Laboratory and field reflectance spectroscopy as a tool for sedimentary correlations in Paleoseismology

2021 ◽  
Author(s):  
Eduardo García-Meléndez ◽  
Esther Carrillo ◽  
Raimon Pallàs ◽  
Maria Ortuño ◽  
Montserrat Ferrer-Julià ◽  
...  
Keyword(s):  
Reflectance Spectroscopy ◽  
Field Reflectance

Predicting cadmium concentration in soils using laboratory and field reflectance spectroscopy

2019 ◽  
Vol 650 ◽  
pp. 321-334 ◽  
Author(s):  
Xia Zhang ◽  
Weichao Sun ◽  
Yi Cen ◽  
Lifu Zhang ◽  
Nan Wang
Keyword(s):  
Cadmium Concentration ◽  
Reflectance Spectroscopy ◽  
Field Reflectance

scholarly journals Estimation of Arsenic Content in Soil Based on Laboratory and Field Reflectance Spectroscopy

Sensors ◽  
2019 ◽  
Vol 19 (18) ◽  
pp. 3904 ◽  
Author(s):  
Wei ◽  
Yuan ◽  
Yu ◽  
Huang ◽  
Cao
Keyword(s):  
Ridge Regression ◽  
Reflectance Spectroscopy ◽  
Gradient Boosting ◽  
Support Vector ◽  
Arsenic Content ◽  
Jianghan Plain ◽  
Gaussian Filtering ◽  
Extreme Gradient Boosting ◽  
Validation Set ◽  
Field Reflectance

: In this study, in order to solve the difficulty of the inversion of soil arsenic (As) content using laboratory and field reflectance spectroscopy, we examined the transferability of the prediction method. Sixty-three soil samples from the Daye city area of the Jianghan Plain region of China were taken and studied in this research. The characteristic wavelengths of soil As content were then extracted from the full bands based on iteratively retaining informative variables (IRIV) coupled with Spearman’s rank correlation analysis (SCA). Firstly, the IRIV algorithm was used to roughly select the original spectral data. Gaussian filtering (GF), first derivative (FD) filtering, and gaussian filtering again (GFA) pretreatments were then used to improve the correlation between the spectra and soil As content. A subset with absolute correlation values greater than 0.6 was then retained as the optimal subset after each pretreatment. Finally, partial least squares regression (PLSR), Bayesian ridge regression (BRR), ridge regression (RR), kernel ridge regression (KRR), support vector machine regression (SVMR), eXtreme gradient boosting (XGBoost) regression, and random forest regression (RFR) models were used to estimate the soil As values using the different characteristic variables. The results showed that, compared with the traditional method based on IRIV, using the characteristic bands selected by the IRIV-SCA method can effectively improve the prediction accuracy of the models. For the laboratory spectra experiment stage, the six most representative characteristic bands were selected. The performance of IRIV-SCA-SVMR was found to be the best, with the coefficient of determination (R2), root-mean-square error (RMSE), and mean absolute error (MAE) in the validation set being 0.97, 0.22, and 0.11, respectively. For the field spectra experiment stage, the 12 most representative characteristic bands were selected. The performance of IRIV-SCA-XGBoost was found to be the best, with the R2, RMSE, and MAE in the validation set being 0.83, 0.35, and 0.29, respectively. The accuracy and stability of the inversion of soil As content are significantly improved by the use of the proposed method, and the method could be used to provide accurate data for decision support for the treatment and recovery of As pollution over a large area.

Examining view angle effects on leaf N estimation in wheat using field reflectance spectroscopy

2016 ◽  
Vol 122 ◽  
pp. 57-67 ◽  
Author(s):  
Xiao Song ◽  
Wei Feng ◽  
Li He ◽  
Duanyang Xu ◽  
Hai-Yan Zhang ◽  
...  
Keyword(s):  
Reflectance Spectroscopy ◽  
Field Reflectance ◽  
Leaf N

scholarly journals Monitoring organic carbon, total nitrogen, and pH for reclaimed soils using field reflectance spectroscopy

2017 ◽  
Vol 97 (2) ◽  
pp. 241-248 ◽  
Author(s):  
P.T. Sorenson ◽  
C. Small ◽  
M.C. Tappert ◽  
S.A. Quideau ◽  
B. Drozdowski ◽  
...  
Keyword(s):  
Organic Carbon ◽  
Total Nitrogen ◽  
Reflectance Spectroscopy ◽  
Field Reflectance ◽  
Reclaimed Soils

Use of reflectance spectroscopy to estimate the organic carbon and CaCO3 contents of soils

2012 ◽  
Vol 61 (2) ◽  
pp. 277-290 ◽  
Author(s):  
Ádám Csorba ◽  
Vince Láng ◽  
László Fenyvesi ◽  
Erika Michéli
Keyword(s):  
Organic Carbon ◽  
Least Squares ◽  
Partial Least Squares ◽  
Partial Least Squares Regression ◽  
Mean Squared Error ◽  
Reflectance Spectroscopy ◽  
Least Squares Regression ◽  
Root Mean Squared Error ◽  
Squared Error

Napjainkban egyre nagyobb igény mutatkozik olyan technológiák és módszerek kidolgozására és alkalmazására, melyek lehetővé teszik a gyors, költséghatékony és környezetbarát talajadat-felvételezést és kiértékelést. Ezeknek az igényeknek felel meg a reflektancia spektroszkópia, mely az elektromágneses spektrum látható (VIS) és közeli infravörös (NIR) tartományában (350–2500 nm) végzett reflektancia-mérésekre épül. Figyelembe véve, hogy a talajokról felvett reflektancia spektrum információban nagyon gazdag, és a vizsgált tartományban számos talajalkotó rendelkezik karakterisztikus spektrális „ujjlenyomattal”, egyetlen görbéből lehetővé válik nagyszámú, kulcsfontosságú talajparaméter egyidejű meghatározása. Dolgozatunkban, a reflektancia spektroszkópia alapjaira helyezett, a talajok ösz-szetételének meghatározását célzó módszertani fejlesztés első lépéseit mutatjuk be. Munkánk során talajok szervesszén- és CaCO3-tartalmának megbecslését lehetővé tévő többváltozós matematikai-statisztikai módszerekre (részleges legkisebb négyzetek módszere, partial least squares regression – PLSR) épülő prediktív modellek létrehozását és tesztelését végeztük el. A létrehozott modellek tesztelése során megállapítottuk, hogy az eljárás mindkét talajparaméter esetében magas R2értéket [R2(szerves szén) = 0,815; R2(CaCO3) = 0,907] adott. A becslés pontosságát jelző közepes négyzetes eltérés (root mean squared error – RMSE) érték mindkét paraméter esetében közepesnek mondható [RMSE (szerves szén) = 0,467; RMSE (CaCO3) = 3,508], mely a reflektancia mérési előírások standardizálásával jelentősen javítható. Vizsgálataink alapján arra a következtetésre jutottunk, hogy a reflektancia spektroszkópia és a többváltozós kemometriai eljárások együttes alkalmazásával, gyors és költséghatékony adatfelvételezési és -értékelési módszerhez juthatunk.

Sign in / Sign up

Export Citation Format

Share Document