使用Vis-NIR光谱学和PXRF光谱学的可行性,以估计区域土壤度
Mengxue Wan1, Fan Ya'nan2, Wentao Jiao3
1Key Laboratory of Soil Environment and Pollution Remediation, Institute of Soil Science, Chinese Academy of Sciences, Nanjing 210008, China; Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China.
Journal of environmental sciences (China)
|June 6, 2024
概括
这项研究表明,将可见近红外反射 (Vis-NIR) 光谱和便携式X射线光谱 (PXRF) 数据与人工神经网络 (ANN) 结合起来,为估计土壤 (Cd) 度提供了快速而准确的方法.
科学领域:
- 环境科学 环境科学
- 分析化学 分析化学
- 地质化学 地质化学
背景情况:
- 实验室土壤 (Cd) 分析是昂贵和耗时的.
- 开发快速且具有成本效益的土壤Cd估计方法对于区域评估至关重要.
研究的目的:
- 评估使用可见近红外反射光谱 (Vis-NIR) 和便携式X射线光谱 (PXRF) 来估计土壤Cd度的可行性.
- 使用传感器数据开发和比较人工神经网络 (ANN) 模型,以提高准确性和效率.
主要方法:
- 收集了来自中国云南省128个土壤样本的Vis-NIR和PXRF传感器数据.
- 使用外部产品分析 (OPA) 来进行数据合成,使用格兰杰-拉马纳森平均 (GRA) 来进行模型融合.
- 开发了使用Vis-NIR,PXRF和OPA数据的ANN模型,用于土壤Cd估计.
主要成果:
- 使用PXRF数据的ANN模型在土壤Cd估计方面表现优于基于Vis-NIR的模型.
- 数据融合方法 (OPA和GRA) 显著提高了预测能力 (R2高达0.89),并减少了错误 (RMSE低至0.06).
- 在ANN模型中的OPA融合方法显示了最高的预测准确性.
结论:
- 将OPA数据融合与ANN模型相结合,为估计土壤Cd度提供了快速而准确的方法.
- 当有效地融合Vis-NIR和PXRF传感器数据时,它们为传统实验室方法提供了可行的替代方案.
- 这种综合方法为大规模的土壤Cd监测和管理提供了重大潜力.
