可见-近红外光谱技术结合递归变量选择算法对土壤全氮与有机质含量测定研究-论文.pdf

《可见-近红外光谱技术结合递归变量选择算法对土壤全氮与有机质含量测定研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第34卷，第8期光谱学与光谱分析Vo1．34，No．8，pp2070～20752014年8月SpectroscopyandSpectralAnalysisAugust，2014可见一近红外光谱技术结合递归变量选择算法对土壤全氮与有机质含量测定研究贾生尧。，唐旭。，杨祥龙，李光，张建明1．浙江大学生物系统工程与食品科学学院，浙江杭州3100582．农业部设施农业装备与信息化重点实验室，浙江杭州3100583．浙江省农业科学院环境资源与土壤肥料研究所，浙江杭州3100214．浙江大学智能系统与控制研究所，工业控制技术国家重点实验室，浙江杭州310027摘要

2、应用可见一近红外光谱技术进行定量分析时，变量选择起着十分重要的作用。不同土壤样品之间的预测机制可能存在很大差异，当待测样品出现新的特征信息时，基于建模集选择的特征变量不一定能够很好地代表待测样品的有效信息，继续采用原有特征变量建模就易导致预测误差增大。该研究采用递归变量选择方法在预测过程中递归更新土壤全氮与有机质的特征变量，以保持预测模型的鲁棒性；比较了偏最小二乘法(PLS)，递归偏最ib-乘法(RPLS)和不同递归变量选择方法，如：变量投影重要性与RPLS相结合(VIP-RPLS)，VIP-RPLS，无信息变量消除法与PLS相结合(UVE-PLS)对

3、于土壤全氮与有机质含量的预测效果。所用195份土壤样品来自浙江省文成县8个乡镇的农田。土壤样品随机分成两部分，一部分作为建模集包含120份样品，另一部分作为预测集包含75份样品。结果表明：VIP-RPLS建立的模型对于预测土壤全氮与有机质含量取得了最优的结果，获得的决定系数(R)分别为0．85与0．86，获得的预测相对分析误差(RPD)分别为2．6与2．7。说明VIP-RPLS通过不断更新模型的特征变量，能够捕获新加入到建模集样品的有效信息。相比于本研究中的其他方法，VIP-RPLS对于土壤全氮与有机质含量具有更高的预测精度。关键词可见近红外光谱；土壤

4、全氮；有机质；递归偏最小二乘；递归变量选择中图分类号：0657．3文献标识码：ADOI：10．3964／j．issn．i000—0593(2014)08—2070—06(geneticalgorithms，GA)l5]、连续投影算法(successivepro—引言jectionsalgorithm，SPA)[6]、无信息变量消除(Uninformativevariableelimination，UvE)j、变量投影重要性(variableim-土壤是作物的重要生长环境，快速准确把握土壤养分信portanceintheprojection，VIP)_8

5、等。一般先根据建模集的息是农业科学施肥的前提。相比传统基于化学原理的土壤养光谱数据选择特征变量，然后再用这些特征变量建立预测模分检测方法，可见一近红外光谱分析技术具有快速、高效、无型。然而，土壤光谱模型的预测机制与土壤质地类型，水分损和适合在线分析等特点。近年来，采用可见一近红外光谱技含量，颜色以及土壤中化合物的性质有关『g]，不同土壤样品术测量土壤养分信息受到了国内外研究学者的青睐ll。]。之间的预测机制可能存在很大差异。当待测样品中出现新的通常现代光谱仪都具有较高的光谱分辨率，测量得到的干扰源时，基于建模集选择的特征变量不一定能够很好地代光谱数据一

6、般包含数百甚至上千个波长变量。这其中有相当表待测样品的有效信息，继续采用原有特征变量建模就易导一部分波长变量包含与被测对象不相关的冗余噪声，采用这致预测误差增大。因此，为了适应待测样品中新出现的有效些波长变量建模，不仅增加计算量还会降低模型的预测精信息，有必要对模型的特征变量进行更新，从而保持模型的度。因此，采用光谱技术对土壤养分分析之前，进行有效的鲁棒性。变量选择是十分必要的。常用的变量选择方法包括：区间偏国内外学者在保持模型的预测能力方面作了大量的研最小二乘(intervalpartialleastsquares，iPLS)_4]，遗传算法究。其中

7、最常用的方法是添加一些新的样品到建模集，然后收稿日期：2014—01—21。修订日期：2014—04一l1基金项目：国家自然科学基金重点项目(61134011)和浙江省自然科学基金项目(IY12C15005)资助作者简介：贾生尧，1986年生，浙江大学生物系统工程与食品科学学院博士研究生e-mail：darlbar6@126．com*通讯联系人e-mail：jmzhang@iipc．ziu．edu．crl第8期光谱学与光谱分析2071采用偏最小二乘法重新计算模型的回归系数[1。这种方法行烘干，碾磨和过筛(筛子孔径为2mm)等处理。处理好的能够降低由于仪

8、器响应或者测量环境发生变化对测量结果带土壤分成两部分，分别装于自封袋中。一部分采用化学方法来的