不同pH值土壤中铅含量的太赫兹光谱反演建模研究

文献类型： 中文期刊

第一作者： 李超

作者： 李超;李斌;张丽琼;叶大鹏;郑书河

作者机构：

关键词： 土壤;铅;太赫兹光谱;偏最小二乘法;支持向量机;神经网络

期刊名称： 光谱学与光谱分析

ISSN： 1000-0593

年卷期： 2020 年 008 期

页码： 2397-2402

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对土壤中铅含量的定量检测问题,本研究基于太赫兹光谱技术对不同pH下土壤中铅含量的最佳反演预测模型进行了探索性研究.分别制备了pH为8.5, 7.0和5.5的含铅土壤样品,采集样品的太赫兹光谱数据,并对光谱数据做了多元散射矫正(MSC)、基线校正和Savitzky-Golay平滑等预处理.对预处理后的光谱数据,采用连续投影法(SPA)选取光谱数据的特征频率.基于选取的特征频率分别采用偏最小二乘法(PLS)、支持向量机(SVM)和误差反向传播神经网络(BPNN)建立土壤中铅含量的反演预测模型,采用校正集相关系数(Rc)、校正集均方根误差(RMSEC)、预测集相关系数(Rp)、预测集均方根误差(RMSEP)和剩余预测偏差(RPD)作为评价参数对模型性能进行评估,确定铅在不同pH土壤中的最佳预测模型.实验结果表明:在经过SPA选择特征频率后的建模效果普遍比全光谱的效果好.其中pH 8.5的样品最佳预测模型为SPA-PLS,Rc,Rp, RMSEC, RMSEP和RPD分别为0.997 7, 0.994 6, 14.52 mg·kg-1, 22.70 mg·kg-1和9.63; pH 7.0的样品最佳预测模型为SPA-SVM,Rc,Rp, RMSEC, RMSEP和RPD分别为0.996 2, 0.975 7, 20.25 mg·kg-1, 33.04 mg·kg-1和4.56; pH 5.5的样品最佳预测模型为SPA-BPNN,Rc,Rp, RMSEC, RMSEP和RPD分别为0.968 7, 0.974 4, 48.83 mg·kg-1, 55.03 mg·kg-1和4.44.该研究结果为不同pH土壤中铅含量的光谱反演预测提供了一种新思路,亦可为其他重金属在不同pH土壤中的含量反演预测模型提供理论方法和技术支持.

分类号： X53%O657.3

  • 相关文献

[1]冬小麦条锈病严重度不同估算方法对比研究. 王静,景元书,黄文江,张竞成,赵娟,张清,王力. 2015

[2]单粒玉米种子水分近红外快速无损测定模型研究. 张乐,吴静珠,李江波,刘翠玲,孙晓荣,余乐. 2020

[3]基于特征光谱参数的苹果叶片叶绿素含量估算. 冯海宽,杨福芹,杨贵军,李振海,裴浩杰,邢会敏. 2018

[4]基于电子鼻的玫瑰香葡萄货架期品质预测及新鲜度判别研究. 闫雨桐,史策,韩帅,孙传恒,邢斌,刘峻,吉增涛. 2024

[5]冬小麦叶片光合特征高光谱遥感估算模型的比较研究. 张卓,龙慧灵,王崇倡,杨贵军. 2019

[6]基于机器视觉技术的鱼类识别研究进展. 杨东海,张胜茂,汤先峰. 2019

[7]基于太赫兹光谱的土壤重金属铅含量检测初步研究. 李斌,赵春江. 2016

[8]混合酸浸提-火焰原子吸收法测定土壤中的铅. 熊伟,魏向利. 2000

[9]原子荧光法测定土壤中总铅的标准化改进. 陆胜龙,王志春. 2012

[10]微波消解-GFAAS法测定土壤中的总铅. 马小宁,姬勇. 2013

[11]石墨炉原子吸收光谱法测定土壤中铅量的测量不确定度评定. 王晓男,刘凤枝. 2007

[12]不同土地利用类型下土壤-作物铅的积累特征及其健康风险分析. 师荣光,刘凤枝,郑向群,蔡彦明. 2010

[13]石墨炉原子吸收光谱法测定土壤中的铅含量的测量不确定度评定. 王晓男,刘凤枝,马锦秋,何宗兰,刘铭,蔡彦明,刘保峰. 2006

[14]土壤中总汞砷铅的氢化物发生-原子荧光法的研究. 刘铭,刘凤枝,蔡彦明. 2004

[15]墨炉原子吸收光谱法测定土壤中铅量的测量不确定度评定. 王晓男,刘凤枝. 2007

[16]采样位置与时间选择对土壤重金属风险评估工作的影响. 何昭颖,哈雪姣,刘静,李冰茹,王北洪. 2016

[17]沪宁高速沿线土壤和水稻铅含量空间分布差异分析. 赵健,冯金飞,张卫建. 2010

[18]密封高压消解罐消解-原子吸收光谱法测定土壤重金属. 王北洪,马智宏,付伟利. 2008

[19]生物炭对土壤-植物体系中铅镉迁移累积的影响. 黄连喜,魏岚,刘晓文,吴颖欣,李翔,黄玉芬,黄庆,刘忠珍. 2020

[20]石墨炉原子吸收法高温灰化二次方程拟合快速测定土壤样品全量铅. 赵敏,周聪,高丽花. 2014

作者其他论文 更多>>

微信小程序