论文部分内容阅读
利用在实验室获取的矿区农田土壤可见-近红外反射光谱与土壤As污染浓度、Fe和有机质含量数据构建了As和Fe浓度及有机质含量的PCR与PLSR预测模型;为提高模型的稳定性和预测能力,对原始光谱数据进行了预处理即,一和二阶微分（F/SD）、基线校正（B）、变量标准规一化（SNV）、多次散射校正（MSC）和连续统去除（CR）。研究表明：变量标准规一化（SNV）、多次散射校正（MSC）和连续统去除（CR）分别对As,Fe和OM的PCR模型的预测能力有明显的改善（各PCR模型的因子数、相对RMSEP和R2分别5,0