传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回...传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R^2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。展开更多
使用酚二磺酸法、还原蒸馏法、镀铜镉还原-重氮化偶合比色法和改进紫外分光光度法(校正因数法)测定了中国9种不同类型土壤的硝态氮含量,分析了改进紫外分光光度法与其余三种测定方法的差异及其适用性。统计分析表明对于有机质含量低于50...使用酚二磺酸法、还原蒸馏法、镀铜镉还原-重氮化偶合比色法和改进紫外分光光度法(校正因数法)测定了中国9种不同类型土壤的硝态氮含量,分析了改进紫外分光光度法与其余三种测定方法的差异及其适用性。统计分析表明对于有机质含量低于50 g kg-1的矿质土壤,可以使用2.2作为校正因数,四种分析方法的测定值具有极显著的相关性,尤其是紫外分光光度法与酚二磺酸法的测定结果最为接近,没有极显著差异;对于有机质含量接近和高于50 g kg-1的土壤,校正因数还需要修改。紫外分光光度法具有操作简单、测定速度快等优点,适用于批量快速测定。展开更多
文摘传统线性回归模型在借助光谱信息进行土壤属性预测时,通常忽略了土壤自身所具有的空间异质性和依赖性,并且未考虑模型残差的空间结构。针对以上不足,该文以江汉平原232个土壤样本为研究对象,以土壤反射光谱为辅助变量,采用偏最小二乘回归、普通克里格、协同克里格以及回归克里格分别构建土壤有机碳密度预测模型,选取决定系数(R^2)、均方根误差、标准差与预测均方根误差比(ratio of performance to deviation,RPD)对模型预测精度进行对比评价。结果显示,结合高光谱信息,且同时考虑残差空间结构的回归克里格模型表现优于其他模型,预测决定系数R^2为0.617,RPD为1.614。鉴于土壤光谱信息同时还具有测定简单、省时、无损等优点,因此土壤光谱是土壤有机碳密度空间插值的理想辅助因子。
文摘使用酚二磺酸法、还原蒸馏法、镀铜镉还原-重氮化偶合比色法和改进紫外分光光度法(校正因数法)测定了中国9种不同类型土壤的硝态氮含量,分析了改进紫外分光光度法与其余三种测定方法的差异及其适用性。统计分析表明对于有机质含量低于50 g kg-1的矿质土壤,可以使用2.2作为校正因数,四种分析方法的测定值具有极显著的相关性,尤其是紫外分光光度法与酚二磺酸法的测定结果最为接近,没有极显著差异;对于有机质含量接近和高于50 g kg-1的土壤,校正因数还需要修改。紫外分光光度法具有操作简单、测定速度快等优点,适用于批量快速测定。
