文献

J-GLOBAL ID：202102235338724543   整理番号：21A2569066

近赤外分光法による新規標的地域における土壌有機炭素の予測:異なるスケール土壌スペクトルライブラリーにおけるスパイクの影響の比較【JST・京大機械翻訳】

Prediction of Soil Organic Carbon in a New Target Area by Near-Infrared Spectroscopy: Comparison of the Effects of Spiking in Different Scale Soil Spectral Libraries

著者 (4件)： Li Hongyang (College of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023, China) ,  Li Hongyang (College of Mechanical and Electrical Engineering, China Jiliang University, Hangzhou 310018, China) ,  Jia Shengyao (College of Mechanical and Electrical Engineering, China Jiliang University, Hangzhou 310018, China) ,  Le Zichun (College of Science, Zhejiang University of Technology, Hangzhou 310023, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 16  ページ： 4357  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 近赤外(NIR)分光法は,適切なキャリブレーションの下で迅速で正確であるので,土壌有機炭素(SOC)を予測するために広く使用されている。しかし,いくつかの新しい目標地域の土壌特性が既存の土壌スペクトルライブラリー(SSL)と異なるならば,キャリブレーションモデルの予測精度は大いに減少し,それは技術の適用可能性を大きく制限する。大規模SSLの構築,あるいはスパイキング法の使用による問題を解決することを試みた。浙江省から合計983の土壌サンプルを採取し,3つのSSLsを地理的範囲に従って構築し,地方,都市,および地域規模を表した。3つのSSLに基づくキャリブレーションモデルを確立するために部分最小二乗法(PLS)アルゴリズムを適用し,モデルを浙江省の2つの目標領域のSOCを予測するために使用した。結果は,SSLのスケール(残留予測偏差(RPD)<2.5)に関係なく,各モデルの予測精度が比較的貧弱であることを示した。次に,Kennard-Stone(KS)アルゴリズムを適用して,各ターゲット領域から5または10のスパイキングサンプルを選択した。種々のSSLsとスパイキングサンプル数に従って,異なるスパイクモデルをPLSによって確立した。結果は,各々のモデルの予測能力がスパイキング方法によって改良して,改良効果がSSLのスケールに反比例することを示した。地域規模SSLと少数のスパイキング試料を組み合わせることによって構築したスパイクモデルは,2つの目標地域(RPD=2.72と3.13)のSOCの良好な予測を達成した。したがって,少数のスパイキングサンプルで小規模SSLを構築することによって,新しいターゲット領域のSOCを正確に測定することが可能である。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  都市 ,  地理学 ,  *近赤外線 ,  土壌特性 ,  *近赤外分光分析 ,  部分最小二乗法 ,  *土壌有機炭素
準シソーラス用語： 予測精度 ,  浙江省 ,  土壌試料 ,  予測能力 ,  地域規模 ,  *スペクトルライブラリ , 【Automatic Indexing@JST】

著者キーワード (5件)： 土壌有機炭素 ,  近赤外分光法 ,  土壌スペクトルライブラリ ,  スパイキング ,  部分最小二乗

分類 (1件)： 分析機器  (CC02020S)

引用文献 (33件)：

• Liu, T. Effects Of Different Fertilisation Technologies And Cultivation Technology on Soil Organic Carbon Content. Appl. Ecol. Environ. Res. 2019, 17, 10491-10507.
• Pei, X.; Sudduth, K.A.; Veum, K.S.; Li, M. Improving In-Situ Estimation of Soil Profile Properties Using a Multi-Sensor Probe. Sensors (Basel) 2019, 19, 1011.
• Mikhailova, E.A.; Groshans, G.R.; Post, C.J.; Schlautman, M.A.; Post, G.C. Valuation of Soil Organic Carbon Stocks in the Contiguous United States Based on the Avoided Social Cost of Carbon Emissions. Resources 2019, 8, 153.
• Tamburini, E.; Vincenzi, F.; Costa, S.; Mantovi, P.; Pedrini, P.; Castaldelli, G. Effects of Moisture and Particle Size on Quantitative Determination of Total Organic Carbon (TOC) in Soils Using Near-Infrared Spectroscopy. Sensors (Basel) 2017, 17, 2366.
• He, Y.; Huang, M.; García, A.; Hernández, A.; Song, H. Prediction of soil macronutrients content using near-infrared spectroscopy. Comput. Electron. Agric. 2007, 58, 144-153.

タイトルに関連する用語 (8件)： 近赤外分光法 ,  標的 ,  地域 ,  土壌有機炭素 ,  予測 ,  スケール ,  土壌 ,  スペクトルライブラリー