|
|||||
|
|
| 基于光谱技术的土壤养分快速测试方法研究 | |
| 引用本文： | 蒋璐璐,张瑜,王艳艳,谈黎虹,何勇. 基于光谱技术的土壤养分快速测试方法研究[J]. 浙江大学学报(农业与生命科学版), 2010, 36(4): 445-450. DOI: 10.3785/j.issn.1008-9209.2010.04.015 |
| 作者姓名： | 蒋璐璐 张瑜 王艳艳 谈黎虹 何勇 |
| 作者单位： | 1. 浙江经济职业技术学院,浙江,杭州310018 2. 浙江经济职业技术学院,浙江,杭州310018;浙江大学,生物系统工程与食品科学学院,浙江,杭州,310029 3. 浙江大学,生物系统工程与食品科学学院,浙江,杭州,310029 |
| 基金项目： | 国家高技术研究发展计划"863"资助项目，国家农业科技成果转化基金资助项目，科技型中小企业技术创新基金资助项目 |
| 摘 要： | 应用近红外光谱和中红外光谱对浙江省衢州红壤和海宁青紫泥2种典型土壤的氮(N)、磷(P)和钾(K)等养分进行快速测试;试验共采集80个样本,其中60个用于建模,20个用于预测;在获取光谱信息的基础上,分别采用偏最小二乘-支持向量机(PLS-LS-SVM)和偏最小二乘-人工神经网络(PLS-BP/ANN)2种方法进行建模.结果表明:2种模型的预测结果均比较理想,在小样本的学习预测上,PLS-LS-SVM比PLS-BP/ANN更精确一些;近红外光谱和中红外光谱2个波段对N含量的预测效果均较好,PLS-LS-SVM模型的预测相关系数分别为0.876和0.867;中红外波段对P和K的预测效果更好,PLS-LS-SVM模型的预测相关系数分别为0.938(P)和0.803(K).这为土壤养分的快速测试提供了一种新方法. |
| 关 键 词： | 光谱技术 土壤 养分 人工神经网络 支持向量机 偏最小二乘法 |
Fast determination of nutritional parameters in soil based on spectroscopic techniques |
|
| JIANG Lu-lu,ZHANG Yu,WANG Yan-yan,TAN Li-hong,HE Yong. Fast determination of nutritional parameters in soil based on spectroscopic techniques[J]. Journal of Zhejiang University(Agriculture & Life Sciences), 2010, 36(4): 445-450. DOI: 10.3785/j.issn.1008-9209.2010.04.015 | |
| Authors: | JIANG Lu-lu ZHANG Yu WANG Yan-yan TAN Li-hong HE Yong |
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |
| 点击此处可从《浙江大学学报(农业与生命科学版)》浏览原始摘要信息 | |
| 点击此处可从《浙江大学学报(农业与生命科学版)》下载免费的PDF全文 | |