基于激光诱导击穿光谱的土壤类型判别分析

• 作者: 何勇 余克强 刘飞
• 来源期刊: 农业工程学报
• 学科: 农学
• 关键词: 土壤 光谱测定 模型 激光诱导击穿光谱 判别分析 特征谱线
• 年，卷（期）: 2015,（12）
• 所属期刊栏目: 综合研究?关键技术
• 页码范围: 1-7
• 页数: 7页
• 分类号: S237|TN249
• 字数: 5836字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2015.12.001

摘要

为了更加全面的建立中国土壤类型系统，了解中国土壤地域差异，从而提高土地资源的利用率，以及根据土壤类型指导农业科学生产。该研究利用激光诱导击穿光谱（laser-induced breakdown spectroscopy，LIBS）技术结合化学计量学方法对土壤类型进行判别分析研究。从6种标准土壤样品出发，分析所采集6种土壤的LIBS光谱谱线特征，结合其主要成分物质（SiO2，Al2O3，Fe2O3，FeO，MgO，CaO，Na2O，K2O）的含量，针对每种主要物质选取了Si I 390.55 nm、Al I 394.40 nm、Fe I 422.74 nm、Mg I 518.36 nm、Na I 588.96 nm、Ca II 393.37 nm、K I 766.49 nm为特征分析谱线。结合所选的7条特征谱线下的300个标准土壤样品的光谱（200个为训练集，100个为预测集），对训练集光谱进行主成分分析（principal component analysis，PCA），6种土壤有明显的聚类。然后根据训练集光谱值和预先赋予土壤类型的虚拟等级值分别建立最小二乘判别分析（partial least squares discriminant analysis，PLS-DA）和最小二乘支持向量机（least-squares support vector machine，LS-SVM）判别模型，分析预测结果二者总的判别准确率分别为98%和100%。用受试者工作特征曲线（receiver operating characteristic curve，ROC）评价这2个模型的性能，结果表明LS-SVM判别模型性能优于PLS-DA模型。基于以上结果，选取不同于标准土壤的另7种不同类型土壤进行试验验证所选特征谱线和判别模型，建立7种不同类型土壤的LS-SVM预测模型，其预测准确率达100%，ROC曲线对其评价的性能很好。研究证明，LIBS技术结合化学计量学方法能够实现对土壤类型的判别分析，这为土壤质量的正确评价，土壤的整治、规划和合理利用提供理论基础。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何勇	浙江大学生物系统工程与食品科学学院	511	9054	45.0	65.0
2	刘飞	浙江大学生物系统工程与食品科学学院	77	1455	21.0	35.0
3	余克强	浙江大学生物系统工程与食品科学学院	12	131	7.0	11.0