通过可见光和近红外光谱学识别沉积物样本的垂直分层
Pingping Fan1,2, Zongchao Jia3, Huimin Qiu1
1Institute of Oceanographic Instrumentation, Qilu University of Technology (Shandong Academy of Sciences), Qingdao 266061, China.
可见和近红外光谱 (VNIR) 成功地确定了海洋沉积物的垂直分层. 将VNIR与支持矢量机 (SVM) 和聚类方法等机器学习算法相结合,显著提高了沉积物分析的分类准确性.
科学领域:
- 地质化学 地质化学
- 沉积物学的沉积物学
- 频谱学是一种光谱学.
背景情况:
- 海洋沉积物的垂直分层对于理解沉积过程和全球气候变化至关重要.
- 分析沉积物分层的传统方法是低效的,需要先进的技术.
- 可见和近红外光谱 (VNIR) 为确定沉积物参数提供了一种快速方法.
研究的目的:
- 探索VNIR光谱的应用,以确定海洋沉积物形状的垂直分层.
- 使用VNIR数据和机器学习算法建立分类沉积层的模型.
- 评估VNIR与集群和机器学习结合用于沉积物分析的效率.
主要方法:
- 收集了来自南中国海160个海洋沉积物样本 (1厘米间隔) 的VNIR反射光谱.
- 在沉积物样本中测量了总碳 (TC) 和总 (TN) 度.
- 使用支持矢量机 (SVM) 开发了全局和分类模型,用于光谱分析,具有竞争性适应性重权取样.
- 采用K-means集群和密度峰集群 (DPC) 作为分类模型的无监督算法.
主要成果:
- 在海洋沉积物柱中,VNIR成功地确定了垂直分层.
- 包含无监督集群 (K-means,DPC) 和SVM的分类模型比全球模型获得更高的正确分类率 (CCR).
- 与SVM模型相结合的DPC产生的最高CCR为96.0%,表明有效的化学品分类.
- 在化学分层分析中观察到类似的高精度.
结论:
- VNIR光谱,特别是与机器学习和无监督集群相结合时,为快速的沉积物分层分析提供了一种有效的方法.
- 这种方法为同时测量化学和物理沉积物参数提供了理论基础.
- 该研究强调了VNIR在推进沉积物研究方面的潜力及其与气候变化研究的联系.
更多相关视频
09:41Isolation of Quartz Grains for Optically Stimulated Luminescence OSL Dating of Quaternary Sediments for Paleoenvironmental Research
Published on: August 2, 2021
08:57Improving Infrared Spectroscopy Characterization of Soil Organic Matter with Spectral Subtractions
Published on: January 10, 2019
相关概念视频
Ultraviolet and Visible (UV–Vis) Spectroscopy: Overview
UV–Vis Spectrometers
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Spectrophotometry: Introduction
The essential components of a spectrophotometer include a source of electromagnetic radiation, a slot for placing a material to be analyzed, and a...
IR Spectrometers
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
