《表4 采用多元线性回归模型对茶园土壤p H值定量预测结果Table 4 The predict results of soil p H value in tea garden using multi

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于近红外光谱技术的茶园土壤酸碱状况快速判别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在茶园生产管理过程中，土壤p H值随着自然因素（生物、气候、母质等）和人为活动（施肥、灌溉等）的影响一直处于动态变化。通过定性判别可以监测到土壤相对稳定地分布在一定p H范围内，判定茶树是否正常生长。但是，要采取科学合理的手段改善土壤酸碱度（缓冲性、合理施肥等），定量检测p H值来预测酸碱状况是十分必要的。为了更加准确地量化判别茶园土壤酸碱状况，基于定性判别的结果，对样本的p H值进行定量预测。采用优选的20个特征变量对应的光谱数据构建MLR模型对p H值定量预测，依据评价指标对模型精度进行判断。我国茶区分布范围较广泛，不同茶区样本土壤类型多样，土壤内部特性差异很大，加上3个p H范围的取样相对集中，因此建模难度较大。然而，从表4中看出，α1、α2、α3……α21为3个MLR模型的回归系数。校正集的预测相关系数都达到0.99以上。为验证模型的有效性和适应性，对每个p H范围未参与建模的样品进行预测，预测相关系数均在0.928 6以上。将预测值与实际测定值进行方差分析，两种方法测的结果差异不显著。这表示优选出的特征光谱用来预测p H值是可行的。可见，采用MLR构建的模型预测土壤p H值效果极佳。