基于近红外光谱、光谱特性融合与误差最小化的土壤特性检测 可供购买

《Analytical Methods》：Detection of soil characteristics based on near-infrared spectroscopy, spectral-characteristics fusion, and error minimizationAvailable to Purchase

　　

近红外光谱法为土壤分析提供了一种非破坏性且快速的途径。然而，基于非线性监督学习的传统化学计量学模型在复杂样品和多特性预测方面仍存在局限性。本文提出了一种基于光谱-特性融合和表征映射或预测误差最小化的化学计量学框架。首先，光谱-特性融合将光谱数据与单一或多个土壤特性进行了整合。随后，使用监督式光谱-组成表征映射模型和动态序列预测模型构建了定量模型，分别最小化光谱-组成表征映射误差和预测误差。动态序列预测模型基于类似于从光谱-特性融合数据中导出的时间序列数据的动态序列数据构建，滑窗覆盖所有土壤特性位置。基于LUCAS 2009表层土壤数据中的有机样品实验表明，具有良好连续性的融合数据有助于模型构建，且所提出的框架比所选的传统监督学习基线方法取得了更高的预测精度。本文提供了一种近红外光谱-特性融合和误差最小化预测策略，用于复杂样品的组成分析，并具有超越土壤分析的潜在适用性。

视觉摘要

查看大图 下载幻灯片

近红外光谱法为土壤分析提供了一种非破坏性且快速的途径。

查看大图 下载幻灯片

近红外光谱法为土壤分析提供了一种非破坏性且快速的途径。

关闭图形

? 2026 作者所有。由皇家化学学会出版

2026

作者所有

如需在其他出版物中使用本文材料，您必须申请许可；请参阅我们关于在《皇家化学学会许可证》下发表的文章中重用材料的指南。