探索通过拉曼和NIR双光谱测量土壤多参数堆叠测量

科学领域:

• 农业科学 农业科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 过度使用肥料导致成本增加,土壤退化和环境污染.
• 目前的土壤测试方法耗时,一次只分析一个参数.
• 需要快速,同时进行多参数土壤分析,以优化肥料的应用.

研究的目的:

• 开发一种用于同时测量五个主要土壤指标的新方法:水解N,可用P,快速释放K,有机物 (OM) 和pH.
• 使用近红外 (NIR) 和拉曼光谱创建一个优化的光谱特征融合模型.
• 为准确地预测土壤参数建立一个强大的堆叠算法模型.

主要方法:

• 接近红外线 (NIR) 和拉曼双光谱特征的融合.
• 探索七种预加工技术和四种特征提取方法.
• 开发一个堆叠算法模型,集成五个基础学习者 (RF,LR,SVR,ELM,PLS).

主要成果:

• 堆叠模型实现了所有五个土壤参数的高预测准确性,R_p2的值从0.9557到0.9966.
• 根平均平方预测误差 (RMSEP) 值很低,表明测量精确.
• 该模型表现出强大的概括性,噪声弹性和稳定性,性能优于单光谱和双PLS模型.

结论:

• 开发的堆叠模型为在线评估土壤物理化学状况提供了快速,经济高效和精确的解决方案.
• 这种方法可以同时测量土壤参数,促进同时耕种,测量和施肥.
• 该研究为增强现代农业在线监测系统的理论基础.