以皖南地區(qū)采集的188份黃紅壤樣本為研究對(duì)象,利用地物非成像光譜儀獲取原始光譜數(shù)據(jù)。首先,分析樣本在350～1 657 nm波段經(jīng)過預(yù)處理變換的平均光譜反射率曲線特征,再基于原始光譜,以及經(jīng)29種預(yù)處理變換后的光譜,分別結(jié)合偏最小二乘回歸（PLSR）和徑向基核函數(shù)（RBF）-PLSR算法,建立60個(gè)針對(duì)土壤速效氮含量的預(yù)測模型,并進(jìn)行模型優(yōu)化;然后,以模型的決定系數(shù)（R²）和相對(duì)分析誤差（RPD）來評(píng)價(jià)模型性能。結(jié)果顯示,基于Savitaky-Golay卷積平滑和對(duì)數(shù)變換預(yù)處理的光譜,用PLSR建立的模型最適用于土壤速效氮含量的校正預(yù)測,其在建模集中R²=0.94、RPD=3.88,預(yù)測集中R²=0.91、RPD=3.38。該模型達(dá)到A類預(yù)測精度,可實(shí)現(xiàn)對(duì)土壤速效氮含量的定量估測。 

【文章來源】：浙江農(nóng)業(yè)學(xué)報(bào). 2019,31(09)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

原始光譜及預(yù)處理變換后的光譜對(duì)比圖Fig．1Contrastofspectrabeforeandafterpreprocess

ＲMSE值呈現(xiàn)先下降再上升的狀態(tài):當(dāng)LV的個(gè)數(shù)較少時(shí)，ＲMSE值較大，說明模型處于欠擬合狀態(tài)，誤差較大;當(dāng)LV的個(gè)數(shù)逐漸增大至超過12時(shí)，構(gòu)建的模型越來越復(fù)雜，出現(xiàn)過擬合現(xiàn)象，此時(shí)ＲMSE值再次出現(xiàn)上升趨勢。綜合分析，當(dāng)LV的個(gè)數(shù)為12時(shí)，模型的ＲMSE值最小，故選取12個(gè)潛在變量用于建立土壤AN含量的線性PLSＲ預(yù)測模型。該模型在建模集和預(yù)測集中實(shí)測值和預(yù)測值的關(guān)系如圖3所示，建模集中Ｒ2=0.94、ＲPD=3.88，預(yù)測集中Ｒ2=0.91、ＲPD=3.38。圖2SG+LG/PLSＲ模型中LV數(shù)量與ＲMSE的關(guān)系Fig．2ＲelationshipofLVquantityandＲMSEinSG+LG/PLSＲmodel圖3SG+LG/PLSＲ模型建模集(a)和預(yù)測集(b)中實(shí)測值與預(yù)測值的關(guān)系Fig．3ＲelationshipbetweenmeasuredvaluesandpredictedvaluesofSG+LG/PLSＲmodelsincalibrationset(a)andpre-dictionset(b)3結(jié)論利用原始光譜數(shù)據(jù)和29種預(yù)處理方法變換光譜數(shù)據(jù)，分別結(jié)合PLSＲ和ＲBF-PLSＲ算法建立土壤AN含量的預(yù)測模型，主要結(jié)論如下:(1)不同的預(yù)處理變換方法對(duì)模型的預(yù)測結(jié)果有很大的影響。大部分預(yù)處理變換可以提高模型的預(yù)測性能;但是導(dǎo)數(shù)變換及其組合的預(yù)處理下建模效果不理想，甚至降低了模型的預(yù)測性方向，等．基于可見-近紅外光譜預(yù)處理建模的土壤速效氮含量預(yù)測·9251·

的個(gè)數(shù)逐漸增大至超過12時(shí)，構(gòu)建的模型越來越復(fù)雜，出現(xiàn)過擬合現(xiàn)象，此時(shí)ＲMSE值再次出現(xiàn)上升趨勢。綜合分析，當(dāng)LV的個(gè)數(shù)為12時(shí)，模型的ＲMSE值最小，故選取12個(gè)潛在變量用于建立土壤AN含量的線性PLSＲ預(yù)測模型。該模型在建模集和預(yù)測集中實(shí)測值和預(yù)測值的關(guān)系如圖3所示，建模集中Ｒ2=0.94、ＲPD=3.88，預(yù)測集中Ｒ2=0.91、ＲPD=3.38。圖2SG+LG/PLSＲ模型中LV數(shù)量與ＲMSE的關(guān)系Fig．2ＲelationshipofLVquantityandＲMSEinSG+LG/PLSＲmodel圖3SG+LG/PLSＲ模型建模集(a)和預(yù)測集(b)中實(shí)測值與預(yù)測值的關(guān)系Fig．3ＲelationshipbetweenmeasuredvaluesandpredictedvaluesofSG+LG/PLSＲmodelsincalibrationset(a)andpre-dictionset(b)3結(jié)論利用原始光譜數(shù)據(jù)和29種預(yù)處理方法變換光譜數(shù)據(jù)，分別結(jié)合PLSＲ和ＲBF-PLSＲ算法建立土壤AN含量的預(yù)測模型，主要結(jié)論如下:(1)不同的預(yù)處理變換方法對(duì)模型的預(yù)測結(jié)果有很大的影響。大部分預(yù)處理變換可以提高模型的預(yù)測性能;但是導(dǎo)數(shù)變換及其組合的預(yù)處理下建模效果不理想，甚至降低了模型的預(yù)測性方向，等．基于可見-近紅外光譜預(yù)處理建模的土壤速效氮含量預(yù)測·9251·

【參考文獻(xiàn)】：
期刊論文
[1]高光譜遙感技術(shù)在土壤研究應(yīng)用中的進(jìn)展[J]. 劉勛,李長春,李雙權(quán),馬玉鳳,杜軍.  安徽農(nóng)業(yè)科學(xué). 2019(08)
[2]Y-梯度廣義最小二乘加權(quán)校正的土壤速效氮野外原位光譜預(yù)測[J]. 齊海軍,Karnieli Arnon,李紹穩(wěn).  光譜學(xué)與光譜分析. 2018(01)
[3]中國農(nóng)業(yè)信息技術(shù)發(fā)展回顧及展望[J]. 趙春江,楊信廷,李斌,李明,閆華.  農(nóng)學(xué)學(xué)報(bào). 2018(01)
[4]基于MC-UVE的土壤堿解氮和速效鉀近紅外光譜檢測[J]. 劉雪梅,柳建設(shè).  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(03)
[5]近紅外分析中光譜預(yù)處理及波長選擇方法進(jìn)展與應(yīng)用[J]. 褚小立,袁洪福,陸婉珍.  化學(xué)進(jìn)展. 2004(04)
[6]“精細(xì)農(nóng)業(yè)”發(fā)展與工程技術(shù)創(chuàng)新[J]. 汪懋華.  農(nóng)業(yè)工程學(xué)報(bào). 1999(01)

博士論文
[1]基于光譜和高光譜成像技術(shù)的土壤養(yǎng)分及類型檢測與儀器開發(fā)[D]. 章海亮.浙江大學(xué) 2015
[2]基于野外vis-NIR高光譜的土壤屬性預(yù)測及田間水分影響去除研究[D]. 紀(jì)文君.浙江大學(xué) 2014
[3]土壤養(yǎng)分信息的光譜估測研究[D]. 張娟娟.南京農(nóng)業(yè)大學(xué) 2009



本文編號(hào)：3433136