ОПРЕДЕЛЕНИЕ СОДЕРЖАНИЯ АЗОТА В КАУЧУКОВЫХ ДЕРЕВЬЯХ МЕТОДОМ БЛИЖНЕЙ ИК-СПЕКТРОСКОПИИ

Исследована возможность использования ближней ИК спектроскопии для оценки содержания азота в каучуковом дереве в естественной среде. Метод разработан на основе алгоритма обратного распространения ошибки и алгоритма Адабуст. Результаты имитационного эксперимента показали, что при использовании предлагаемого метода достигается удовлетворительная эффективность классификации - количество правильно классифицированных образцов 92.98%.

каучуковое дерево, азот, спектральный анализ, алгоритм обратного распространения ошибки, алгоритм Адабуст, rubber tree, nitrogen, spectral, discrimination, back propagation algorithm, Adaboost algorithm

1. L. Guishui, A. Fen, Chin. J. Trop. Agric., 3, 67-70 (2010).

2. H. Poorter, J. R. Evans, Oecologia, 116, 1-2, 26-37 (1998).

3. D. Cammarano, G. Fitzgerald, B. Basso, G. O'Leary, D. Chen, P. Grace, C. Fiorentino, Agron. J., 103, 6, 1597-1603 (2011).

4. P. A. Moghaddam, M. H. Derafshi, V. Shirzad, Turk. J. Agric. For., 35, 6, 563-568 (2011).

5. K. A. Vakilian, J. Massah, Int. J. Agric.: Res. Rev., 2, 4, 448-454 (2012).

6. P. A. Moghaddam, M. H. Derafshi, M. Shayesteh, J. Food, Agric. Environ., 8, 2, 485-489 (2010).

7. F. Davrieux, F. Allal, G. Piombo, B. Kelly, J. B. Okulo, M. Thiam, O. B. Diallo, J.-M. Bouvet, J. Agric. Food Chem., 58, 13, 7811-7819 (2010).

8. P. Chen, D. Haboudane, N. Tremblay, J. Wang, P. Vigneault, B. Li, Remote Sens. Environ., 114, 9, 1987-1997 (2010).

9. Y. Cohen, V. Alchanatis, Y. Zusman, Z. Dar, D. Bonfil, A. Karnieli, A. Zilberman, A. Moulin, V. Ostrovsky, A. Levi, Precis. Agric., 11, 5, 520-537 (2010).

10. D. Lohr, P. Tillmann, S. Zerche, U. Druege, T. Rath, E. Meinken, Biosyst. Eng., 148, 157-167 (2016).

11. Y. Z. Chen, Q. H. Lin, Y. G. Hua, W. Luo, Z. M. Lin, J. Trop. Subtrop. Bot., 3, 015 (2010).

12. Y. Shao, R. S. Lunetta, B. Wheeler, J. S. Iiames, J. B. Campbell, Remote Sens. Environ., 174, 258-265 (2016).

13. Y. Lu, C. Du, C. Yu, J. Zhou, J. Plant Nutr. Soil Sc., 177, 6, 927-933 (2014).

14. M. E. Lafargue, M. Feinberg, J. J. Daudin, D. N. Rutledge, J. Near Infrared Spec., 11, 2, 109-122 (2003).

15. P. Lin, Y. Chen, Y. He, Food Bioprocess Technol., 5, 1, 235-242 (2012).

16. B. Zimmermann, A. Kohler, Appl. Spectrosc., 67, 8, 892-902 (2013).

17. Y. Zhang, X. Ji, S. Zhang, Neurosci. Lett., 633, 152-157 (2016).

18. J. Peñuelas, I. Filella, Trends in Plant Sci., 3, 4, 151-156 (1998).

19. M. Broich, M. C. Hansen, P. Potapov, B. Adusei, E. Lindquist, S. V. Stehman, Int. J. Appl. Earth Obs., 13, 2, 277-291 (2011).

20. J. Cai, Y. Wang, X. Xi, H. Li, X. Wei, Int. J. Biol. Macromol., 78, 439-446 (2015).

21. Z. Li, C. Nie, C. Wei, X. Xu, X. Song, J. Wang, J. Appl. Spectrosc., 83, 2, 240-247 (2016).

22. P. Cheajesadagul, C. Arnaudguilhem, J. Shiowatana, A. Siripinyanond, J. Szpunar, Food Chem., 141, 4, 3504-3509 (2013).

23. K. Olale, A. Yenesew, R. Jamnadass, A. Sila, E. Aynekulu, S. Kuyah, K. Shepherd, Adv. Anal. Chem., 3, 3, 21-28 (2013).

24. N. Rotbart, Z. Schmilovitch, Y. Cohen, V. Alchanatis, R. Erel, T. Ignat, C. Shenderey, A. Dag, U. Yermiyahu, Biosyst. Eng., 114, 4, 426-434 (2013).

25. F. Li, B. Mistele, Y. Hu, X. Chen, U. Schmidhalter, Eur. J. Agron., 52, 198-209 (2014).