双土壤光谱:一种基于NIRS的土壤总含量检测方法,在小样本大小的情况下使用特征指标

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:

• 土壤总 (STN) 对于植物生长至关重要,需要快速,非破坏性的检测方法.
• 近红外光谱学 (NIRS) 提供STN的快速,经济有效和非破坏性分析.
• 传统的NIRS模型需要大量的样本数据,在实际的农业环境中通常很难获得这些数据.

研究的目的:

• 为了应对在基于NIRS的STN检测中有限的样本可用性的挑战.
• 引入一种新的特征提取方法,即对-土壤-光谱,以改进STN分析.
• 通过各种土壤数据集和各种机器学习模型验证对土壤光谱的有效性.

主要方法:

• 开发对-土壤-光谱方法,通过对比土壤样本对来提取细粒度特征.
• 利用土壤颗粒的异质性和NIRS透率来增强特征采矿.
• 在三个不同的土壤数据集上,应用和验证对土壤光谱与已建立的模型,如PLS,Cubist,ELM和RF.

主要成果:

• 配对土壤光谱显著提高了STN检测模型的性能,特别是在小样本场景中.
• 随机森林 (RF) 模型表现出最大的改进,确定系数显著增加,数据集中预测的平方根平均值减少.
• 量化改善包括R平方增加0.13,0.42和0.10,RMSEP减少0.15,0.52和0.01g/kg的RF.

结论:

• 配对-土壤-光谱方法在提高基于NIRS的STN检测准确度方面非常有效,特别是当样本大小有限时.
• 这种新的方法利用土壤固有的特性和光谱特征进行可靠的分析.
• 该方法显示出广泛适用性和扩展到土壤科学以外的其他分析领域的潜力.