FT-NIR光谱半定性判别方法应用于土壤总氮的波段优选

总氮是衡量土壤肥力的重要成分指标。传统的检测土壤总氮含量的化学方法操作复杂且费时费力,采用傅里叶近红外(FT-NIR)对土壤总氮的含量实现直接快速定量分析;然而,利用偏最小二乘(PLS)等线性分析方法定量预测土壤样本的总氮含量,定标预测模型有可能被理想化,不利于在线检测的实际应用。考虑给定量分析模型添加容错机制,将FT-NIR定量分析转化为半定性判别分析,以加强光谱模型的应用能力,提出区间间隔搜索主成分分析逻辑回归(iPCA-LR)方法,结合PLS的先验定量预测值,通过设定r=0.05,0.10,0.15三个不同的容错阈值范围,给样本赋予先验判别标记,将定量分析模式转换为半定性判别模式,建立土壤总氮的FT-NIR半定性判别模型,同时,对比讨论基于k=5,10,15,20四种不同子波段数量的区间划分数据的潜变量转换模式,优选FT-NIR光谱特征子波段,并讨论优选连续子波段的组合建模情况。结果表明,不同阈值范围下的FT-NIR半定性判别模型的预测准确率差别较大,但不同阈值范围的最优判别模型的预测准确率均在75%以上,各个区间划分的优选子波段或合并子波段的判别准确率均达到了90%以上,可以满足不同程度的应用水平。利用PLS结合iPCA-LR将定量预测转换为半定性判别的方法能够应用于土壤总氮的FT-NIR光谱分析,能够解决常规PLS定量分析容易过拟合和过于理想化的问题,半定性判别结果更符合实际,有利于光谱技术的在线应用。