-
题名土壤速效磷可见-近红外光谱检测方法
被引量：6
- 1
-
-
作者
方向
王文才
金秀
齐海军
李绍稳
-
机构
安徽农业大学信息与计算机学院/农业部农业物联网技术集成与应用重点实验室
-
出处
《江苏农业学报》
CSCD
北大核心
2019年第5期1112-1118,共7页
-
基金
农业部“948”项目(2015-Z44、2016-X34)
-
文摘
土壤速效磷是影响农作物生长发育的重要指标,利用可见-近红外光谱技术对速效磷含量定量估测可为精准施肥提供重要依据。采集农田土壤样本可见-近红外光谱数据,土壤样本共179个。在原始光谱基础上采用Savitzky-Golay卷积平滑,一阶微分,二阶微分,标准正态变换,多元散射校正以及去趋势校正等单一及其组合对原始光谱数据进行预处理,然后将可见-近红外光谱分为2个波段范围(400~850 nm和950~1600 nm)并与全波段分别建立偏最小二乘回归和最小二乘支持向量机回归模型。结果表明Savitzky-Golay卷积平滑结合去趋势校正预处理效果最好,在此基础上,利用400~850 nm波段建立的最小二乘支持向量机模型取得了最佳效果,其模型验证集的决定系数为0.78,均方根误差为3.79mg/kg,相对分析误差为2.17。因此,采用最小二乘支持向量机回归建模法建立土壤速效磷的光谱定量分析模型,可实现土壤速效磷的定量估测。
-
关键词
可见-近红外光谱
土壤速效磷
最小二乘支持向量机
-
Keywords
visible-near infrared spectroscopy
soil available phosphorus
least squares support vector machine
-
分类号
S153.6
[农业科学—土壤学]
-
-
题名土壤速效磷含量成像和非成像光谱预测差异性分析
被引量：3
- 2
-
-
作者
王文才
李绍稳
齐海军
金秀
王帅
-
机构
安徽农业大学信息与计算机学院/农业部农业物联网技术集成与应用重点实验室
-
出处
《江苏农业学报》
CSCD
北大核心
2018年第4期811-817,共7页
-
基金
农业部引进国际先进农业科学技术计划("948"计划)项目(2015-Z44
2016-X34)
-
文摘
以139个皖北砂姜黑土样品为研究对象,首先在室内采集土壤在400~1 000 nm可见近红外光谱区域的成像和非成像2组光谱数据,再对光谱进行Savitaky-Golay卷积平滑、标准正态变量变换(SNV)和一阶微分(FD)等一种或多种组合处理,最后利用偏最小二乘回归(PLSR)分别建立土壤速效磷(AP)含量回归模型。对2组光谱进行光谱特征分析和相似度分析,并对比模型预测效果,结果显示,成像和非成像光谱在形态上趋向一致,且非成像光谱的反射率值在每个波长点上均高于成像光谱;平滑处理后2种光谱的光谱相关拟合度得到提高;经预处理后,2种光谱建立的模型预测精度均有所提高;非成像光谱经预处理后建立的最优模型预测精度(验证集相对分析误差MRPD为2.02)高于成像光谱(验证集相对分析误差MRPD为1.85)。因此,成像光谱相对于非成像光谱在400~1 000 nm波段建立的土壤速效磷含量回归模型预测能力稍差,但通过光谱预处理变换可以降低成像和非成像光谱的差异性并缩小成像与非成像光谱模型预测精度的差距。
-
关键词
成像光谱
非成像光谱
光谱分析
土壤速效磷含量
预测
-
Keywords
imaging spectra
non-imaging spectra
spectral analysis
soil available phosphorus content
prediction
-
分类号
S153.6
[农业科学—土壤学]
-
