ВВЕДЕНИЕ 3
ОБЗОР ЛИТЕРАТУРЫ 5
1. Сущность метода ИК-спектроскопии 5
2. Применение ИК-спектроскопии в исследовании почвенного покрова 7
2.1. Применение ИК-спектроскопии для оценки ГМС почвы 9
2.2. Применение ИК-спектроскопии для оценки органики почвы 10
3. Анализы спектральных данных 11
3.1. Предварительная обработка 12
4. Моделирование 15
4.1. Оценки качества моделей 16
ОБЪЕКТЫ И МЕТОДЫ ИССЛЕДОВАНИЯ 18
РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ 23
1. Результаты предобработки спектральных данных 23
2. Результаты моделирования 26
ВЫВОДЫ 33
СПИСОК ЛИТЕРАТУРЫ
Моделирование свойств объектов исследования во всех сферах науки имеет весомое значение, так как это предоставляет доступ к более эффективным методам работы . В данном исследовании продемонстрировано применение моделирования для прогнозирования в почве содержания гумуса, а также её гранулометрического состава. В работе используются данные, полученные на ИК-спектрометре Фурье, проводится предобработка данных методом Савицкого-Голея и SNV (Standard Normal Variate). Моделирование проводится методом регрессии частичных наименьших квадратов (Partial Least Squares Regression, PLSR).
Актуальность работы заключается в том, что моделирование является современным методом, отвечающим всё более ускоряющимся темпам исследований в области наук о Земле. В работе демонстрируется возможность определения содержания гумуса и гранулометрического состава почв альтернативным видом анализа, основанным на данных ИК- спектроскопии, который занимает малое количество времени в сравнении с традиционными лабораторными анализами С помощью одного спектра можно охарактеризовать различные свойства почвы, а возможность их прогнозирования с помощью моделирования имеет важное практическое значение для предотвращения деградации плодородия почв
Целью работы является построение модели прогнозирования содержания гумуса и гранулометрического состава почв на основе данных ИК-спектроскопии, предварительно обработанных различными методами
Поставленные задачи:
1) определить какой метод предобработки данных является оптимальным;
2) определить какое из исследуемых свойств почвы прогнозируется с большей точностью;
3) оценить качество моделей, построенных методом PLSR для прогнозирования исследуемых почвенных свойств
Данные ИК-спектроскопии были предварительно обработаны различными методами (SNV, фильтр Савицкого-Голея) . Были построены модели содержания гумуса и ГМС почвы методом регрессии частичных наименьших квадратов (PLSR). В ходе работы сделаны следующие выводы:
1) оптимальным методом предобработки данных является комбинация фильтра Савицкого-Голея + SNV;
2) значение ГМС почвы прогнозируется с большей точностью;
3 ) метод PLSR подходит для построения модели содержания гумуса и ГМС почвы с учетом предварительной обработки спектров, так как в ходе работы получены достаточно высокие коэффициенты детерминации (R) и малые значения корня среднеквадратичной ошибки (RMSE).
