-
题名基于光谱分类的土壤盐分含量预测
被引量:21
- 1
-
-
作者
代希君
彭杰
张艳丽
罗华平
向红英
-
机构
塔里木大学机械电气化工程学院
塔里木大学现代农业工程重点实验室
塔里木大学植物科学学院
-
出处
《土壤学报》
CAS
CSCD
北大核心
2016年第4期909-918,共10页
-
基金
国家自然科学基金项目(41261083
41361048
11464039)资助~~
-
文摘
基于相似土壤组分和光谱特征,利用土壤光谱反射率数据和曲线特征来进行土壤光谱分类,同时充分挖掘有效信息是光谱分析的重要应用方向之一。借助模糊k-均值聚类方法将土壤光谱数据分成四个类别(分类前先将原始光谱进行范围归一化处理),比较分析了不同类型土壤在光谱分类前后的高光谱特征,然后利用Kennard-Stone法将各类别样本划分为建模集和预测集,将预处理后的建模集光谱数据作为输入量,采用偏最小二乘回归法(PLSR)方法建立全局和各自类别的盐分预测模型。结果表明:光谱分类建模较按土壤系统分类建模和全局建模的精度有明显提高,其预测模型总体的预测决定系数RP2、预测均方根误差RMSEP、相对分析误差RPD和RPIQ(样本观测值三四分位数Q3与一四分位数Q1之差与RMSEP的比值)四个指标分别从0.664、1.219、1.733和1.461提高至0.818、1.132、2.356和2.422,其中RPD提高幅度达23.13%,四个类别所建模型RPD均大于2.0,可以对土壤含盐量进行较为精确的定量研究。研究结果为利用大样本光谱数据建立大尺度区域的盐分等土壤属性预测模型提供一种新的思路和方法。
-
关键词
土壤
高光谱
盐分
模糊k-均值聚类
盐渍化
kennard-stone法
-
Keywords
Soil
Hyperspectra
Salt
Fuzzy k-means clustering
Salinization
kennard-stone method
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
S127
[自动化与计算机技术—控制科学与工程]
-
-
题名基于K-S算法的水质硝酸盐含量光谱检测方法研究
被引量:16
- 2
-
-
作者
潘国锋
-
机构
江南大学物联网工程学院
-
出处
《光谱实验室》
CAS
CSCD
北大核心
2011年第5期2700-2704,共5页
-
基金
国家自然科学基金(60674092)
无锡市污染防治资金(2008-1)
-
文摘
应用紫外光谱对水体中的总氮进行测定,常规的测定方法在分析精度上依赖于所建立的光谱数学模型。测量过程中所依据的紫外光谱数据波段较多,模型的建立所依据的测试样本也比较多,因而很容易引入干扰光谱信息。对水质样本的原始光谱进行一阶微分处理后,采用K ennard-S tone算法对41个样本进行优选,选出30个作为训练集,剩余11个作为预测集,并采用偏最小二乘法建立较理想的硝酸盐校正数学模型,实验结果表明,预测模型效果稳健,预测方法也快速简便,为水体中的硝酸盐检测提供一种新的方法。
-
关键词
偏最小二乘法
吸收光谱
模型精度
kennard-stone算法
-
Keywords
Partial Least Squares method
Absorption Spectrum
Model Precision
kennard-stone Algorithm
-
分类号
O433.51
[机械工程—光学工程]
O657.32
[理学—光学]
-