Estimando el Carbono Orgánico del Suelo Usando Espectroscopía VIS/NIR con Métodos SVMR y SPA
Autores: Peng, Xiaoting; Shi, Tiezhu; Song, Aihong; Chen, Yiyun; Gao, Wenxiu
Idioma: Inglés
Editor: MDPI
Año: 2014
Acceso abierto
Artículo científico
Categoría
Ciencias Medioambientales
Subcategoría
Ciencia y tecnología de los recursos naturales
Palabras clave
Muestras de suelo
Modelo SPA-SVMR
Contenidos de SOC
Espectroscopía VIS/NIR
Métodos de preprocesamiento
Modelo SVMR
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 5
Citaciones: Sin citaciones
Con 298 muestras de suelo heterogéneas de Yixing (provincia de Jiangsu), Zhongxiang y Honghu (provincia de Hubei), este estudio tuvo como objetivo combinar un algoritmo de proyecciones sucesivas (SPA) con un modelo de regresión de máquinas de soporte (SVMR) (modelo SPA-SVMR) para mejorar la precisión de estimación de los contenidos de carbono orgánico del suelo (SOC) utilizando la espectroscopía visible y de infrarrojo cercano (VIS/NIR, 350-2500 nm) de los suelos. Se exploraron los efectos de ocho métodos de preprocesamiento espectral, es decir, Log (1/R), Log (1/R) acoplado con suavizado de Savitzky-Golay (SG) (Log (1/R) + SG), primera derivada con suavizado SG (FD), segunda derivada con suavizado SG (SD), SG, variación normal estándar (SNV), centro medio (MC) y corrección de dispersión multiplicativa (MSC), en la selección de longitudes de onda informativas basada en SPA. Se desarrollaron y compararon el modelo SVMR (es decir, SVMR sin SPA) y el modelo SPA-PLSR (es decir, SPA combinado con regresión de mínimos cuadrados parciales (PLSR)) con el modelo SPA-SVMR para evaluar el rendimiento del SPA-SVMR. Los resultados indicaron que las variables seleccionadas por SPA y sus distribuciones se vieron fuertemente afectadas por diferentes métodos de preprocesamiento, y SG fue el método de preprocesamiento óptimo para el desarrollo del modelo SPA-SVMR; el modelo SPA-SVMR utilizando preprocesamiento SG y 28 longitudes de onda seleccionadas por SPA obtuvo un mejor resultado (R2V = 0.73, RMSEV = 2.78 g·kg-1 y RPDV = 1.89) y superó al modelo SVMR (R2V = 0.72, RMSEV = 2.83 g·kg-1 y RPDV = 1.86) y al modelo SPA-PLSR (R2V = 0.62, RMSEV = 3.23 g·kg-1 y RPDV = 1.63). La mayoría de las bandas espectrales utilizadas por el modelo SPA-SVMR en la región del infrarrojo cercano fueron longitudes de onda importantes para la estimación del contenido de SOC. Este estudio demostró que la combinación de SPA y SVMR es factible y confiable para estimar el contenido de SOC a partir de los espectros VIS/NIR de suelos en regiones con múltiples tipos de suelo y uso de la tierra.
Descripción
Con 298 muestras de suelo heterogéneas de Yixing (provincia de Jiangsu), Zhongxiang y Honghu (provincia de Hubei), este estudio tuvo como objetivo combinar un algoritmo de proyecciones sucesivas (SPA) con un modelo de regresión de máquinas de soporte (SVMR) (modelo SPA-SVMR) para mejorar la precisión de estimación de los contenidos de carbono orgánico del suelo (SOC) utilizando la espectroscopía visible y de infrarrojo cercano (VIS/NIR, 350-2500 nm) de los suelos. Se exploraron los efectos de ocho métodos de preprocesamiento espectral, es decir, Log (1/R), Log (1/R) acoplado con suavizado de Savitzky-Golay (SG) (Log (1/R) + SG), primera derivada con suavizado SG (FD), segunda derivada con suavizado SG (SD), SG, variación normal estándar (SNV), centro medio (MC) y corrección de dispersión multiplicativa (MSC), en la selección de longitudes de onda informativas basada en SPA. Se desarrollaron y compararon el modelo SVMR (es decir, SVMR sin SPA) y el modelo SPA-PLSR (es decir, SPA combinado con regresión de mínimos cuadrados parciales (PLSR)) con el modelo SPA-SVMR para evaluar el rendimiento del SPA-SVMR. Los resultados indicaron que las variables seleccionadas por SPA y sus distribuciones se vieron fuertemente afectadas por diferentes métodos de preprocesamiento, y SG fue el método de preprocesamiento óptimo para el desarrollo del modelo SPA-SVMR; el modelo SPA-SVMR utilizando preprocesamiento SG y 28 longitudes de onda seleccionadas por SPA obtuvo un mejor resultado (R2V = 0.73, RMSEV = 2.78 g·kg-1 y RPDV = 1.89) y superó al modelo SVMR (R2V = 0.72, RMSEV = 2.83 g·kg-1 y RPDV = 1.86) y al modelo SPA-PLSR (R2V = 0.62, RMSEV = 3.23 g·kg-1 y RPDV = 1.63). La mayoría de las bandas espectrales utilizadas por el modelo SPA-SVMR en la región del infrarrojo cercano fueron longitudes de onda importantes para la estimación del contenido de SOC. Este estudio demostró que la combinación de SPA y SVMR es factible y confiable para estimar el contenido de SOC a partir de los espectros VIS/NIR de suelos en regiones con múltiples tipos de suelo y uso de la tierra.