基于可见-近红外光谱预处理建模的土壤速效氮含量预测
发布时间：2021-10-12 19:04
以皖南地区采集的188份黄红壤样本为研究对象,利用地物非成像光谱仪获取原始光谱数据。首先,分析样本在350～1 657 nm波段经过预处理变换的平均光谱反射率曲线特征,再基于原始光谱,以及经29种预处理变换后的光谱,分别结合偏最小二乘回归（PLSR）和径向基核函数（RBF）-PLSR算法,建立60个针对土壤速效氮含量的预测模型,并进行模型优化;然后,以模型的决定系数（R2）和相对分析误差（RPD）来评价模型性能。结果显示,基于Savitaky-Golay卷积平滑和对数变换预处理的光谱,用PLSR建立的模型最适用于土壤速效氮含量的校正预测,其在建模集中R2=0.94、RPD=3.88,预测集中R2=0.91、RPD=3.38。该模型达到A类预测精度,可实现对土壤速效氮含量的定量估测。
【文章来源】：浙江农业学报. 2019,31(09)北大核心CSCD
【文章页数】：8 页
【部分图文】：
原始光谱及预处理变换后的光谱对比图Fig．1Contrastofspectrabeforeandafterpreprocess
ＲMSE值呈现先下降再上升的状态:当LV的个数较少时，ＲMSE值较大，说明模型处于欠拟合状态，误差较大;当LV的个数逐渐增大至超过12时，构建的模型越来越复杂，出现过拟合现象，此时ＲMSE值再次出现上升趋势。综合分析，当LV的个数为12时，模型的ＲMSE值最小，故选取12个潜在变量用于建立土壤AN含量的线性PLSＲ预测模型。该模型在建模集和预测集中实测值和预测值的关系如图3所示，建模集中Ｒ2=0.94、ＲPD=3.88，预测集中Ｒ2=0.91、ＲPD=3.38。图2SG+LG/PLSＲ模型中LV数量与ＲMSE的关系Fig．2ＲelationshipofLVquantityandＲMSEinSG+LG/PLSＲmodel图3SG+LG/PLSＲ模型建模集(a)和预测集(b)中实测值与预测值的关系Fig．3ＲelationshipbetweenmeasuredvaluesandpredictedvaluesofSG+LG/PLSＲmodelsincalibrationset(a)andpre-dictionset(b)3结论利用原始光谱数据和29种预处理方法变换光谱数据，分别结合PLSＲ和ＲBF-PLSＲ算法建立土壤AN含量的预测模型，主要结论如下:(1)不同的预处理变换方法对模型的预测结果有很大的影响。大部分预处理变换可以提高模型的预测性能;但是导数变换及其组合的预处理下建模效果不理想，甚至降低了模型的预测性方向，等．基于可见-近红外光谱预处理建模的土壤速效氮含量预测·9251·
的个数逐渐增大至超过12时，构建的模型越来越复杂，出现过拟合现象，此时ＲMSE值再次出现上升趋势。综合分析，当LV的个数为12时，模型的ＲMSE值最小，故选取12个潜在变量用于建立土壤AN含量的线性PLSＲ预测模型。该模型在建模集和预测集中实测值和预测值的关系如图3所示，建模集中Ｒ2=0.94、ＲPD=3.88，预测集中Ｒ2=0.91、ＲPD=3.38。图2SG+LG/PLSＲ模型中LV数量与ＲMSE的关系Fig．2ＲelationshipofLVquantityandＲMSEinSG+LG/PLSＲmodel图3SG+LG/PLSＲ模型建模集(a)和预测集(b)中实测值与预测值的关系Fig．3ＲelationshipbetweenmeasuredvaluesandpredictedvaluesofSG+LG/PLSＲmodelsincalibrationset(a)andpre-dictionset(b)3结论利用原始光谱数据和29种预处理方法变换光谱数据，分别结合PLSＲ和ＲBF-PLSＲ算法建立土壤AN含量的预测模型，主要结论如下:(1)不同的预处理变换方法对模型的预测结果有很大的影响。大部分预处理变换可以提高模型的预测性能;但是导数变换及其组合的预处理下建模效果不理想，甚至降低了模型的预测性方向，等．基于可见-近红外光谱预处理建模的土壤速效氮含量预测·9251·
【参考文献】：
期刊论文
[1]高光谱遥感技术在土壤研究应用中的进展[J]. 刘勋,李长春,李双权,马玉凤,杜军. 安徽农业科学. 2019(08)
[2]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[J]. 齐海军,Karnieli Arnon,李绍稳. 光谱学与光谱分析. 2018(01)
[3]中国农业信息技术发展回顾及展望[J]. 赵春江,杨信廷,李斌,李明,闫华. 农学学报. 2018(01)
[4]基于MC-UVE的土壤碱解氮和速效钾近红外光谱检测[J]. 刘雪梅,柳建设. 农业机械学报. 2013(03)
[5]近红外分析中光谱预处理及波长选择方法进展与应用[J]. 褚小立,袁洪福,陆婉珍. 化学进展. 2004(04)
[6]“精细农业”发展与工程技术创新[J]. 汪懋华. 农业工程学报. 1999(01)
博士论文
[1]基于光谱和高光谱成像技术的土壤养分及类型检测与仪器开发[D]. 章海亮.浙江大学 2015
[2]基于野外vis-NIR高光谱的土壤属性预测及田间水分影响去除研究[D]. 纪文君.浙江大学 2014
[3]土壤养分信息的光谱估测研究[D]. 张娟娟.南京农业大学 2009
本文编号：3433136
【文章来源】：浙江农业学报. 2019,31(09)北大核心CSCD
【文章页数】：8 页
【部分图文】：
原始光谱及预处理变换后的光谱对比图Fig．1Contrastofspectrabeforeandafterpreprocess
ＲMSE值呈现先下降再上升的状态:当LV的个数较少时，ＲMSE值较大，说明模型处于欠拟合状态，误差较大;当LV的个数逐渐增大至超过12时，构建的模型越来越复杂，出现过拟合现象，此时ＲMSE值再次出现上升趋势。综合分析，当LV的个数为12时，模型的ＲMSE值最小，故选取12个潜在变量用于建立土壤AN含量的线性PLSＲ预测模型。该模型在建模集和预测集中实测值和预测值的关系如图3所示，建模集中Ｒ2=0.94、ＲPD=3.88，预测集中Ｒ2=0.91、ＲPD=3.38。图2SG+LG/PLSＲ模型中LV数量与ＲMSE的关系Fig．2ＲelationshipofLVquantityandＲMSEinSG+LG/PLSＲmodel图3SG+LG/PLSＲ模型建模集(a)和预测集(b)中实测值与预测值的关系Fig．3ＲelationshipbetweenmeasuredvaluesandpredictedvaluesofSG+LG/PLSＲmodelsincalibrationset(a)andpre-dictionset(b)3结论利用原始光谱数据和29种预处理方法变换光谱数据，分别结合PLSＲ和ＲBF-PLSＲ算法建立土壤AN含量的预测模型，主要结论如下:(1)不同的预处理变换方法对模型的预测结果有很大的影响。大部分预处理变换可以提高模型的预测性能;但是导数变换及其组合的预处理下建模效果不理想，甚至降低了模型的预测性方向，等．基于可见-近红外光谱预处理建模的土壤速效氮含量预测·9251·
的个数逐渐增大至超过12时，构建的模型越来越复杂，出现过拟合现象，此时ＲMSE值再次出现上升趋势。综合分析，当LV的个数为12时，模型的ＲMSE值最小，故选取12个潜在变量用于建立土壤AN含量的线性PLSＲ预测模型。该模型在建模集和预测集中实测值和预测值的关系如图3所示，建模集中Ｒ2=0.94、ＲPD=3.88，预测集中Ｒ2=0.91、ＲPD=3.38。图2SG+LG/PLSＲ模型中LV数量与ＲMSE的关系Fig．2ＲelationshipofLVquantityandＲMSEinSG+LG/PLSＲmodel图3SG+LG/PLSＲ模型建模集(a)和预测集(b)中实测值与预测值的关系Fig．3ＲelationshipbetweenmeasuredvaluesandpredictedvaluesofSG+LG/PLSＲmodelsincalibrationset(a)andpre-dictionset(b)3结论利用原始光谱数据和29种预处理方法变换光谱数据，分别结合PLSＲ和ＲBF-PLSＲ算法建立土壤AN含量的预测模型，主要结论如下:(1)不同的预处理变换方法对模型的预测结果有很大的影响。大部分预处理变换可以提高模型的预测性能;但是导数变换及其组合的预处理下建模效果不理想，甚至降低了模型的预测性方向，等．基于可见-近红外光谱预处理建模的土壤速效氮含量预测·9251·
【参考文献】：
期刊论文
[1]高光谱遥感技术在土壤研究应用中的进展[J]. 刘勋,李长春,李双权,马玉凤,杜军. 安徽农业科学. 2019(08)
[2]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[J]. 齐海军,Karnieli Arnon,李绍稳. 光谱学与光谱分析. 2018(01)
[3]中国农业信息技术发展回顾及展望[J]. 赵春江,杨信廷,李斌,李明,闫华. 农学学报. 2018(01)
[4]基于MC-UVE的土壤碱解氮和速效钾近红外光谱检测[J]. 刘雪梅,柳建设. 农业机械学报. 2013(03)
[5]近红外分析中光谱预处理及波长选择方法进展与应用[J]. 褚小立,袁洪福,陆婉珍. 化学进展. 2004(04)
[6]“精细农业”发展与工程技术创新[J]. 汪懋华. 农业工程学报. 1999(01)
博士论文
[1]基于光谱和高光谱成像技术的土壤养分及类型检测与仪器开发[D]. 章海亮.浙江大学 2015
[2]基于野外vis-NIR高光谱的土壤属性预测及田间水分影响去除研究[D]. 纪文君.浙江大学 2014
[3]土壤养分信息的光谱估测研究[D]. 张娟娟.南京农业大学 2009
本文编号：3433136
本文链接：https://www.wllwen.com/nykjlw/nyxlw/3433136.html
