摘要
近红外(Near-infrared, NIR)光谱法具有高效、无损的特点,然而其采集的光谱容易受多种外界因素的影响而发生漂移,导致分析结果出现偏差。时序漂移是一种NIR光谱随检测时间发生持续且有规律漂移的普遍现象。本研究提出了一种时序漂移NIR光谱的建模新方法,将漂移信号分解为背景漂移和样本依赖的时序漂移。分别利用连续小波变换(Continuous wavelet transform, CWT)和半监督-无参数模型增强(Semi-supervised parameter-free calibration enhancement, SS-PFCE)消除NIR光谱中时序背景漂移和样本依赖的时序信号漂移部分,进而实现准确建模。通过对2019年和2020年在云南省境内分别采集的928个和962个土壤样品的时序漂移NIR光谱进行建模,以土壤有机质(Soil organic matter, SOM)含量的预测准确性验证本方法的建模效果。对2019年采集的光谱建模(预测均方根误差(Root mean squared error of prediction, RMSEP)=6.7 g/kg,R2=0.76),预测2020年采集的漂移光谱时出现了较大的偏差(RMSEP=31.3 g/kg,R2=0.50)。通过CWT处理后的光谱建模预测,2020年光谱的预测结果明显变好(RMSEP=11.6 g/kg,R2=0.66);通过SS-PFCE进行模型增强后有了进一步的提升(RMSEP=8.3 g/kg,R2=0.67)。结果表明,CWT结合SS-PFCE能够最大程度消除NIR光谱中的时序漂移,获得较好的建模结果。
-
单位贵州医科大学; 云南省烟草公司昆明市公司; 贵州中烟工业有限责任公司