得到的高斯峰及相应的特征参数表征原始非接触式电导检测信号离子峰谱信息结合偏最小二乘法(PLS),确定特征参数与土壤速效钾含量的关系,建立模型,实现了对土壤中速效钾含量的预测。结果表明,将基于L-M的高斯分峰拟合算法结合偏最小二乘法应用于非接触式电导检测信号测定土壤速效钾含量时具有较高精度,回归模型决定系数(R~2)为0.856 4,相对分析误差(RPD)为2.639,适用于土壤速效钾的快速检测分析。    

13.  基于深度稀疏学习的土壤近红外光谱分析预测模型  被引次数:2
   王儒敬  陈天娇  汪玉冰  汪六三  谢成军  张洁  李瑞  陈红波《发光学报》,2017年第38卷第1期
   提出一种基于深度稀疏学习的土壤近红外光谱分析预测模型。首先,使用稀疏特征学习方法对土壤近红外光谱数据进行约简,实现土壤近红外光谱内容的稀疏表示;然后采用径向基函数神经网络以稀疏表示特征系数为输入,以所测土壤成分为输出,分别建立土壤有机质、速效磷、速效钾的非线性预测模型。结果表明用该模型预测土壤有机质的含量是可行的,但对土壤速效磷和速效钾含量的预测还需对模型做进一步的优化。    

14.  X射线荧光光谱结合CARS变量筛选选择方法用于土壤中铅砷含量的测定  
   江晓宇  李福生  王清亚  罗杰  郝军  徐木强《光谱学与光谱分析》,2022年第5期
   X射线荧光光谱分析作为一种以化学计量学为基础的定量分析技术,所建立模型优劣对结果的预测准确性显得十分重要。竞争性自适应重加权算法(CARS)采用自适应重加权采样技术,利用交互验证选出互验证均方根误差(RMSECV)值最低原则,寻出最优变量组合。为了进一步提高PLS模型的解释和预测能力,将竞争性自适应重加权算法(CARS)与X射线荧光光谱分析技术相结合,对土壤中重金属元素铅和砷进行特征波长变量筛选后建立偏最小二乘(PLS)模型。首先,利用CARS算法对铅含量密切相关的波长变量进行筛选,当采样次数为26次时,筛选出60个有效波长点;对砷含量密切相关的波长变量进行筛选,当采样次数为34次时,筛选出19个有效波长点;然后对优选出的波长点利用PLS方法分别建立土壤中铅和砷含量定量分析模型,并与经连续投影算法(SPA)及蒙特卡罗无信息变量消除(MC-UVE)方法波长变量筛选后所建立的PLS模型进行比较。结果显示:铅的CARS-PLS模型的预测集决定系数(R2)、交互验证均方根误差(RMSECV)、预测均方根误差(RMSEP)和相对预测误差(RPD)分别为0.995 5, 2....    

15.  不同pH值土壤中铅含量的太赫兹光谱反演建模研究  
   《光谱学与光谱分析》,2020年第8期
   针对土壤中铅含量的定量检测问题,本研究基于太赫兹光谱技术对不同pH下土壤中铅含量的最佳反演预测模型进行了探索性研究。分别制备了pH为8.5, 7.0和5.5的含铅土壤样品,采集样品的太赫兹光谱数据,并对光谱数据做了多元散射矫正(MSC)、基线校正和Savitzky-Golay平滑等预处理。对预处理后的光谱数据,采用连续投影法(SPA)选取光谱数据的特征频率。基于选取的特征频率分别采用偏最小二乘法(PLS)、支持向量机(SVM)和误差反向传播神经网络(BPNN)建立土壤中铅含量的反演预测模型,采用校正集相关系数(R_c)、校正集均方根误差(RMSEC)、预测集相关系数(R_p)、预测集均方根误差(RMSEP)和剩余预测偏差(RPD)作为评价参数对模型性能进行评估,确定铅在不同pH土壤中的最佳预测模型。实验结果表明:在经过SPA选择特征频率后的建模效果普遍比全光谱的效果好。其中pH 8.5的样品最佳预测模型为SPA-PLS,R_c,R_p, RMSEC, RMSEP和RPD分别为0.997 7, 0.994 6, 14.52 mg·kg~(-1), 22.70 mg·kg~(-1)和9.63; pH 7.0的样品最佳预测模型为SPA-SVM,R_c,R_p, RMSEC, RMSEP和RPD分别为0.996 2, 0.975 7, 20.25 mg·kg~(-1), 33.04 mg·kg~(-1)和4.56; pH 5.5的样品最佳预测模型为SPA-BPNN,R_c,R_p, RMSEC, RMSEP和RPD分别为0.968 7, 0.974 4, 48.83 mg·kg~(-1), 55.03 mg·kg~(-1)和4.44。该研究结果为不同pH土壤中铅含量的光谱反演预测提供了一种新思路,亦可为其他重金属在不同pH土壤中的含量反演预测模型提供理论方法和技术支持。    

16.  不同品种冷鲜猪肉pH值高光谱检测模型的传递方法研究  
   刘娇  李小昱  金瑞  徐森淼  库静《光谱学与光谱分析》,2015年第7期
   针对目前模型传递方法研究大多在不同仪器之间且均采用近红外光谱建立模型,采用高光谱技术建立猪肉pH值定量检测模型,并针对不同品种间的模型传递提出了一种光谱和预测值同步校正(sync cor‐rection of spectrum and prediction value ,CSPV )的传递算法,并与模型更新方法进行比较。当模型满足预测相关系数(correlation coefficient of prediction ,rp )rp ≥0.837,且剩余预测偏差(residual prediction deviation , RPD)RPD≥1.9时,表明预测结果可靠。以杜长大、茂佳山黑猪和零号土猪3个品种猪肉样品为研究对象,以杜长大作为主品种,茂佳山黑猪和零号土猪作为从品种,采用偏最小二乘(partial least squares regression , PLS)法建立主品种猪肉 pH值定量检测模型,模型校正相关系数(correlation coefficient of cross‐validation rc )和预测相关系数 rp 分别达到0.922和0.904,交互验证均方根误差(root mean squared error of cross vali‐dation ,RMSECV)和预测均方根误差(root mean squared error of prediction ,RMSEP)分别为0.045和0.046,RPD为2.380。用主模型分别对茂佳山黑猪和零号土猪pH值进行预测,rp 仅达到0.770和0.731, RMSEP分别为0.111和0.209,RPD分别为1.533和1.234,预测精度较差。分别采用CSPV传递算法和模型更新方法对主模型进行传递和修正,比较并验证了两种方法的模型传递和修正结果。采用CSPV算法对模型传递后,当标样个数分别为9个和10个时, rp 可提高到0.889和0.900,RPD提高到2.071和2.213,均满足 rp ≥0.837,且RPD≥1.9;而采用模型更新方法对模型修正后,当添加的代表性样品分别为11个和9个时, rp 分别达到0.869和0.845,但RPD仅达到1.934和1.804,不满足RPD≥1.9的条件。结果表明, CSPV传递算法能实现主模型对茂佳山黑猪和零号土猪样品的预测,而模型更新方法只能实现对茂佳山黑猪品种的预测,不能实现对零号土猪样品的预测,且CSPV传递算法预测结果优于模型更新方法。    

17.  荒漠土壤全磷含量热红外发射率光谱估算研究  被引次数:2
   侯艳军  塔西甫拉提·特依拜  张飞  买买提·沙吾提  依力亚斯江·努尔麦麦提《光谱学与光谱分析》,2015年第2期
   土壤磷素为植物提供营养元素,是评价土壤质量的重要参数之一。传统的土壤全磷含量的测定方法不能实现对荒漠土壤养分有效监测,而运用遥感手段能够弥补传统手段的不足。有学者开展了通过近红外光谱来估算土壤全磷含量的研究,但由于土壤磷素近红外吸收系数小、吸收峰不明显等原因,使得土壤磷素估算的模型精度欠佳。为解决荒漠土壤全磷含量近红外光谱估算存在的不足,提高荒漠土壤全磷含量估算的精度,对准噶尔盆地东部荒漠土壤进行采样、化验分析和发射率光谱测量、处理,分析土壤热红外发射率特征,建立多种荒漠土壤全磷含量热红外发射率估算模型。结果表明:在土壤全磷含量高于0.200g·kg-1的条件下,在8.00~13μm波长范围内,热红外发射率随全磷含量的增加而增加,9.00~9.60μm波段范围内土壤热红外发射率对全磷含量最敏感;多元逐步回归建立的估算模型的估算效果差,不能用于荒漠土壤全磷含量热红外发射率的估算,经过偏最小二乘回归建立的估算模型效果优于多元逐步回归建立的模型;偏最小二乘回归建立的连续去除一阶导数模型最优,校正和验证的R2分别达到了0.97和0.82,校正和验证的RMSE仅有0.010 6和0.015 7,RPD为2.62,模型能够极好的对土壤全磷含量进行估算。该研究的成果为荒漠土壤全磷含量定量遥感估算提供有效支撑,通过有效监测荒漠土壤全磷含量的时空动态变化,为区域生态环境的修复提供依据。    

18.  去除土壤水分对高光谱估算土壤有机质含量的影响  被引次数:1
   于雷  洪永胜  朱亚星  黄鹏  何琦  QI Feng《光谱学与光谱分析》,2017年第37卷第7期
   土壤高光谱技术具有方便快捷、无破坏、成本低等优点,已被广泛应用于估算土壤有机质含量(SOMC)。然而,野外测量的土壤高光谱数据因受外部环境因素(土壤湿度、温度、表面粗糙度等)干扰,导致SOMC估算模型适用性有待提升。土壤含水率(SMC)是影响野外测量高光谱的最主要的障碍因素之一,它的变化严重影响可见-近红外(Vis-NIR)光谱反射率的观测结果。因此,消除SMC对高光谱数据的干扰是提高土壤高光谱估算SOMC模型预测精度的关键环节。以江汉平原潜江市潮土样本为研究对象,在室内人工加湿土样,分别获取6个SMC水平的土壤高光谱数据,采用标准正态变换(SNV)对光谱数据进行预处理,基于外部参数正交化法(EPO)去除土壤水分对高光谱的影响,利用偏最小二乘方法(PLSR)建立并对比EPO处理前、后不同SMC水平SOMC反演模型。结果表明,土壤水分对Vis-NIR光谱反射率有显著的影响,掩盖了SOMC的光谱吸收特征;EPO处理前不同SMC水平的光谱曲线之间的差异较为明显,而EPO处理后的各SMC水平的光谱曲线形态基本相似;采用EPO处理后的土壤高光谱数据建立SOMC估算模型,预测集的R2p,RPD分别为0.84和2.50,其精度与EPO处理前所建模型相比有较大提升,表明EPO算法可以有效去除土壤水分的影响,从而提升SOMC的估算精度。对定向去除外部环境参数对土壤高光谱影响进行了实证,为完善野外原位获取SOMC信息技术提供理论基础。    

19.  基于近红外光谱技术的生物炭组分分析  被引次数:1
   谢越  李飞跃  范行军  胡水金  肖新  汪建飞《分析化学》,2018年第4期
   建立了基于近红外光谱技术的生物炭组分快速定量分析方法。采集了163个样品在10000~3800cm~(-1)范围内的近红外光图谱,测定了样品中的固定碳(Fixed carbon,FC)、挥发分(Volatile matter,VM)和灰分(Ash)3种组分含量。在优化建模波段,确定最佳因子数,采用多元散射校正与二阶导数光谱法对原始光谱预处理后,利用偏最小二乘法(Partial least squares,PLS)构建了生物炭样品中3种组分的模型,并对模型的预测性能进行了评价。结果表明,PLS模型具有良好的预测能力,FC、VM和Ash的真实值和预测值的相关系数(Predicted coefficient,R_p~2)分别达到0.9423,0.9517和0.9265,预测均方差(Root mean square error of prediction,RMSEP)值分别为0.1074,0.1201和0.1243,相对预测误差(Ratio of prediction to deviation,RPD)值分别为3.51,4.28和2.03。模型对FC和VM的精度较高,可以作为定量分析方法。根据RPD值,模型对Ash的预测精度较差,需要进一步提高模型预测精准度。本方法为生物炭组分的定量分析提供一种快速有效的技术手段。    

20.  基于LS-SVM建模方法近红外光谱检测土壤速效N和速效K的研究  
   刘雪梅  柳建设《光谱学与光谱分析》,2012年第32卷第11期
   应用可见/短波近红外光谱(Vis/SW-NIRS)测量土壤速效氮(N)和速效钾(K)含量.光谱预处理包括标准正态变换(SNV),多元散射校正(MSC)和Savitzky Golay平滑结合一阶导数,以消除系统噪声和外部干扰,分别应用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)方法建立校正模型.最小二乘支持向量机(LS-SVM)输入分别包括主成分分析得到的主成分(PCs)和PLSR建模得到的潜在变量(LVs)和由PLSR模型回归系数得到有效波长(EWs).结果表明,三种输入的LS-SVM模型都优于PLS模型,其中EWs-LS-SVM模型最佳,速效氮(N)的相关系数(R2)和预测均方误差RMSEP分别0.82和17.2,速效钾(K)为0.72和15.0.结果表明,利用可见光和短波近红外光谱(Vis/SW-近红外光谱)(325~1075 nm)的LS-SVM的结合,可以作为一个精确的土壤理化性质的测定方法.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号