不同pH值土壤中铅含量的太赫兹光谱反演建模研究

摘要

针对土壤中铅含量的定量检测问题,本研究基于太赫兹光谱技术对不同pH下土壤中铅含量的最佳反演预测模型进行了探索性研究.分别制备了pH为8.5,7.0和5.5的含铅土壤样品,采集样品的太赫兹光谱数据,并对光谱数据做了多元散射矫正(MSC)、基线校正和Savitzky-Golay平滑等预处理.对预处理后的光谱数据,采用连续投影法(SPA)选取光谱数据的特征频率.基于选取的特征频率分别采用偏最小二乘法(PLS)、支持向量机(SVM)和误差反向传播神经网络(BPNN)建立土壤中铅含量的反演预测模型,采用校正集相关系数(Rc)、校正集均方根误差(RMSEC)、预测集相关系数(Rp)、预测集均方根误差(RMSEP)和剩余预测偏差(RPD)作为评价参数对模型性能进行评估,确定铅在不同pH土壤中的最佳预测模型.实验结果表明:在经过SPA选择特征频率后的建模效果普遍比全光谱的效果好.其中pH 8.5的样品最佳预测模型为SPA-PLS,Rc,Rp,RMSEC,RMSEP和RPD分别为0.9977,0.9946,14.52 mg·kg-1,22.70 mg·kg-1和9.63;pH 7.0的样品最佳预测模型为SPA-SVM,Rc,Rp,RMSEC,RMSEP和RPD分别为0.9962,0.9757,20.25 mg·kg-1,33.04 mg·kg-1和4.56;pH 5.5的样品最佳预测模型为SPA-BPNN,Rc,Rp,RMSEC,RMSEP和RPD分别为0.9687,0.9744,48.83 mg·kg-1,55.03 mg·kg-1和4.44.该研究结果为不同pH土壤中铅含量的光谱反演预测提供了一种新思路,亦可为其他重金属在不同pH土壤中的含量反演预测模型提供理论方法和技术支持.