| 土壤中红外光谱库支持下的局部建模集优化 |
| |
| 引用本文： | 沈佳丽,陈颂超,洪永胜,李硕.土壤中红外光谱库支持下的局部建模集优化[J].红外与毫米波学报,2023,42(6):815-823. |
| |
| 作者姓名： | 沈佳丽 陈颂超 洪永胜 李硕 |
| |
| 作者单位： | 华中师范大学 地理过程分析与模拟湖北省重点实验室，湖北 武汉 430079,浙江大学 杭州国际科创中心，浙江 杭州 311200;浙江大学 农业遥感与信息技术应用研究所，浙江 杭州 310058,浙江大学 农业遥感与信息技术应用研究所，浙江 杭州 310058,华中师范大学 地理过程分析与模拟湖北省重点实验室，湖北 武汉 430079;农业农村部光谱检测重点实验室，浙江 杭州 310058 |
| |
| 基金项目： | 国家自然科学基金（41601370）、农业农村部光谱检测重点实验室开放基金课题（2022ZJUGP003）和中央高校基本科研业务费专项资金（CCNU22JC022） |
| |
| 摘 要： | 土壤中红外（MIR）光谱能快速、无污染、低成本地估算土壤有机碳等理化属性。随着各种尺度土壤光谱库的建立，使用其进行快速土壤分析引起广泛关注，但光谱库的通用模型在局部尺度上的预测效果不理想。开发“局部化”光谱建模方法是提高土壤光谱库性能的有效途径。本文提出了一种新的方法，通过光谱相似度计算和建模子集构建，旨在从库中快速建立最优局部建模集以提高预测精度。比较了欧氏、马氏、余弦三种距离算法衡量待测样本与库样本之间的相似度并生成距离矩阵；使用连续统去除法从距离矩阵中提取库容曲线中的特征点。利用偏最小二乘回归建立土壤MIR光谱与有机碳含量间的定量关系。结果表明，三种距离算法结合连续统去除得到的第一特征点均可得到较佳的预测精度。马氏距离不仅模型精度最高（R2 = 0.764，RMSE = 1.021%）而且用到的库样本数最少（14%库容）。本方法可改善MIR光谱分析的成本效率并能提高局部尺度的预测能力。
|
| 关 键 词： | 土壤碳 相似度 距离矩阵 连续统去除 偏最小二乘回归 |
| 收稿时间： | 2022/8/25 0:00:00 |
| 修稿时间： | 2023/11/3 0:00:00 |
Novel local calibration optimization from soil mid-infrared spectral library |
| |
| SHEN Jia-Li,CHEN Song-Chao,HONG Yong-Sheng and LI Shuo.Novel local calibration optimization from soil mid-infrared spectral library[J].Journal of Infrared and Millimeter Waves,2023,42(6):815-823. |
| |
| Authors: | SHEN Jia-Li CHEN Song-Chao HONG Yong-Sheng and LI Shuo |
| |
| Abstract: | |
| |
| Keywords: | soil carbon similarity distance matrix continuum-removal PLSR |
|
| 点击此处可从《红外与毫米波学报》浏览原始摘要信息 |
|
点击此处可从《红外与毫米波学报》下载全文 |
