采集添加生物炭的土壤(标记为ABS)和不添加生物炭的土壤(标记为CS),获取其近红外光谱,通过预处理算法和偏最小二乘法(partial least squares,PLS)建立两种土壤氮含量预测模型。试验结果显示,CS和ABS分别经过Baseline和Smoothing预处理...采集添加生物炭的土壤(标记为ABS)和不添加生物炭的土壤(标记为CS),获取其近红外光谱,通过预处理算法和偏最小二乘法(partial least squares,PLS)建立两种土壤氮含量预测模型。试验结果显示,CS和ABS分别经过Baseline和Smoothing预处理的预测模型效果最好,定向系数(determination coefficient,R2)分别为0.913和0.753,预测均方根误差(root mean square error of prediction,RMSEP)分别为0.093和0.753,利用近红外光谱可对两种土壤氮含量建模预测。研究了生物炭对土壤光谱及建模的影响,结果表明,添加生物炭会改变土壤成分含量,使近红外光谱和建模不同于普通土壤,而联合建模可减小差异的影响,取得较好的预测效果,联合建模结果显示,经过Smoothing预处理的预测效果最好,R2为0.907,RMSEP为0.086。展开更多
文摘采集添加生物炭的土壤(标记为ABS)和不添加生物炭的土壤(标记为CS),获取其近红外光谱,通过预处理算法和偏最小二乘法(partial least squares,PLS)建立两种土壤氮含量预测模型。试验结果显示,CS和ABS分别经过Baseline和Smoothing预处理的预测模型效果最好,定向系数(determination coefficient,R2)分别为0.913和0.753,预测均方根误差(root mean square error of prediction,RMSEP)分别为0.093和0.753,利用近红外光谱可对两种土壤氮含量建模预测。研究了生物炭对土壤光谱及建模的影响,结果表明,添加生物炭会改变土壤成分含量,使近红外光谱和建模不同于普通土壤,而联合建模可减小差异的影响,取得较好的预测效果,联合建模结果显示,经过Smoothing预处理的预测效果最好,R2为0.907,RMSEP为0.086。