- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
近红外光谱技术在摩洛哥特里法平原土壤有机质估算中的应用
摘要： 土壤有机质（SOM）是土壤的基本组成成分。采用传统实验室方法测定该参数过程复杂、耗时且需使用化学试剂。本研究旨在评估两种可见-近红外光谱（VIS-NIR）实验室测量方案估算SOM含量的准确性，并确定SOM估算模型中的关键光谱波段。研究从特里法平原试验区的非根区（0-20厘米）采集了115份土壤样本，通过沃克利-布莱克法进行实验室SOM分析。采用ASD光谱辐射仪（350-2500纳米）的接触式探头（CP）和手枪式握把（PG）两种协议测量土壤样本反射光谱，运用偏最小二乘回归（PLSR）建立预测模型。决定系数（R2）和均方根误差（RMSE）结果表明：相比接触式探头方案（R2=0.85，RMSE=0.19），手枪式握把方案具有合理精度（R2=0.93，RMSE=0.13）。两种方案（CP和PG）中，近红外波段对SOM的预测准确性均高于可见光波段。PG方案的关键预测波长为：424、597、1432、1484、1830、1920、2200、2357和2430纳米；CP方案则为433、587、1380、1431、1929、2200和2345纳米。
关键词： 土壤有机质（SOM）分析、可见-近红外光谱（VIS-NIR）、反射光谱、SOM估算
更新于2025-09-23 15:21:01
-
利用可见-近红外光谱预测土壤有机质和pH值的机器学习方法评估
摘要： 长江中下游平原稻田土壤有机质（SOM）和pH值是衡量土壤肥力的关键指标?？焖?、无损且准确地测定SOM和pH值对防止不当土地管理导致的土壤退化至关重要?；诳杉?近红外（vis-NIR）光谱结合多元校准技术可有效估算土壤特性。本研究采集了中国长江平原523份稻田土壤样本，采用四种机器学习方法——偏最小二乘回归（PLSR）、最小二乘支持向量机（LS-SVM）、极限学习机（ELM）和Cubist回归模型（Cubist），对比分析了基于vis-NIR全波段与遗传算法（GA）降维波段的预测精度。通过决定系数（R2）、均方根误差（RMSE）和性能至四分位距比（RPIQ）评估预测效果。结果显示：采用GA降维波段的ELM模型对SOM（R2=0.81，RMSE=5.17，RPIQ=2.87）和pH值（R2=0.76，RMSE=0.43，RPIQ=2.15）的预测效果最佳；LS-SVM模型在有无GA处理时对pH值的预测性能差异不显著（GA处理：R2=0.75，RMSE=0.44，RPIQ=2.08；未处理：R2=0.74，RMSE=0.45，RPIQ=2.07）。虽然ELM模型使用降维波段预测SOM和pH值时精度略有提升（SOM：R2=0.81，RMSE=5.17，RPIQ=2.87；pH：R2=0.76，RMSE=0.43，RPIQ=2.15），但较全波段（SOM：R2=0.81，RMSE=5.18，RPIQ=2.83；pH：R2=0.76，RMSE=0.45，RPIQ=2.07）波长数量大幅减少（SOM：201→44；pH：201→32）。因此推荐采用GA降维波段结合ELM模型预测长江中下游平原稻田土壤特性（SOM和pH值）。
关键词： 土壤有机质、水稻土、可见-近红外光谱、pH值、机器学习方法
更新于2025-09-22 12:58:43
-
激光诱导击穿光谱在土壤表征中的应用（第二部分）：元素分析与土壤分类综述
摘要： 田间土壤健康评估（包括植物养分和有毒元素）十分必要，可提升农业生产可持续性。在现有土壤分析技术中，激光诱导击穿光谱技术（LIBS）凭借低成本、无需试剂且能实现实时分析的优势，成为最具前景的检测手段之一。本期期刊两部分综述的首篇（Villas-Boas等，2019，第一部分）聚焦LIBS土壤分析基础原理及其在土壤理化特性表征中的应用。本文（第二部分）旨在系统评述：(i) LIBS在测定土壤碳（C）、养分与有毒元素、空间元素分布图谱绘制中的主要应用；(ii) 其在土壤分类领域的运用。我们将结合优缺点，将传统及新兴技术与LIBS进行对比。该技术能检测土壤样品中多种元素，几乎无需样品制备，单样本检测仅需数秒且成本低于其他方法。但矩阵效应仍是土壤分析应用中的挑战——现有研究多在矩阵变化有限条件下开展。尽管存在此局限，典型LIBS系统对钼(Mo)、铜(Cu)、镁(Mg)、锰(Mn)、铁(Fe)、锌(Zn)、钾(K)、钙(Ca)的检测限分别可达0.3、0.6、4、7、10、18、46和89 mg kg-1。通过合理校准，LIBS有望实现土壤原位空间元素实时分析，为精准农业提供实用解决方案，从而快速诊断污染土壤与养分供给不足问题，助力科学土壤管理，在增产同时降低环境影响。
关键词： 土壤污染、土壤肥力、根际、有毒元素、空间元素分布图、土壤有机质、精准农业、植物养分、土壤碳
更新于2025-09-11 14:15:04
-
基于中红外光声光谱的自适应土壤有机质预测模型
摘要： 快速测定土壤有机质（SOM）对作物生产和土壤肥力评估具有重要意义。傅里叶变换红外（FTIR）光谱技术因其快速、经济且无损的特性被广泛应用于SOM检测，但由于模型基于典型数据库建立，在新独立样本中易产生较大误差，导致其定量预测准确性受限。本研究以中国丽水地区采集的933份水稻土为样本，结合傅里叶变换中红外光声光谱（FTIR-PAS）技术构建了"自适应"SOM含量预测模型。FTIR-PAS光谱能提供丰富土壤信息，包括O-H、N-H和C-H振动（4000-2800 cm?1）、C=O与C-H振动（2500-1200 cm?1）及指纹区（1200-500 cm?1）。该自适应模型通过以下步骤建立：(i) 基于欧氏距离筛选与目标（未知）土壤光谱相似的样本并按距离升序排列；(ii) 根据最优校准子集确定偏最小二乘法（PLS）建模参数；(iii) 实现未知样本预测验证。对比显示：自适应模型与常规PLS模型的R2值分别为0.9293和0.5796，预测均方根误差为1.65和3.26 g kg?1，相对分析偏差（RPD）达3.18和1.62。该自适应模型显著提升了预测准确性与适用性，具有更突出的应用潜力。
关键词： 傅里叶变换中红外光声光谱法、偏最小二乘法、稻田土壤、自适应模型、土壤有机质
更新于2025-09-11 14:15:04
-
利用激光解吸电离傅里叶变换离子回旋共振质谱法阐明泥炭火灾对土壤有机质的分子水平影响
摘要： 本研究采用激光解吸电离耦合傅里叶变换离子回旋共振质谱法（LDI-FTICRMS），分析了泥炭火灾及实验室加热土壤有机质（SOM）的分子组成。通过该技术检测了采自印度尼西亚中加里曼丹未燃烧与燃烧区域土壤中分离的SOM，每个质谱图均解析出约7500个可归属分子式的峰。来自受火灾影响土壤的SOM中，低氧类物质（如O1-O5）及热稳定化合物（包括稠环烃和含氮杂环化合物）相对丰度更高，碳数>30的高度稠合烃类化合物含量显著增加。研究还对未燃烧区域提取的SOM进行原位加热实验，并采用LDI-FTICRMS分析处理后的样品。结果显示实验室加热与泥炭火灾影响的SOM样本在分子水平上呈现相同变化趋势，且加热导致SOM降解生成木质素和单宁类分子——推测这些物质源于大分子量SOM的热降解。本研究所获全部信息仅消耗约5微克样品，证实LDI-FTICRMS是一种能高效获取SOM分子层面信息的灵敏分析技术。
关键词： 土壤有机质，分子转化，激光解吸电离-傅里叶变换离子回旋共振质谱，泥炭火灾
更新于2025-09-11 14:15:04