Soil type recognition as improved by genetic algorithm-based variable selection using near infrared spectroscopy and partial least squares discriminant analysis.

Xie, H.T., Zhao, J., Wang, Q., Sui, Y., Wang, J., Yang, X.M., Zhang, X., et Liang, C. (2015). « Soil type recognition as improved by genetic algorithm-based variable selection using near infrared spectroscopy and partial least squares discriminant analysis. », Scientific Reports, 5(Article number 10930), p. 1-10. doi : 10.1038/srep10930  Accès au texte intégral (en anglais seulement)

Résumé

Les types de sols sont traditionnellement déterminés selon leurs propriétés physiques et chimiques, leurs horizons diagnostiques et leurs processus de formation (pédogenèse) au moyen d’un système de classification donné. Il s’agit d’un processus long et laborieux. La spectroscopie dans le proche infrarouge peut caractériser de façon exhaustive les propriétés d’un sol et ainsi offrir une autre méthode viable de détermination du type de sol. Dans cette étude, nous présentons une méthode d’analyse discriminante par les moindres carrés partiels (ADMCP) des spectres dans le proche infrarouge pour déterminer les types de sol de 230 échantillons de la couche supérieure (0‑10 cm) de sols agricoles représentant cinq classes de sol différentes (luvisols albiques, luvisols hapliques, chernozems, cambisols eutriques et phaeozems) dans le nord est de la Chine. L’ADMCP a présenté en moyenne une exactitude de validation interne de 89 % et une exactitude de validation externe de 83 %, et la sélection de variables par l’algorithme génétique (AG et AG ADMCP) a permis d’accroître ces valeurs à 92 % et à 93 %, respectivement. Nos résultats indiquent que la technique de sélection de variables par AG peut améliorer significativement le taux d’exactitude de la détermination des types de sols au moyen de la spectroscopie dans le proche infrarouge et que notre méthode est prometteuse.

Date de modification :