基于近红外光谱的不同建模方法检测土壤有机质和速效p含量的研究

【目的】采用近红外光谱和不同建模方法测定土壤中的有机质和速效p含量。【方法】分别采集江西不同地区的土样240个，采集土壤样品的近红外漫反射光谱，以对光谱数据进行主成分分析得到的前6个主成分（pcs）和偏最小二乘回归(plsr)建模得到的6个潜在变量(lvs)，分别作为反向传播神经网络(bpnn)和偏最小支持向量机（ls-svm）的输入变量，共建立6个模型，分别为主成分回归(pcr)、plsr、bpnn-pcs、bpnn-lvs、ls-svm-pcs和ls-vm-lvs，并对这些建模方法预测土壤有机质和速效p含量的结果进行评价，从中筛选出最佳模型。【结果】在预测土壤有机质和速效p含量时，ls-svm-lvs模型的预测效果优于pcr、plsr、bpnn-pcs、bpnn-lvs和ls-svm-pcs模型。用ls-svm-lvs模型得到的有机质、速效p预测集的决定系数（r2）和均方差（rmse）分别为0.8734,0.7801mg/kg和2.92g/kg,4.97mg/kg。【结论】将近红外漫反射光谱和ls-svm、plsr相结合可用于测定土壤有机质和速效p含量。