近红外反射光谱法土壤性质的主成分回归分析–.docVIP

近红外反射光谱法-土壤性质的主成分回归分析 摘要 一个快速，便捷的土壤分析技术是需要土壤质量评价和精密的土壤管理。本研究的主要目的是评估近红外反射光谱（NIRS）来预测不同土壤性质的能力。从Perstrop近红外系统6500扫描单色仪（福斯NIRSystems，马里兰州Silver Spring），和33化学物理和生物化学特性得到近红外反射光谱，从四个主要土地资源收集区802土壤样品（MLRAs）进行了研究。[log(1/ R )]得主成分回归。全碳氮阳离子交换量（CEC）1.5兆帕水基础呼吸速率沙淤泥和Mehlich III可萃取钙通过近红外光谱（0.80）成功地预测。有些Mehlich III可萃取金属（铁，钾，镁，??锰）可交换阳离子（钙，镁，钾）可交换基地交换性酸粘土潜在可矿化氮总呼吸速率生物量碳和pH值总和也通过近红外光谱估计，但精度较低(r 20.80~0.50)。2，1，0.5，0.25mm，并宏观聚合）的预测结果是不可靠的（r2=0.46~0.60）。Mehlich III提取的Cu，P和Zn和交换性钠不能使用NIRS-PCR技术（20.50）预测。近红外反射光谱技术是一种为研究入射光和材料表面之间相互作用的非破坏性的分析技术。由于其简单性快速性，并且需要很少或无需样品制备近红外反射光谱被广泛用于工业。三十年以前该技术最早粮食的快速水汽分析。现在，近红外光谱是用于粮食和饲料质量评估的主要分析技术。Wetzel, 1983; Creaser and Davies, 1988a; Murray and Cowe, 1992; Workman, 1996）。 近红外光谱是由来自中红外区域的弱的泛音和基本振动带的HC、H-N和HO键的组合为主。除了材料的化学，近红外光谱也到了材料的物理结构的影响。弱的泛音和基本振动谱带组合的重叠直接近红外光谱来解释是困难的。各种方法已被用于涉及测量材料性质的近红外光谱。主成分回归偏最小二乘回归（PLSR）逐步多元线性回归（）傅立叶回归局部加权回归（LWR）和人工神经网络近红外光谱是最常用的多元校正技术几个研究都集中在使用近红外光谱测量土壤性质。鲍尔斯和汉克斯（1965）的结论是，反射光谱土壤含水量有机质含量和颗粒大小影响。阿巴斯等人（1972）发现光反射率有机质和粘粒含量是负相关。Krishnan1980）在反射率在可见光区域的两个波长（623.3和564.4 nm）和在近红外区域两个波长（1136.0和1398.4 nm）预测来自伊利诺伊州的12种土壤有机质含量的基础上进行比较分析（r2=0.92为可见光， r 2=0.87为红外光）。对从澳大利亚昆士兰州三个土系收集个样本进行了达拉尔和亨利（1986）研究分析。他们用反射率在三个波长，（1/ R）的形式，通过多元线性回归（0.86，0.86和0.92）来预测总有机碳氮和水分含量。亨德森等人（1992）发现从印第安纳农业土壤的有机碳含量密切相关提取有机物质的反射率和显著回应Fe和Mn的氧化物的浓度在可见光范围内具有相同的母质土壤。Fritze等（1994）研究了火灾或木灰处理的腐殖质样品的反射光谱时，发现从光谱表征获得的前两个分量回归（基于PLSR）可以解释6080％的生物变异（土壤呼吸与微生物生物量的）。福克斯等人近红外光谱的土壤N有效性的预测能力与其他测试进行了比较。Sudduth和Hummel设计（1993年a，1993年b）便携式近红外光谱仪，来自伊利诺伊州土壤有机质（20.85）水分（20.94）和CEC（20.85）。他们还得出结论，样品的地理范围增加这些土壤性质的预测变得不那么准确，（Sudduth和Hummel，1996）。预测土壤性质的红外光谱研究由于样本量小土壤类型多样少，和/或因为只有少数土壤性能测试。在这项研究中，从四个MLRAs收集802份土壤样品不同通过近红外光谱进行了分析。本研究的目的是：（i）评估NIRS预测不同土壤性质及（ii）理解为什么NIRS可用于预测一些土壤性质，理论上光在近红外区域没有反应。材料与方法土壤质量 - 天然资源清查（SQ-NRI）试点项目美国农业部NRCS土壤质量研究所和美国农业部国家土壤耕性实验室启动了“通过国家资源清单抽样框衡量和评估土壤质量”（Brejda等人，2000年a，b）。表面（03或010厘米）和地下（310或1030厘米）土壤是从在四MLRAs448位点收集，包括MLRA 9（帕卢斯，位于华盛顿东部和西部的爱达荷州内兹佩尔塞大草原），MLRA 67（中部高平原位于在科罗拉多州东部，东南部，怀俄明州和内布拉斯加州西部），MLRA 77（南部高平原位于新墨西哥州和得克萨斯州的狭长地带），和MLRA 105（北密西西比河流域黄土丘陵区，位于东北部的爱荷华州，明尼苏达州东