10.3964/j.issn.1000-0593(2018)01-0171-05
Y-梯度广义最小二乘加权校正的土壤速效氮野外原位光谱预测
土壤速效氮是影响作物生长发育的重要养分指标.野外原位可见近红外光谱(V IS-N IR)分析技术具有快速无损等特点,对速效氮的定量预测具有较好的应用前景.野外条件下进行原位光谱采集更节省人力物力,且为土壤养分实时传感器的开发提供了数据基础.但由于野外原位光谱中通常存在大量的无关环境因子干扰信息,易导致回归模型预测精度降低,达不到实用要求.针对位于以色列中部和北部的两个试验点共76个样本开展研究,提出利用Y-梯度广义最小二乘加权算法(Y-GLSW)对样本的野外原位VIS-NIR反射率光谱(350~2500 nm)进行滤波校正,以提高回归模型的预测能力.首先使用SG平滑、一阶导数变换、标准正态变换等常规方法对原始光谱进行预处理和变换;在此基础上再使用Y-GLSW构建滤波模型对变换后的光谱进行滤波校正;最后使用偏最小二乘回归算法(PLS-R)分别结合原始光谱RW、预处理变换后的光谱PPT和滤波校正后的光谱Y-GLSW建立回归分析模型对速效氮进行定量预测.结果表明:利用RW光谱建立的回归预测模型是不可靠的;利用PPT光谱建立的回归模型在测试集的相对分析误差(RPD)为1.41,解释总方差占实际总方差之比(SSR/SST)为0.57,模型具有一定的可靠性;Y-GLSW光谱建立的回归模型在测试集的RPD和SSR/SST分别为2.07和0.69,相对于PPT模型分别提高了46.81%和21.05%.因此,利用Y-GLSW对野外原位VIS-NIR光谱进行滤波校正,能够有效去除光谱中的无关信息数据,提高模型的预测精度和解释能力.
土壤速效氮、野外检测、光谱校正、回归模型、Y-梯度广义最小二乘加权
38
O657.3(分析化学)
农业部引进国际先进科学技术948项目2015-Z44 ,2016-X34;国家留学基金项目201608340066
2018-01-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
171-175