不同pH值土壤中铅含量的太赫兹光谱反演建模研究

• 作者: 叶大鹏 张丽琼 李斌 李超 郑书河
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 土壤 铅 太赫兹光谱 偏最小二乘法 支持向量机 神经网络
• 年，卷（期）: 2020,（8）
• 页码范围: 2397-2402
• 页数: 6页
• 分类号: O657.3
• 字数: 5036字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2020)08-2397-06

摘要

针对土壤中铅含量的定量检测问题,本研究基于太赫兹光谱技术对不同pH下土壤中铅含量的最佳反演预测模型进行了探索性研究.分别制备了pH为8.5,7.0和5.5的含铅土壤样品,采集样品的太赫兹光谱数据,并对光谱数据做了多元散射矫正(MSC)、基线校正和Savitzky-Golay平滑等预处理.对预处理后的光谱数据,采用连续投影法(SPA)选取光谱数据的特征频率.基于选取的特征频率分别采用偏最小二乘法(PLS)、支持向量机(SVM)和误差反向传播神经网络(BPNN)建立土壤中铅含量的反演预测模型,采用校正集相关系数(Rc)、校正集均方根误差(RMSEC)、预测集相关系数(Rp)、预测集均方根误差(RMSEP)和剩余预测偏差(RPD)作为评价参数对模型性能进行评估,确定铅在不同pH土壤中的最佳预测模型.实验结果表明:在经过SPA选择特征频率后的建模效果普遍比全光谱的效果好.其中pH 8.5的样品最佳预测模型为SPA-PLS,Rc,Rp,RMSEC,RMSEP和RPD分别为0.9977,0.9946,14.52 mg·kg-1,22.70 mg·kg-1和9.63;pH 7.0的样品最佳预测模型为SPA-SVM,Rc,Rp,RMSEC,RMSEP和RPD分别为0.9962,0.9757,20.25 mg·kg-1,33.04 mg·kg-1和4.56;pH 5.5的样品最佳预测模型为SPA-BPNN,Rc,Rp,RMSEC,RMSEP和RPD分别为0.9687,0.9744,48.83 mg·kg-1,55.03 mg·kg-1和4.44.该研究结果为不同pH土壤中铅含量的光谱反演预测提供了一种新思路,亦可为其他重金属在不同pH土壤中的含量反演预测模型提供理论方法和技术支持.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶大鹏	福建农林大学机电工程学院	61	146	6.0	8.0
2	李斌		15	58	5.0	7.0
6	郑书河	福建农林大学机电工程学院	39	117	6.0	9.0
7	李超	福建农林大学机电工程学院	3	4	1.0	2.0
11	张丽琼		1	0	0.0	0.0