论文部分内容阅读
土壤肥力指标检测是现代农业的重要基础性工作,既有的检测方法需要生化试剂,过程复杂,不便于规模化应用。近红外(NIR)光谱可以无需试剂直接检测样品,具有快速简便的优点。已有研究工作证实近红外光谱用于分析土壤主要肥力指标(有机质等)的可行性,但由于土壤类型繁多,进一步针对土壤类型建立个性化模型及多类型土壤联合分析模型,对于近红外光谱在土壤领域的规模化应用具有重要意义。本文收集到东北、南京和广东三个类型的典型土壤样品,基于多次定标、预测集随机划分的构建具有稳定性的近红外建模、检验框架。采用等间隔偏最小二乘(EC-PLS)方法进行波长优选,建立等效模型集:(1)进一步提出重复率优先组合偏最小二乘(RRPC-PLS)方法,建立了三类土壤样品有机质近红外分析的个性化模型;(2)建立了三类土壤样品有机质近红外分析的联合模型,进行共性研究。采用EC-PLS方法,关于东北土壤,最优起点波长(I)、波长个数(N)和波长间隔数(G)分别为1090nm、63和10;关于南京土壤,最优的I、N和G分别为1310nm、48和4;关于广东土壤,最优的I、N和G分别为1172nm、72和9。在此基础上建立等效模型集,进一步采用RRPC-PLS方法建立东北、南京和广东三类土壤有机质的个性化模型,所采用的波长个数分别为8、9和56;另一方面,针对等效模型集,进一步建立三类土壤样品有机质的联合模型,相应的等间隔波长组合的I、N和G分别为1632nm、18和8。采用不参与定标的样品对优选的模型进行检验。对于最优RRPC-PLS模型,东北土壤有机质的预测均方根偏差(V-SEP)和预测相关系数(V-RP)分别为0.188wt%和0.903;南京土壤的V-SEP和V-RP分别为0.507wt%和0.945;广东土壤的V-SEP和V-RP分别为0.197 wt%和0.917。对于最优联合模型,东北土壤的V-SEP和V-RP分别为0.182wt%和0.918;南京土壤的V-SEP和V-RP分别为0.573wt%和0.926;广东土壤的V-SEP和V-RP分别为0.249 wt%和0.847。结果表明:近红外方法预测值与常规方法实测值的吻合性与相关性均较高,且具备无需试剂和快速简便的优点。本文针对不同土壤类型,提出了个性化和联合建模测定有机质的新途径,对于近红外光谱在土壤领域的规模化应用具有重要意义,也为设计小型、专用且低成本的近红外光谱仪器提供有价值的参考。