可见-近红外光谱技术结合递归变量选择算法对土壤全氮与有机质含量测定研究 |
| |
引用本文: | 贾生尧,唐旭,杨祥龙,李光,张建明.可见-近红外光谱技术结合递归变量选择算法对土壤全氮与有机质含量测定研究[J].光谱学与光谱分析,2014,34(8):2070. |
| |
作者姓名: | 贾生尧 唐旭 杨祥龙 李光 张建明 |
| |
作者单位: | 贾生尧:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058农业部设施农业装备与信息化重点实验室, 浙江 杭州310058 唐旭:浙江省农业科学院环境资源与土壤肥料研究所, 浙江 杭州310021 杨祥龙:浙江大学生物系统工程与食品科学学院, 浙江 杭州310058农业部设施农业装备与信息化重点实验室, 浙江 杭州310058 李光:浙江大学智能系统与控制研究所, 工业控制技术国家重点实验室, 浙江 杭州310027 张建明:浙江大学智能系统与控制研究所, 工业控制技术国家重点实验室, 浙江 杭州310027
|
| |
基金项目: | 国家自然科学基金重点项目(61134011)和浙江省自然科学基金项目(LY12C15005)资助 |
| |
摘 要: | 应用可见-近红外光谱技术进行定量分析时,变量选择起着十分重要的作用。不同土壤样品之间的预测机制可能存在很大差异,当待测样品出现新的特征信息时,基于建模集选择的特征变量不一定能够很好地代表待测样品的有效信息,继续采用原有特征变量建模就易导致预测误差增大。该研究采用递归变量选择方法在预测过程中递归更新土壤全氮与有机质的特征变量,以保持预测模型的鲁棒性;比较了偏最小二乘法(PLS),递归偏最小二乘法(RPLS)和不同递归变量选择方法,如:变量投影重要性与RPLS相结合(VIP-RPLS),VIP-RPLS,无信息变量消除法与PLS相结合(UVE-PLS)对于土壤全氮与有机质含量的预测效果。所用195份土壤样品来自浙江省文成县8个乡镇的农田。土壤样品随机分成两部分,一部分作为建模集包含120份样品,另一部分作为预测集包含75份样品。结果表明:VIP-RPLS建立的模型对于预测土壤全氮与有机质含量取得了最优的结果,获得的决定系数(R2)分别为0.85与0.86,获得的预测相对分析误差(RPD)分别为2.6%与2.7%。说明VIP-RPLS通过不断更新模型的特征变量,能够捕获新加入到建模集样品的有效信息。相比于本研究中的其他方法,VIP-RPLS对于土壤全氮与有机质含量具有更高的预测精度。
|
关 键 词: | 可见近红外光谱 土壤全氮 有机质 递归偏最小二乘 递归变量选择 |
收稿时间: | 2014/1/21 |
Visible and Near Infrared Spectroscopy Combined with Recursive Variable Selection to Quantitatively Determine Soil Total Nitrogen and Organic Matter |
| |
Abstract: | |
| |
Keywords: | Visible and near-infrared spectroscopy Soil total nitrogen Organic matter Recursive partial least squares Recursive variable selection |
本文献已被 CNKI 等数据库收录! |
|