傅里叶变换红外光声光谱法测定土壤中有效磷
土壤有效磷,傅里叶转换红外光声光谱,偏最小二乘,人工神经网络,,土壤有效磷，傅里叶转换红外光声光谱，偏最小二乘，人工神经网络,关键词土壤有效磷，傅里叶转换红外光声光谱，偏最小二乘，人工神经网络,1引言,2实验部分,3结果与讨论,References
摘 要 以中国科学院封丘生态实验站长期定位实验区的土样为材料(68样)，利用傅里叶转换红外光声光谱测定土壤有效磷：以OlsenP为因变量，通过傅里转换红外光声光谱构建偏最小二乘法和人工神经网络模型，利用模型进行预测。结果表明，偏最小二乘法模型的相关系数(R2)为0.96，校正标准偏差为1.79 mg/kg，验证标准偏差为525 mg/kg；人工神经网络模型的校正系数为0.84，校正标准偏差为2.40 mg/kg, 验证标准偏差为543 mg/kg。两种模型均可以用于土壤有效磷的预测，且偏最小二乘模型优于人工神经网络模型。该方法的特点是无需样品前处理，且测定对样品无破坏，为土壤有效磷的快速测定提供新的手段。关键词 土壤有效磷，傅里叶转换红外光声光谱，偏最小二乘，人工神经网络
1 引 言
磷是植物必需的大量营养元素之一，土壤中的磷是植物吸收的主要来源，因此土壤中有效磷是土壤肥力的重要评价因素之一。通常OlsenP被用来评价土壤磷素的有效性，而且具有较好的评价效果。该方法是一种化学分析方法，有一定的条件限制和测定周期，很难用于土壤肥力调查中的海量数据分析。傅里叶转换红外光声光谱(fourier transform infrared photoacoustic spectroscopy, FTIRPAS)的基本原理是基于红外吸收的能量转换：样品吸收红外入射光后产生热转换，热能传给样品周围的惰性气体，惰性气体吸热后膨胀产生压力波，这种压力波动能被敏感的麦克风检测，最后被转换成光谱。该方法的特点是所需样品少，样品也不需做前处理，测定过程对样品无破坏\[1\]，为土壤肥力快速测定提供可能。由于土壤是十分复杂的体系，其红外光声光谱是土壤中各种物质或基团吸收的叠加，且土壤有效磷也存在多态性，因此采用传统的校正方法选择某一波长进行定量分析会遗失大部分光谱信息，且干扰很大，同时也导致分析结果很不稳定，结果失真，很难直接用于校正分析。偏最小二乘法(partial least square, PLS)能提取光谱中的主成分因子(潜变量) ......
您现在查看是摘要页，全文长 7973 字符。