FT-NIR光譜半定性判別方法應用于土壤總氮的波段優選

辜 潔， 陳華舟, *， 陳偉豪， 莫麗娜， 溫江北

1. 桂林理工大學理學院， 廣西 桂林 541004 2. 廣東星創眾譜儀器有限公司， 廣東 廣州 510663

引 言

土壤肥力是農業可持續發展的基礎。 土壤總氮含量是衡量土壤肥力的重要指標之一[1]。 傳統的土壤總氮的檢測一般是在化學實驗室進行， 需要采用化學反應， 費時費力且操作繁瑣[2]。 利用近紅外光譜對土壤總氮的含量實現直接快速定量分析具有十分重要的意義[3-4]。 傅里葉近紅外(FT-NIR)光譜分析可從大量的實驗數據中提取樣品中的待測成分信息， 具有快速簡便、 無試劑、 非破壞性、 過程無污染等特點。 近年來， 隨著信息技術和化學計量學的發展， FT-NIR光譜分析在食品、 農業、 環境、 生物醫學等眾多領域得到廣泛的應用[5-7]。

偏最小二乘法(PLS)是FT-NIR光譜常用的定量分析方法[8-9]。 由于近紅外光譜信號重疊嚴重， 沒有明顯的波峰能夠反應單一待測成分的信息， 而且容易造成數據過擬合[10]， 在此基礎上建立的定標預測模型有可能被理想化， 不利于在線檢測的實際應用。 因此， 我們考慮給定量分析模型添加容錯機制， 將FT-NIR定量分析轉化為半定性判別分析， 以加強光譜模型的應用能力。

邏輯回歸(LR)一種常用的定性分析方法， 采用二分類模式進行定性建模和預測[11]。 考慮采用潛變量分析技術[12]結合LR回歸建立FT-NIR半定性判別模型， 為PLS回歸提供定量容錯機制， 有望可以避免數據過擬合現象， 提供更為穩定的FT-NIR定標方案。 主成分分析(PCA)被視為最簡單有效的潛變量分析技術， 合理選擇恰當的主成分數是PCA技術的關鍵， 能夠有效降低光譜噪聲和充分利用光譜特征信息[13-14]。……