Page 20 - การประเมินปริมาณโพแทสเซียมในดิน ด้วยเทคนิคเนียร์อินฟราเรด (NIR) The evaluation of Potassium content in soil by Near Infrared.

ห้องสมุดกรมพัฒนาที่ดิน

20

3. การสร้างสมการสำหรับทำนายปริมาณโพแทสเซียมในดินและการทดสอบความถูกต้องของสมการ

ในการสร้างสมการเพื่อใช้ทำนายปริมาณโพแทสเซียมในดินให้ได้สมการที่มีความจำเพาะและมี

ประสิทธิภาพในการทำนายมากขึ้น จำเป็นต้องใช้กลุ่มข้อมูลที่ดี ซึ่งทำโดยการตัดข้อมูลกลุ่มที่มีค่านอกกลุ่มออก
จากกลุ่มตัวอย่างทดสอบ (โดยข้อมูลสเปกตรัมของตัวอย่างดินที่มีค่า Mahalanobis distance statistical > 3.0

จัดถูกเป็นกลุ่มของข้อมูลที่มีค่านอกกลุ่ม) หลังจากนั้นทำการปรับแต่งสเปกตรัมเพื่อลดความคลาดเคลื่อนจากการ

วิเคราะห์ โดยการจัดการทางคณิตศาตร์ด้วยวิธีทางเคโมเมตริกแบบต่างๆ ได้แก่ First Derivative, Vector
Normalization และ First Derivative and Vector Normalization จากนั้นจึงสร้างสมการคาลิเบรชัน

(calibration) โดยใช้เทคนิค Partial Least Square Regression (PLSR) และการทดสอบความถูกต้องของสมการ

ที่สร้างขึ้นด้วยวิธีการตรวจสอบแบบ cross validation (การตัดตัวอย่างออกทีละกลุ่ม กลุ่มละ 5% เพื่อใช้เป็นชุด
ทดสอบความถูกต้องของสมการ และใช้กลุ่มตัวอย่างที่เหลือเป็นชุดสร้างสมการทำนาย) รายละเอียดดังนี้

ตารางที่ 4 แสดงประสิทธิภาพของสมการคาลิเบรชัน (Calibration) ในแต่ละกลุ่มตัวอย่างที่ถูกสร้างขึ้น

ชนิดของสมการ R RMSEE RPD ทรีทเมนต์
2
ตัวอย่างดินทั้งหมด 0.54 39.30 1.48 First derivative

ปริมาณดินเหนียว ≤20% 0.71 8.27 1.85 First derivative

ปริมาณดินเหนียว 21-40% 0.87 12.50 3.15 First derivative

ปริมาณดินเหนียว 41-60% 0.90 14.00 3.22 First derivative + SNV

ปริมาณดินเหนียว >60% 0.97 10.80 5.99 SNV

ตารางที่ 5 แสดงประสิทธิภาพของการทดสอบความถูกต้องของสมการที่สร้างขึ้น (validation)

ชนิดของสมการ R 2 RMSECV RPD Bias ทรีทเมนต์

ตัวอย่างดินทั้งหมด 0.49 41.50 1.40 0.18 First derivative

ปริมาณดินเหนียว ≤20% 0.64 9.02 1.67 -0.10 First derivative

ปริมาณดินเหนียว 21-40% 0.84 13.50 3.01 0.21 First derivative

ปริมาณดินเหนียว 41-60% 0.88 15.20 3.12 0.44 First derivative + SNV

ปริมาณดินเหนียว >60% 0.95 13.70 4.49 -0.96 SNV