Preview

Журнал прикладной спектроскопии

Расширенный поиск

ПРОГНОЗИРОВАНИЕ СОДЕРЖАНИЯ ПИТАТЕЛЬНЫХ ВЕЩЕСТВ В ПОЧВЕ МЕТОДАМИ МОДЕЛИРОВАНИЯ НА ОСНОВЕ СПЕКТРАЛЬНОЙ ТЕХНОЛОГИИ

Аннотация

Спектроскопия применена для мониторинга концентрации питательных веществ в почве. В качестве объектов исследования выбраны два типа образцов почвы: супеси и илистый суглинок. Данные спектроскопии отражения в УФ-видимой и ближней ИК областях сопоставлены с результатами измерений концентраций общего углерода, общего азота, общего фосфора, общего калия, доступного азота, доступного фосфора, доступного калия и медленно доступного калия. Проведено сравнение результатов прогнозирования концентраций питательных веществ в почве внутри и между двумя типами почвы с использованием четырех методов моделирования: регрессии основного компонента (PCR), регрессии частичных наименьших квадратов (PLSR), метод опорных векторов с использованием наименьших квадратов (LS-SVM), а также модели нейронной сети обратного распространения (BPNN). Методы LS-SVM и PLSR имели лучшую стабильность результатов прогнозирования для данных типов почвы, методы BPNN и LS-SVM — высокую точность определения концентраций большинства питательных веществ в почве. Cравнение методов моделирования обеспечивает основу для последующего выбора подходящих методов моделирования на основе спектральной технологии и создания различных моделей оценки питательных веществ в почве.

Об авторах

X.-Y. Li
Институт океанографического приборостроения, Aкадемия наук провинции Шаньдун; Лаборатория технологий мониторинга окружающей среды океана провинции Шаньдун; Национальный инженерно-технологический исследовательский центр оборудования морского мониторинга
Китай


P.-P. Fan
Институт океанографического приборостроения, Aкадемия наук провинции Шаньдун; Лаборатория технологий мониторинга окружающей среды океана провинции Шаньдун; Национальный инженерно-технологический исследовательский центр оборудования морского мониторинга
Китай


Y. Liu
Институт океанографического приборостроения, Aкадемия наук провинции Шаньдун; Лаборатория технологий мониторинга окружающей среды океана провинции Шаньдун; Национальный инженерно-технологический исследовательский центр оборудования морского мониторинга
Китай


G.-L. Hou
Институт океанографического приборостроения, Aкадемия наук провинции Шаньдун; Лаборатория технологий мониторинга окружающей среды океана провинции Шаньдун; Национальный инженерно-технологический исследовательский центр оборудования морского мониторинга
Китай


Q. Wang
Институт океанографического приборостроения, Aкадемия наук провинции Шаньдун; Лаборатория технологий мониторинга окружающей среды океана провинции Шаньдун; Национальный инженерно-технологический исследовательский центр оборудования морского мониторинга
Китай


M.-R. Lv
Институт океанографического приборостроения, Aкадемия наук провинции Шаньдун; Лаборатория технологий мониторинга окружающей среды океана провинции Шаньдун; Национальный инженерно-технологический исследовательский центр оборудования морского мониторинга
Китай


Список литературы

1. D. Summers, M. Lewis, B. Ostendorf, Ecol. Indic., 11, No. 1, 123–131 (2011).

2. M. Vohland, M. Ludwig, S. Thiele-Bruhn, Geoderma, 223-225, No. 1, 88–96 (2014).

3. S. M. Tiquia, J. Lloyd, D. A. Herms, Appl. Soil Ecol., 21, No. 1, 31–48 (2002).

4. H. Q. Ding, Q. P. Lu, Spectrosc. Spectr. Anal., 32, No. 1, 88–91 (2012).

5. L. Luan, Y. Wang, X. Li, J. Near Infrared Spectrosc., 24, No. 4, 363–372 (2016).

6. A. M. Rady, D. E. Guyer, W. Kirk, J. Food Eng., 135, No. 2, 11–25 (2014).

7. W. Ng, B. P. Malone, B. Minasny, Geoderma, 289, 150–160 (2017).

8. A. Sakudo, Clin. Chim. Acta, 455, No. 3, 181–188 (2016).

9. S. Jia, H. Li, Y. Wang, Geoderma, 268, 92–99 (2016).

10. D. J. Brown, K. D. Shepherd, M. G. Walsh, Geoderma, 132, No. 3, 273–290 (2006).

11. A. V. Bilgili, H. M. V. Es, F. Akbas, J. Arid. Environ., 74, No. 2, 229–238 (2010).

12. F. Feyziyev, M. Babayev, S. Priori, Open J. Soil Sci., 06, No. 3, 52–58 (2016).

13. T. Naes, H. Martens, J. Chemom., 2, No. 2, 155–167 (1988).

14. S. Wold, M. Sjöström, L. Eriksson, Chemom. Intell. Lab. Syst., 58, No. 2, 109–130 (2001).

15. J. A. K. Suykens, J. Vandewalle, Neural Process. Lett., 9, No. 3, 293–300 (1999).

16. R. Hecht-Nielsen, Neural Networks, 1, No. 1, 65–93 (1988).

17. K. Kawamura, Y. Tsujimoto, M. Rabenarivo, Remote Sens., 9, No. 10, 1081 (2017).

18. M. Tatzber, F. Mutsch, A. Mentler, Appl. Spectrosc., 64, No. 10, 1167–1175 (2010).

19. Cheng Wen Chang, D. A. Laird, M. J. Mausbach, Soil Sci. Soc. Am. J., 65, No. 2, 480–490 (2001).

20. S. Wold, M. Sjöström, L. Eriksson, Chemom. Intell. Lab. Syst., 58, No. 2, 109–130 (2001).

21. R. M. Balabin, E. I. Lomakina, Analyst, 136, No. 8, 1703–1712 (2011).

22. D. K. Ghose, S. S. Panda, P. C. Swain, J. Hydrol., 394, No. 3-4, 296–304 (2010).

23. R. K. Douglas, S. Nawar, M. C. Alamar, Sci. Total Environ., 616–617, 147–155 (2017).

24. D. Summers, M. Lewis, B. Ostendorf, Ecol. Indic., 11, No. 1, 123–131 (2011).

25. L. J. Janik, S. T. Forrester, A. Rawson, Chemom. Intell. Lab. Syst., 97, No. 2, 179–188 (2009).

26. H. Wang, D. Hu, Brain Neural Networks, 1, 279–283 (2006).

27. Zhi-biao, Zhao, Yang, J. Bionic. Eng., 5, No. 3, 253–257 (2008).

28. Q. Zhang, Q. Li, G. Zhang, Anal. Methods, 4, No. 7, 2039–2047 (2012).


Рецензия

Для цитирования:


Li X., Fan P., Liu Y., Hou G., Wang Q., Lv M. ПРОГНОЗИРОВАНИЕ СОДЕРЖАНИЯ ПИТАТЕЛЬНЫХ ВЕЩЕСТВ В ПОЧВЕ МЕТОДАМИ МОДЕЛИРОВАНИЯ НА ОСНОВЕ СПЕКТРАЛЬНОЙ ТЕХНОЛОГИИ. Журнал прикладной спектроскопии. 2019;86(4):673(1)-673(7).

For citation:


Li X., Fan P., Liu Y., Hou G., Wang Q., Lv M. PREDICTION RESULTS OF DIFFERENT MODELLING METHODS IN SOIL NUTRIENT CONCENTRATIONS BASED ON SPECTRAL TECHNOLOGY. Zhurnal Prikladnoii Spektroskopii. 2019;86(4):673(1)-673(7).

Просмотров: 237


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0514-7506 (Print)