土壤中总氮与总磷含量的近红外光谱实时检测方法.docx

土壤中总氮与总磷含量的近红外光谱实时检测方法.docx

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2 0 0 9 年 9 月 农 业 机 械 学 报 第 40 卷 增 刊 土壤中总氮与总磷含量的近红外光谱实时检测方法 3 袁石林 马天云 宋 韬 何 勇 鲍一丹 (浙江大学生物系统工程与食品科学学院 , 杭州 310029) 【摘要】 以浙江省潮化盐土为研究对象 ,用近红外光谱分析技术探测土壤氮 (N) 和磷 ( P) 的含量 。从试验田采 集 6 组土样 ,每组取 20 个样品 ,共计 120 个样品 。利用均值法 、卷积滤波确定最终光谱数据 ,然后采用偏最小二乘 回归法 ( PL S) 及最小二乘支持向量机 (L S2SVM) 分别建立了土壤总氮和总磷的近红外光谱模型 ,其中采用 PL S 所 建模型的相关系数分别为 01945 4 (N) 、01932 7 ( P) ,预测标准误差分别为 01032 1 (N) 、01008 9 ( P) 。采用 L S2SVM 所建模型的预测相关系数分别为 01950 3 (N) 、01954 7 ( P) ,预测标准误差为 01037 8 ( N) 、01010 1 ( P) 。分析结果表 明采用近红外分析技术可以预测土壤总氮 (N) 和总磷 ( P) 的含量 。 关键词 : 近红外光谱 测量 土壤总氮 土壤总磷 偏最小二乘法 最小二乘支持向量机 中图分类号 : O657133 ; S15119 + 5 文献标识码 : A Real2time Analysis of Soil Total N and P with Near Infrared Reflectance Spectroscopy Yuan Shilin Ma Tianyun Song Tao He Yong Bao Yidan ( College of Biosystems Engineering and Food Science , Zhejiang University , Hangzhou 310029 , China) Abstract The tide salt clay in Zhejiang Province was selected as research object , and the soil N and soil P were analyzed with N IR spectroscopic techniques. Six group samples were collected f rom a rice farm. Several kinds of nutritional water with different concentrations were added to the six groups , and then the samples were dried and rubbed. At last , 120 samples were got f rom six groups equably. Standard normal variate ( SNV) , multivariate scatter correction (MSC) and smoothing of moving average were used to process the spectral data. Different calibration models were established and the performance of these models was compared with different pretreatment methods. After comparison , smoothing of moving average was found to be the best spectral pretreatment method. 96 samples were randomly selected f rom 120 samples as the calibration set , and the other 24 samples were used as the validation samples. Two discriminating analysis models were developed using partial least squares ( PL S) method and least squares2support vector machine (L S2SVM) method respectively. The correl

文档评论(0)

小教资源库 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档