共查询到20条相似文献，搜索用时 171 毫秒
1.
以甘肃白银某污灌区重金属污染农田土壤为研究对象，对影响高精度便携式X荧光光谱（HDXRF）法总镉（CdT）测定精度的主要因素进行了筛选，分别研究了土壤水分、有机质类型与含量、土壤类型对HDXRF法CdT测定的影响，并采用相对误差（RE）、相对标准偏差（RSD）和决定系数（R2）对测定结果的准确度和精密度进行了评价。结果表明：HDXRF法CdT测定的RE≤10%、RSD≤10%、R2>0.99，符合农田土壤环境质量监测技术规范和美国环境保护署标准的准确度和精密度规定。HDXRF法CdT测定结果随着土壤水分含量的增加呈指数衰减趋势，衰减方程为y=0.803e–1.3284x，衰减系数（μω）为–1.328 4，R2为0.984 5。HDXRF法CdT测定结果与有机质含量呈显著的负相关关系（r=–0.955），且腐殖酸（HA）比泥炭（Peat）对测定结果的影响更大，HA与测定结果的校正方程为y=–1.555x +0.780，R2为0.934 4。土壤类型对HDXRF法CdT测定结果存在一定的影响，相对于红壤和水稻土，灰钙土的测定结果与传统实验室分析方法测定结果更接近。总之，虽然HDXRF法CdT测定结果受多种因素影响，但通过校正模型校正，其校正结果的可靠性能够满足Cd污染农田土壤精准调查需求。 相似文献
2.
用偏最小二乘法及傅立叶变换近红外光谱快速检测白酒酒精度 总被引：1，自引：1，他引：1
为了得到白酒工业中酒精度的快速检测技术，将偏最小二乘法与傅立叶变换近红外光谱相结合，通过解析白酒样品的近红外光谱图和对光谱进行不同的预处理，结果表明：用最大最小归一化法预处理光谱，光谱范围选择9747.1～7498.3 cm-1和6102～5446.3 cm-1，采用内部交叉验证建立模型，决定系数(R2)为99.99%，交互验证均方根差(RMSECV)为0.165%，主成分数为4，此条件下建模效果较好；模型进行验证结果表明预测集相关系数(R2)为99.80%，预测标准偏差(RMSEP)为0.264%，模型的预测效果很好，具有较高的精密度和良好的稳定性，能满足生产中白酒酒精度的快速检测要求。 相似文献
3.
斑潜蝇虫害叶片受害程度对其近红外反射光谱的影响 总被引：4，自引：1，他引：4
为探索实现作物虫害自动监测的方法，采用图像处理和光谱分析技术，测定了斑潜蝇虫害叶片的近红外反射光谱，计算了虫害叶片的破损率，对其破损率和干鲜比与近红外分光反射率的关系分别进行了回归分析。结果表明：在某些波段，叶片的破损率和干鲜比均与近红外分光反射率有较好的相关性。叶片的干鲜比与近红外分光反射率关系的决定系数：黄瓜为R2=0.79(在1452 nm)，番茄为R2=0.70(在1450 nm)。叶片的破损率与近红外分光反射率关系的决定系数，黄瓜为R2>0.81(在1436～1468 nm)，番茄为R2>0.69(在1436～1466 nm)。试验和分析结果证明斑潜蝇虫害叶片的虫害程度能很好地被近红外光谱信息反映。 相似文献
4.
通过人工控制水分,形成单株幼龄侧柏的不同土壤水分梯度环境。在自然环境下对侧柏叶片定时、定位进行蒸腾速率及林冠层的光照、空气温度、空气湿度、叶水势和土壤水分等因子的同步观测。蒸腾速率与各个因子的相关分析表明:黄土半干旱地区侧柏蒸腾速率ηt/(μg·cm-2·s-1)与光照强度E/(μmol·m-2·s-1)、空气饱和差pv/kPa、叶水势Ψ/kPa、气温t/℃的关系可以分别表示为:ηt=>αEb,ηt=αpvb,ηt=αψb,ηt=αt2+bt+c;侧柏的蒸腾速率ηt与气孔阻力Rs/(s·cm-1)和土壤含水量W/％有密切关系,可以分别表示为:ηt=α+bW+cW2+dW3,Rs=α+bW+cW2+dW3。用气温、空气饱和差、叶水势3个因素建立了半干旱黄土地区幼龄单株侧柏蒸腾速率的非线性指数预测模型:ηt=0.6950exp（0.03158t-14.2492/pv+0.7606/Ψ）,经检验获得了满意的数值模拟结果。 相似文献
5.
烤烟成熟鲜烟叶生化组分高光谱估算方法筛选 总被引：5，自引：3，他引：5
为实现实时无损快速预测鲜烟叶的品质生化组分、筛选估算生化组分最佳的方法，使用ASD Fieldspec FR2500对烤烟成熟鲜烟叶进行了反射率、透射率光谱测定和常规生化组分分析。对可见近红外波段(350～1650 nm)单波段光谱和选用已有100种光谱指数共两类光谱参量进行了与生化组分之间线性函数、幂函数、指数函数共3种形式相关分析和基于决定系数的筛选。结果表明，对于叶绿素a、叶绿素b、类胡萝卜素、钾估算方法分别是Gitelson and Merzlyak2(GM2) (R2=0.81)、光化学指数2(PRI2) (R2=0.80)、Gitelson and Merzlyak2(GM2) (R2=0.83)、1420 nm吸收峰开始位置(λs1420) (R2=0.67)的线性拟合最优。对于总糖、比叶重、氮、烟碱最优方法分别是在532 nm反射率一阶微分线性拟合(R2=0.54)、在1423 nm透射率线性拟合(R2=0.45)、在666 nm反射率倒数对数一阶微分的幂函数拟合(R2=0.44)，在1135 nm反射率倒数对数二阶微分的线性拟合(R2=0.20)。通过筛选的光谱方法可以评估烟叶的品质状况。 相似文献
6.
江苏省生产建设项目水土流失特点 总被引：1，自引：1，他引：0
基于江苏省191个部、省级大中型工程水土流失观测和调查数据,对江苏省点、线式工程水土流失的主要特点进行了分析、结果表明,点、线式工程施工期水土流失量均占到了总水土流失量的90%左右,线式工程水土流失强度(200.00 t/hm2)大于点式工程的水土流失强度(151.37 t/hm2);点、线式工程土壤侵蚀强度均在强度及以上等级;两类工程占地面积与施工期水土流失量均存在线性正相关关系(R点2=0.9318,R线2=0.9439),且两类工程扰动后土壤侵蚀模数与单位土石方填挖量均存在正相关关系(R点2=0.9595,R线2线=0.9324)。 相似文献
7.
为探明不同植被格局对工程堆积体陡坡坡面土壤侵蚀的影响,采用10,20,30 L/min 3种放水流量,对黄土区不同格局（裸坡、坡顶、坡中、坡底、条带）下的高陡边坡（32°,20 m×1 m）进行模拟放水试验,选取径流率、产沙率、减流效益、减沙效益等因子对堆积体坡面植被的控蚀效果进行分析。结果表明：3种放水流量下,条带、坡顶、坡中、坡底的平均径流率较裸坡分别减小57.33%,61.17%,41.62%,24.78%,平均产沙率较裸坡分别减小74.99%,61.10%,55.01%,46.43%,且径流率与产沙率的线性关系（R2=0.57~0.80,p<0.01）整体上弱于裸坡（R2=0.71,p<0.01）。不同植被格局中,条带及坡顶格局的减流效益分别是65.97%,60.52%,减沙效益分别为71.44%,57.22%,二者的控蚀效果远高于其他格局。产沙率与径流功率的线性相关性（R2=0.61~0.83,p<0.01）高于径流剪切力（R2=0.29~0.76,p<0.01）,径流功率能更好地反映堆积体坡面土壤侵蚀机制。 相似文献
8.
为揭示粗颗粒土壤坡面侵蚀机理,采用湖北通城县、江西赣县、福建长汀县、广东五华县4个样地的4种粗颗粒土壤（分别定义为TCA、GXA、CTA、WHA）进行室内模拟降雨试验,研究粗颗粒土壤坡面侵蚀过程及侵蚀泥沙颗粒组成的变化规律。结果表明：（1）4种土壤的地表径流随着降雨时间的增长呈现出先增加后递减并趋于稳定的规律;（2）4种土壤的侵蚀特征存在差异,土壤侵蚀速率表现为WHA>TCA>GXA>CTA;（3）4种土壤的侵蚀泥沙中颗粒分布百分比大小均为砂粒>黏粒>粉粒>砾石。不同土壤侵蚀泥沙富集率表现出明显差异;（4）水流功率与土壤侵蚀速率的相关性显著,用幂函数可以准确描述其关系。在表达式中引入土壤黏粒含量、砾石含量后模型更加可靠（Dr=0.001ω1.163Cl-4.069,R2=0.82;Dr=0.003ω1.149Gr-1.934,R2=0.84）,提高了模型预测土壤侵蚀速率的精度,在实际应用中具有更广的适应范围与现实价值。 相似文献
9.
近红外光谱法快速测定土壤碱解氮、速效磷和速效钾含量 总被引：18，自引：2，他引：18
运用偏最小二乘法(PLS)和人工神经网络(ANN)方法分别建立了0.9 mm筛分风干黑土土壤碱解氮、速效磷和速效钾含量预测的近红外光谱(NIRS)分析模型。使用偏最小二乘算法建立的碱解氮、速效磷和速效钾校正模型的决定系数R2分别为0.9520、0.8714和0.7300，平均相对误差分别为3.42%、13.40%和7.40%。人工神经网络方法建立的碱解氮、速效磷和速效钾校正模型的决定系数分别为0.9563、0.9493和0.9522，相对误差分别为2.67%、6.48%和2.27%，测试集仿真的相对误差分别为5.44%、16.65%和7.87%。结果表明，人工神经网络方法所建立的校正模型均优于偏最小二乘法所建模型；用近红外光谱分析法预测土壤碱解氮含量是可行的，而速效磷、速效钾模型的测试集样品仿真的相对误差较大，其预测可行性还需做进一步研究。 相似文献
10.
降雨能够改变土壤水分状况进而促进林木蒸腾,然而场降雨量及其持续时间对林木树干液流及其环境控制机制的影响尚不明确。为此,在华北半干旱半湿润区的北京市顺义区共青林场,选取位于河岸生态系统不受土壤水分胁迫的欧美杨(Populus×euramericana)人工林为研究对象,在2019年和2021年生长季,使用TDP热扩散法测量树干液流,同步监测气象及土壤含水量等环境因子。根据对该区长期(2016—2017年、2019年和2021年)降雨数据统计分析结果,将2次降雨脉冲间隔超22.5 h的事件划分2场独立的降雨事件。按照降雨事件雨量及历时,将其中位数±1.5倍标准误的事件定义为常见事件,而将累积概率大于90%的事件定义为极端事件。结果表明:(1)太阳辐射是唯一显著控制该杨树人工林生长季树干液流的环境因子(偏相关系数rp=0.539),饱和水汽压差、风速和土壤含水量均与树干液流不相关(p>0.533),降雨事件发生前后这一环境控制特征没有发生变化;(2)雨后树干液流随着场降雨量的增加而降低(R2=0.78,p=0.004),但与降雨事件历时无显著相关关系;(3)树干液流在常见降雨事件和极端事件后,在半小时尺度上随时间变化无显著差异(p≥0.264),但4类降雨事件后主导的环境控制因子却不完全相同,太阳辐射和饱和水汽压差总能显著促进半小时尺度的树干液流(rp≥0.374),而土壤含水量仅在常见和极端的强降雨历时事件后,显著促进雨后半小时尺度液流(rp≥0.215)。风速显著抑制常见场降雨量事件后半小时尺度的树干液流(rp=-0.258),却能显著促进常见和极端场降雨历时事件后半小时尺度的树干液流(rp≥0.183)。研究成果为进一步深入揭示降雨特征对树干液流及其生物物理控制机制的影响,以及改进气候变化下生态水文过程的模拟与评估提供参考。 相似文献
11.
摘要：【目的】传统的基于近红外光谱数据预测土壤全氮的方法需要对原始光谱数据做复杂的预处理，筛选出与土壤全氮含量相关性高的敏感波长之后进行模型的回归拟合。本文提出一种一维卷积神经网络（1D-CNN）模型，可以在对数据进行简单预处理甚至无处理的情况下达到非常理想的结果，实现用近红外光谱技术对土壤全氮含量的预测。【方法】于江苏无锡采集410个土壤样品，利用半微量开氏法(NY/T 53-1987)测定土壤的全氮含量，并利用NIR Quest 512光谱仪，在室内环境下对每份土壤样品做光谱检测，并用均值中心化(CT)、标准正态变换(SNV)、趋势校正(DT)对光谱进行预处理，运用偏最小二乘回归（PLS）、BP神经网络、1D-CNN方法建立土壤全氮含量的回归预测模型。每种模型在采用不同预处理方法的数据集上做十折交叉验证，记录预测模型的决定系数(R2)和均方根误差(RMSE)的平均值，并对比三种预处理方法对模型精度的影响。【结果】证明了本文提出的1D-CNN模型基于土壤近红外光谱数据预测土壤全氮含量的可靠性。使用原始数据与经均值中心化、标准正态变换、趋势校正预处理的数据训练得到的1D-CNN模型的决定系数分别为0.907、0.931、0.922、0.964，构建的PLS回归模型决定系数为0.856、0.863、0.861、0.880，训练的BP神经网络的决定系数为0.874、0.907、0.901、0.911。【结论】本文提出的1D-CNN模型在原始数据和经预处理的光谱数据上的表现都优于PLS和BP神经网络，且可以证明，对光谱数据进行预处理能够有效提高1D-CNN模型的性能，尤其是趋势校正对模型的提升效果最明显。研究表明，1D-CNN能更好地提取光谱特征并建立其与含氮量的映射关系，有效地避免过拟合，在未经过预处理的光谱数据上依然能够达到一定的精度。 相似文献
12.
通过泰森多边形加权变差系数法研究了黄河中游无定河流域黄土区降水和侵蚀产沙的空间变异规律,并用线性回归分析探究两者空间变异性的相关性。以黄河主要泥沙来源区之一的无定河流域为例,分析了该流域黄土区1959-2015年水土保持措施综合治理前后降水和侵蚀产沙的时空变异规律,所选用的降水特征为汛期降水(Pflood)和汛期降雨侵蚀力(Rflood),用产沙模数(SSY)表示该流域产沙量的多少。结果表明:(1)在水土流失治理前(1959-1970年),该地区降水特征与产沙模数在时间上的增减变化趋势一致,而且两者呈显著的幂函数相关关系(P<0.01),Pflood和Rflood对侵蚀产沙的影响一致;在大规模水土流失治理后(1971-2015年),由于该流域修建了大量淤地坝等水土保持措施,产沙量骤减,降水特征和产沙模数无显著相关关系。(2)在多年时间尺度上(1959-2015年),汛期降水的空间变异性为8%,汛期降雨侵蚀力的空间变异系数为15%,汛期降水的空间变异性小于汛期降雨侵蚀力;1959-1970年期间产沙模数的空间变异性小于1971-2015年期间。在1959-1970年期间,降水特征和产沙模数的空间变异性呈显著的二次多项式相关关系(P<0.01),而且汛期降雨侵蚀力与产沙模数的空间变异性的相关性更加显著(R^2=0.76,P<0.01);1971-2015年降水特征与产沙模数的空间变异性无显著相关关系。在人类活动以前流域产沙空间变异性的主要影响因素为汛期降雨侵蚀力的空间变异性,而在水土流失治理之后降水的空间变异性对流域产沙空间变异性的影响减小,此时流域产沙的空间变异主要受人类活动的影响。 相似文献
13.
精料补充料中肉骨粉含量的近红外光谱检测 总被引：4，自引：1，他引：3
为了保证饲料安全,精料补充料中肉骨粉的检测是十分必要的。该文探讨了精料补充料中肉骨粉含量的近红外光谱分析方法,123个样品作为校正集,采用偏最小二乘法(PLS),分别对光谱进行散射校正和卷积平滑、一阶微分、二阶微分预处理建立校正模型,以最大的决定系数(R2)和最小的标准差(RMSEC)为选择依据,通过比较,以多元散射校正和卷积平滑处理与二阶微分相结合的处理效果最好,其预测值与测量值的决定系数(R2)和标准差(RMSEC)分别为0.9751和0.437。34个样品作为检验集进行外部验证,决定系数(r2)和标准差(RMSEP)分别为0.9749和0.420,平均绝对误差和相对误差分别为0.326和13.89％。结果表明,利用近红外分析技术可以检测精料补充料中肉骨粉的含量。 相似文献
14.
Use of FTIR‐PAS combined with chemometrics to quantify nutritional information in rapeseeds (Brassica napus) 
下载免费PDF全文
下载免费PDF全文 Fast acquisition of nutritional information of rapeseeds is important for rapeseed breeding programs, evaluation of soil nutrient conditions and even fertilization recommendations. Fourier transform mid‐infrared photoacoustic spectroscopy (FTIR‐PAS) was employed to determine nitrogen, phosphorus and potassium content in rapeseeds. Calibration models were developed using both partial least squares (PLS) and partial least squares combined with direct orthogonal signal correction (DOSC‐PLS). According to the values of RPD (ratio of prediction to deviation), the PLS models for nitrogen and phosphorus were acceptable, while the PLS model for potassium needed to be improved. By contrast, DOSC‐PLS models obtained the better predictive accuracy with RPD values of 2.54, 2.10 and 1.94 for nitrogen, phosphorus and potassium, respectively. This work demonstrates the good performance of FTIR‐PAS for rapid and non‐destructive quantification of nutritional information in rapeseeds. 相似文献
15.
利用红边参数估计叶片叶绿素含量 总被引：4，自引：0，他引：4
Hyperspectral remote sensing makes it possible to non-destructively monitor leaf chlorophyll content (LCC). This study characterized the geometric patterns of the first derivative reflectance spectra in the red edge region of rapeseed (Brassica napus L.) and wheat (Triticum aestivum L.) crops. The ratio of the red edge area less than 718 nm to the entire red edge area was negatively correlated with LCC. This finding allowed the construction of a new red edge parameter, defined as red edge symmetry (RES). Compared to the commonly used red edge parameters (red edge position, red edge amplitude, and red edge area), RES was a better predictor of LCC. Furthermore, RES was easily calculated using the reflectance of red edge boundary wavebands at 675 and 755 nm (R675 and R755) and reflectance of red edge center wavelength at 718 nm (R718), with the equation RES = (R718－R675)/( R755－R675). In addition, RES was simulated effectively with wide wavebands from the airborne hyperspectral sensor AVIRIS and satellite hyperspectral sensor Hyperion. The close relationships between the simulated RES and LCC indicated a high feasibility of estimating LCC with simulated RES from AVIRIS and Hyperion data. This made RES readily applicable to common airborne and satellite hyperspectral data derived from AVIRIS and Hyperion sources, as well as ground-based spectral reflectance data. 相似文献
16.
Yaron OGEN Shira FAIGENBAUM-GOLOVIN Amihai GRANOT Yoel SHKOLNISKY Naftaly GOLDSHLEGER Eyal BEN-DOR 《土壤圈》2019,29(4):421-431
Visible, near-infrared and shortwave-infrared (VNIR-SWIR) spectroscopy is an efficient approach for predicting soil properties because it reduces the time and cost of analyses. However, its advantages are hampered by the presence of soil moisture, which masks the major spectral absorptions of the soil and distorts the overall spectral shape. Hence, developing a procedure that skips the drying process for soil properties assessment directly from wet soil samples could save invaluable time. The goal of this study was twofold:proposing two approaches, partial least squares (PLS) and nearest neighbor spectral correction (NNSC), for dry spectral prediction and utilizing those spectra to demonstrate the ability to predict soil clay content. For these purposes, we measured 830 samples taken from eight common soil types in Israel that were sampled at 66 different locations. The dry spectrum accuracy was measured using the spectral angle mapper (SAM) and the average sum of deviations squared (ASDS), which resulted in low prediction errors of less than 8% and 14%, respectively. Later, our hypothesis was tested using the predicted dry soil spectra to predict the clay content, which resulted in R2 of 0.69 and 0.58 in the PLS and NNSC methods, respectively. Finally, our results were compared to those obtained by external parameter orthogonalization (EPO) and direct standardization (DS). This study demonstrates the ability to evaluate the dry spectral fingerprint of a wet soil sample, which can be utilized in various pedological aspects such as soil monitoring, soil classification, and soil properties assessment. 相似文献
17.
18.
Visible/near-infrared calibrations were developed and tested for surface lipid content (SLC) of milled long-grain rice. Three rice varieties were divided into two sample sets, with one containing two variables (degree of milling and variety) and another containing three variables (degree of milling, variety, and kernel thickness). The reflectance calibration equation from the set with three variables was much more accurate in predicting SLC than was the calibration from the two-variable set. Optimal calibration and prediction were obtained by combining both visible and near-infrared wavelength ranges and using the modified partial least squares technique on spectra pretreated by standard normal variate and first derivative methods. The best calibration yielded a coefficient of determination (R2) of 0.99 and a standard error of prediction of 0.04% SLC, which was approximately 1.5 times the standard error of calibration and also 1.5 times the SLC measurement error. 相似文献
19.
M. R. Campbell S. R. Mannis H. A. Port A. M. Zimmerman D. V. Glover 《Cereal Chemistry》1999,76(4):552-557
A study was conducted to investigate methods of improving a near-infrared transmittance spectroscopy (NITS) amylose calibration that could serve as a rapid, nondestructive alternative to traditional methods for determining amylose content in corn. Calibrations were developed using a set of genotypes possessing endosperm mutations in single- and double-mutant combinations ranging in starch-amylose content (SAC) from -8.5 to 76%, relative to a standard curve. The influence of three factors were examined including comparing calibrations made against SAC versus grain amylose content (GAC), developing calibrations using partial least squares (PLS) analysis versus artificial neural networking (ANN), and using all samples in the calibrations set versus using progressively narrower ranges of SAC or GAC in the calibration set. Grain samples were divided into calibration and validation sets for PLS analysis while samples used in ANN were assigned to a training set, test set, and validation set. Performance statistics of the validation sets that were considered were the coefficient of determination (R), the standard error of prediction (SEP), and the ratio of the standard deviation of amylose values to the SEP (RPD), which were used to compare all NITS models. The study revealed an NITS prediction model for SAC (R = 0.96, SEP = 5.1%, RDP = 3.8) of similar precision to the best GAC model (R = 0.96, SEP = 2.7%, RPD = 3.5). Narrowing the amylose range of the calibration set generally did not improve performance statistics except for PLS models for SAC in which a decrease in SEP values was observed. In one model, the SEP improved while R and RPD remained constant (R = 0.94, SEP = 4.2%, RPD = 2.8) when samples with SAC values <20% were removed from the calibration set. Although the NITS amylose calibrations in this study are of limited precision, they may be useful when a rough screening method is needed for SAC. For example, NITS may be useful to detect severe contamination during transport and storage of specialty grains or to aid breeders when selecting for amylose content from large numbers of grain samples. 相似文献