论文部分内容阅读
有机质是土壤的重要检测指标，既有测定方法通常需要消耗化学试剂，操作繁琐费时，利用近红外光谱（NIR）建立土壤有机质的快速分析方法具有研究意义和应用价值。本文侧重研究土壤有机质NIR光谱分析的波长选择和模型优化。基于随机性、相似性和稳定性，通过划分定标集、预测集和检验集的途径建立可靠的分析模型。分别采用偏最小二乘（PLS）方法和连续投影-多元线性回归（SPA-MLR）方法分别建立土壤有机质的NIR分析模型。分别对五个常规划分的波段：可见（400－780nm）、短波近红外（780－1100nm）、长波近红外（1100－2498nm）、近红外（780－2498nm）和全谱（400－2498nm）建立PLS模型。通过比较，长波近红外具有最优的模型效果和稳定性，最优PLS因子数为6，检验的预测标准均方根误差（V-SEP）和预测相关系数（V-RP）分别为0.243，0.931；采用SPA-MLR方法在近红外区优先出7个波长的组合，分别为922，1018，1132，1930，2142，2206，2498(nm)，该模型的检验效果V-SEP和V-RP分别为0.248、0.928。上述离散波长组合的MLR模型与长波近红外区的PLS模型的预测效果接近，但模型复杂性大大减低，为设计土壤专用光谱仪的分光系统提供了有价值的参考。