首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   7篇
  免费   0篇
化学   3篇
物理学   4篇
  2022年   1篇
  2019年   1篇
  2016年   2篇
  2015年   1篇
  2013年   1篇
  2007年   1篇
排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
杨丽华 《分析测试学报》2019,38(9):1136-1139
建立了微波消解/电感耦合等离子体质谱仪(ICP-MS)碰撞池(CCT~(ked))测定土壤中全磷的方法,采用内标法定量。用土壤标准物质验证了方法的准确度与精密度。方法的线性范围为0~2 000μg/L,检出限为5μg/L,土壤样品的检出限为2.5μg/g。土壤基质溶液的加标回收率为94.0%~103%。该方法与钼锑抗分光光度法无显著性差异,具有灵敏度高、简便、快速的特点。  相似文献   
2.
紫色土土壤全氮和全磷含量的高光谱遥感预测   总被引:5,自引:0,他引:5  
高光谱遥感技术是土壤养分预测的有效手段之一。以三峡库区王家沟小流域为研究区,在对土壤样本的理化性质和实验室反射光谱数据分析和测量的基础上,用偏最小二乘回归方法建立了紫色土土壤全氮和全磷含量的预测模型,并用33个水稻土土壤样本对紫色土土壤养分预测模型进行了验证。结果显示,紫色土土壤全氮预测模型得到的土壤样本预测值和实测值之间的总相关系数达到了0.672,而紫色土土壤全磷预测模型得到的相关系数只有0.498;用紫色土土壤养分预测模型对水稻土土壤养分进行预测得到的相关系数分别为0.550和0.124。因此,用高光谱来预测紫色土土壤全氮含量具有一定的可行性,但高光谱对于紫色土全磷含量的预测效果相对较差;土壤养分预测模型在不同类型土壤之间并不具有很好的通用性。  相似文献   
3.
连续流动注射法测定土壤和植物中全磷   总被引:2,自引:0,他引:2  
应用AA3型连续流动分析仪测定了土壤和植物中全磷.结果表明:对于采用高氯酸-硫酸消解的土壤样品以及硫酸-过氧化氢消解的植物样品,在测定时调节反应混合液的酸度使其在显色的适宜范围内,磷的质量浓度在6 mg·L-1(土壤)和7.5 mg·L-1(植物)以内呈线性,相关系数分别为0.999 2(土壤)和0.999 6(植物);加标回收率98.5%~100.5%,相对标准偏差小于2%,检出限分别为0.010 mg·L-1(土壤)和0.013 mg·L-1(植物).  相似文献   
4.
反射光谱在近年来广泛应用于土壤属性的估算。作为一种有效估算土壤全磷含量的手段,反射光谱技术可以很大程度上减少传统化学测量方法所损耗的人力物力。以江苏滨海土壤为研究对象,在30个采样点采集了共147个土样,测量土壤样品光谱反射率及全磷含量。利用原始光谱反射率数据及6种不同的光谱变换结果,通过随机抽样(RS)、KS、SPXY三种样本集划分方法,基于偏最小二乘回归(PLSR)和支持向量机(SVM)方法分别建立土壤全磷含量的估算模型,对比分析了三种样本集划分方法对估算结果精度的影响。结果表明:(1)以原始光谱反射率为数据,PLSR模型,RS方法在多数情况下可以获得较为稳定的模型精度,明显优于KS和SPXY方法;在SVM模型中,采用SPXY方法获得的模型结果最优,KS次之,RS结果最差。(2)不同的样本集划分方法所合适的光谱变换方法不同,对于三种划分样本集方法,PLSR和SVM对应的最优光谱变换分别是对数的倒数和一阶导数(KS方法),原始光谱和一阶导数(RS方法),一阶导数和多元散射校正(SPXY方法)。其中采用KS方法划分样本集,PLSR和SVM均能获得最佳的预测结果。并非所有光谱变换方法都可以提高模型精度,部分光谱变换后PLSR模型预测精度显著降低;(3)在所有的样本集划分方法中,SVM的建模效果优于PLSR,采用RS方法划分样本集,PLSR的预测精度高于SVM,而采用KS和SPXY方法划分样本集,SVM的预测精度整体高于PLSR。综上所述,本研究区域估算土壤全磷含量的最佳模型是基于KS样本集划分方法和一阶导数光谱变换建立的SVM模型,此时拟合优度(R2p)为0.82。结果表明反射光谱可以对滨海地区的土壤全磷含量进行有效预测,对土壤磷元素的高效快速反演具有一定的指导意义。  相似文献   
5.
荒漠土壤全磷含量热红外发射率光谱估算研究   总被引:3,自引:0,他引:3  
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。  相似文献   
6.
SmartChem140全自动化学分析仪测定土壤全氮全磷的研究   总被引:1,自引:0,他引:1  
本文以胶州湾湿地土壤为样品,建立了基于SmartChem140全自动化学分析仪,同时测定土壤全氮和全磷的方法。利用全自动化学分析仪可以同时快速、准确测定土壤中的全氮和全磷,全氮和全磷分别在0~6.0mg·L-1和0~5.0mg·L-1范围内线性良好,相关系数(R2)分别为0.9994、0.9995;测定结果与凯氏定氮法、磷钼蓝比色法对比无显著差异,相对误差均小于4%,相对标准偏差分别为1.39%和1.07%,样品的加标回收率分别在97.68%~102.12%和97.35%~101.88%之间。研究结果表明,该方法准确度高、稳定性好,回收率高,操作简便,测定结果能满足对土壤全氮、全磷的监测要求。  相似文献   
7.
以新疆艾比湖湿地保护区采集的300个荒漠土壤样品为研究对象,利用ASD Field Spec○R3HR光谱仪获取的土壤可见-近红外光谱数据以及化学分析获取的土壤全磷数据为数据源,将原始光谱数据经过卷积平滑、标准正态变量变换以及一阶微分预处理后,采用蚁群-遗传结合区间偏最小二乘法提取荒漠土壤全磷含量特征波长,构建土壤全磷含量偏最小二乘回归预测模型;并与全谱偏最小二乘、蚁群-区间偏最小二乘、遗传-偏最小二乘模型进行比较。结果表明:经蚁群-区间偏最小二乘法筛选后,荒漠土壤全磷特征波段为500~700,1 101~1 300,1 501~1 700,1 901~2 100nm;进一步采用遗传-区间偏最小二乘法进行变量选择,得到共线性最小的13个有效波长,分别为:1 621,546,1 259,573,1 572,1 527,564,1 186,1 988,1 541,2 024,1 118和1 191nm。建模方法比较显示,采用蚁群-遗传结合区间偏最小二乘法选择的特征变量,建立的模型精度最高,其次是遗传算法、蚁群算法和全光谱。蚁群-遗传结合区间偏最小二乘法建立的土壤全磷含量的模型,效验证均方根误差RMSECV以及预测集均方根误差RMSEP分别为0.122和0.108mg·g-1,效验证相关系数Rc以及预测集的相关系数Rp分别为0.535 7,0.555 9。因此,经过卷积平滑、标准正态变量变换以及一阶微分预处理,并利用蚁群-遗传结合区间偏最小二乘法建立的模型不仅简单,而且具有较高的预测精度和较好的稳健性,可以估算荒漠土壤全磷含量。  相似文献   
1
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