文献类型：期刊文章

作　　者：田永超[1] 张娟娟[1,2] 姚霞[1] 曹卫星[1] 朱艳[1]

机构地区：[1]南京农业大学国家信息农业工程技术中心/江苏省信息农业高技术研究重点实验室,南京210095 [2]河南农业大学信息与管理科学学院,郑州450002

出　　处：《农业工程学报》

基　　金：国家自然科学基金项目(30900868);江苏省科技支撑计划项目(BE2010395);教育部新世纪优秀人才支持计划(NCET-08-0797)

年　　份：2012

卷　　号：28

期　　号：1

起止页码：145-152

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20120314688281)、FSTA、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：该研究的目的在于应用近红外光声光谱技术结合不同的定量分析方法实现5种不同类型土壤有机质含量的快速估测。对中国中、东部地区5种不同类型土壤风干样本进行光谱扫描,经过多元散射校正、一阶导数、二阶导数及平滑等预处理后,应用逐步多元回归(SMLR)、主成分分析(PCR)、偏最小二乘法(PLS)和偏最小二乘法-反向传播神经网络(PLS-BPNN)等方法建立土壤有机质含量的定量估测模型。结果显示,不同预处理方法对所建土壤有机质含量估测模型的预测精度有较大影响,总体表现为多元散射校正+Norris一阶导数>多元散射校正>Norris一阶导数>标准正态化>Norris二阶导数>吸光度>Savitzky-Golay平滑后一阶导数>Savitzky-Golay平滑后二阶导数。对于4种不同建模方法,均以多元散射校正+Norris一阶导数滤波平滑后的光谱建模精度最高,其中采用PLS-BPNN方法建模效果最好,其次是PLS、SMLR和PCR。采用PLS-BPNN建立有机质校正模型具有极高的预测精度,建模决定系数和均方根偏差分别为0.97和1.88,模型测试决定系数和均方根偏差分别为0.97和1.72。因此,基于多元散射校正+Norris一阶导数光谱建立的PLS-BPNN模型可能是土壤有机质含量估测建模的最优方法。

关 键 词：土壤 光声光谱 神经网络 有机质 多元散射校正  Norris平滑  BP

分 类 号：S153.6]