赣南脐橙园土壤全磷和全钾近红外光谱检测

• 作者: 刘德力 刘燕德 吴至境 周衍华 熊松盛
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 近红外光谱 钾 磷 偏最小二乘回归 最小二乘支持向量机
• 年，卷（期）: 2013,（18）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 156-162
• 页数: 7页
• 分类号: TH83|S15
• 字数: 4084字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2013.18.019

摘要

为建立一种能够同时快速检测土壤全磷和全钾的定量估计模型，该文采用近红外漫反射技术对赣南脐橙果园的土壤进行研究，对56个土样风干、过筛，然后进行光谱采集和化学分析。光谱经过Savitzky-Golay平滑后再用一阶微分变换的方法进行预处理，分别应用偏最小二乘回归（partial least square regress PLS）、主成分回归（principal component regression PCR）和最小二乘支持向量机（least squares support vector machine LS-SVM）3种方法，在4000～7500 cm-1波数范围内，建立赣南脐橙果园土壤全磷和全钾快速定量检测模型。结果发现在建立土壤全磷模型时，PLS 和 PCR 的预测模型效果均不理想，但 LS-SVM 建立的模型较为理想,其预测相关系数（correlation coefficient of prediction RP）为0.884，预测集均方根误差（the root mean square error of prediction RMSEP）为0.341，预测相对分析误差（residual predictive deviation RPD）为2.59。在建立土壤全钾模型时，PLS、PCR和LS-SVM 建立3种模型效果均理想，其中以LS-SVM模型最理想，其预测相关系数（RP）为0.971，预测集均方根误差（RMSEP）为0.714，预测相对分析误差（RPD）为5.12。研究表明，采用LS-SVM建立的土壤全磷和全钾模型对实现土壤全磷和全钾含量快速检测具有可行性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘燕德	华东交通大学机电工程学院	154	1816	25.0	34.0
2	吴至境	华东交通大学机电工程学院	6	34	3.0	5.0
3	熊松盛	华东交通大学机电工程学院	5	48	4.0	5.0
4	周衍华	华东交通大学机电工程学院	5	37	4.0	5.0