發(fā)布時間：2021-12-31 03:59

　　針對土壤中鉛含量的定量檢測問題,本研究基于太赫茲光譜技術(shù)對不同pH下土壤中鉛含量的最佳反演預(yù)測模型進(jìn)行了探索性研究。分別制備了pH為8.5, 7.0和5.5的含鉛土壤樣品,采集樣品的太赫茲光譜數(shù)據(jù),并對光譜數(shù)據(jù)做了多元散射矯正（MSC）、基線校正和Savitzky-Golay平滑等預(yù)處理。對預(yù)處理后的光譜數(shù)據(jù),采用連續(xù)投影法（SPA）選取光譜數(shù)據(jù)的特征頻率�；谶x取的特征頻率分別采用偏最小二乘法（PLS）、支持向量機（SVM）和誤差反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）建立土壤中鉛含量的反演預(yù)測模型,采用校正集相關(guān)系數(shù)（R_c）、校正集均方根誤差（RMSEC）、預(yù)測集相關(guān)系數(shù)（R_p）、預(yù)測集均方根誤差（RMSEP）和剩余預(yù)測偏差（RPD）作為評價參數(shù)對模型性能進(jìn)行評估,確定鉛在不同pH土壤中的最佳預(yù)測模型。實驗結(jié)果表明:在經(jīng)過SPA選擇特征頻率后的建模效果普遍比全光譜的效果好。其中pH 8.5的樣品最佳預(yù)測模型為SPA-PLS,R_c,R_p, RMSEC, RMSEP和RPD分別為0.997 7, 0.994 6... 

【文章來源】：光譜學(xué)與光譜分析. 2020,40(08)北大核心EISCICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

樣品吸收曲線

如圖2所示, 以SPA算法對樣品光譜數(shù)據(jù)進(jìn)行篩選, 得到了特征頻率的分布圖, 根據(jù)對應(yīng)編號最終篩選出特征頻率。 pH 8.5的樣品篩選出11個特征頻率(0.2, 0.419, 0.6, 0.788, 0.888, 1, 1.206, 1.306, 1.406, 1.469和1.544 THz)。 pH 7.0和pH 5.5的樣品, 分別篩選了10個特征頻率(0.144, 0.581, 0.775, 1.038, 1.094, 1.206, 1.325, 1.425, 1.531, 1.569 THz)和13個特征頻率(0.081, 0.219, 1.356, 1.431, 1.513, 1.588, 1.656, 1.731, 1.8, 1.844, 1.875, 1.925和1.95 THz)。2.4 基于特征頻率的預(yù)測模型

基于SPA選擇的特征頻率建立了SPA-PLS, SPA-SVM和SPA-BPNN的預(yù)測模型, 其中SPA-PLS的最佳主因子個數(shù), SPA-SVM的最優(yōu)c和g, SPA-BPNN的最優(yōu)隱含層節(jié)點數(shù)以及三種模型的預(yù)測結(jié)果如表2所示。 可以看出, 在經(jīng)過SPA選擇特征頻率后的建模效果普遍比全光譜效果好, 這表明SPA算法選擇的特征頻率不僅含有原始光譜的有效信息, 能代替原始光譜進(jìn)行建模, 而且減少了數(shù)據(jù)量, 達(dá)到簡化模型并提高模型的精度以及穩(wěn)健性的目的。 其中, pH 8.5的樣品模型預(yù)測結(jié)果中, 效果最好的為SPA-PLS模型, Rc, Rp, RMSEC, RMSEP和RPD分別為0.997 7, 0.994 6, 14.52 mg·kg-1, 22.70 mg·kg-1和9.63。 pH 7.0的樣品模型預(yù)測結(jié)果較全光譜有了很大提升, 其中效果最好的為SPA-SVM模型, Rc, Rp, RMSEC, RMSEP和RPD分別為0.996 2, 0.975 7, 20.25 mg·kg-1, 33.04 mg·kg-1和4.56; pH 5.5樣品SPA-PLS模型中的預(yù)測效果相比于全光譜雖有所提升, 但RMSEP仍然高于樣品的梯度值50 mg·kg-1, 說明pH 5.5條件下的樣品數(shù)據(jù)不適合類似于PLS的線性預(yù)測模型。 但在非線性的預(yù)測模型SPA-SVM和SPA-BPNN中, 得到了不錯的預(yù)測效果, 其中預(yù)測效果最好的是SPA-BPNN模型, Rc, Rp, RMSEC, RMSEP和RPD分別為0.968 7, 0.974 4, 48.83 mg·kg-1, 55.03 mg·kg-1和4.44。 基于同一種模型作比較, 還可以得出3種pH條件下的樣品的預(yù)測效果高低排序依次為pH 8.5>pH 7.0>pH 5.5, 可能是由于鉛在進(jìn)入堿性土壤后, 更容易與土壤產(chǎn)生絡(luò)合反應(yīng), 形成影響太赫茲光譜曲線的化學(xué)結(jié)合態(tài), 而具體是哪種形態(tài)鉛影響太赫茲光譜的吸收, 目前尚且不清楚, 有待后續(xù)研究。 其中三種pH條件下樣品的最佳模型預(yù)測圖如圖3所示。3 結(jié) 論

【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜反演的復(fù)墾區(qū)土壤重金屬含量經(jīng)驗?zāi)Ｐ蛢?yōu)選[J]. 陳元鵬,張世文,羅明,鄖文聚,鞠正山,李少帥.  農(nóng)業(yè)機械學(xué)報. 2019(01)
[2]基于GIS的農(nóng)田土壤重金屬空間分布及污染評價——以南京市江寧區(qū)某鄉(xiāng)鎮(zhèn)為例[J]. 謝龍濤,潘劍君,白浩然,張培育,康翔,王飛,朱燕香.  土壤學(xué)報. 2020(02)
[3]山東省沂源縣土壤重金屬來源分布及風(fēng)險評價[J]. 徐夕博,呂建樹,徐汝汝.  農(nóng)業(yè)工程學(xué)報. 2018(09)
[4]高標(biāo)準(zhǔn)基本農(nóng)田建設(shè)區(qū)域土壤重金屬含量的高光譜反演[J]. 張秋霞,張合兵,劉文鍇,趙素霞.  農(nóng)業(yè)工程學(xué)報. 2017(12)
[5]土壤pH值對重金屬形態(tài)的影響及其相關(guān)性研究[J]. 楊秀敏,任廣萌,李立新,羅克潔.  中國礦業(yè). 2017(06)
[6]基于太赫茲光譜的土壤重金屬鉛含量檢測初步研究[J]. 李斌,趙春江.  農(nóng)業(yè)機械學(xué)報. 2016(S1)
[7]基于EFAST和PLS的蘋果葉片等效水厚度高光譜估算[J]. 馮海寬,李振海,金秀良,楊貴軍,萬鵬,郭建華,于海洋,楊福芹,李偉國,王衍安.  農(nóng)業(yè)工程學(xué)報. 2016(12)



本文編號：3559576