第28卷2012年第12期6月农业工程学报
TransactionsoftheChineseSocietyofAgriculturalEngineeringVol.28No.12Jun.2012183
基于近红外光谱的土壤全氮含量估算模型
张娟娟1,2,田永超2,姚霞2,曹卫星2,马新明1,朱艳2※
(1.河南农业大学信息与管理科学学院,郑州450002;2.南京农业大学国家信息农业工程技术中心,
江苏省信息农业高技术研究重点实验室,南京210095)
摘要:土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对
建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000~5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000~5500cm-1)为建模区域可以得到更好的预测效果。关键词:土壤,全氮,近红外光谱,模型,偏最小二乘法doi:10.3969/j.issn.1002-6819.2012.12.030中图分类号:S153.6;TN219文献标志码:A文章编号:1002-6819(2012)-12-0183-06张娟娟,田永超,朱艳,等.基于近红外光谱的土壤全氮含量估算模型[J].农业工程学报,2012,28(12):183-188.ZhangJuanjuan,TianYongchao,YaoXia,etal.Estimatingmodelofsoiltotalnitrogencontentbasedonnear-infraredspectroscopyanalysis[J].TransactionsoftheChineseSocietyofAgriculturalEngineering(TransactionsoftheCSAE),2012,28(12):183-188.(inChinesewithEnglishabstract)
0引
言
快速准确地获取土壤养分信息是精确农业的关键之一。土壤氮素丰缺状况直接影响作物的生长状况及产量品质形成。Kjeldhl或Bremner法等传统土壤氮测定方法耗时、费工、有污染,且时效性弱[1],难以满足实时监测土壤全氮含量的需要,开发土壤相关参数测定的精密快速的实时分析仪器显得尤为重要。
近红外反射光谱(NIRS)技术具有快速高效监测的特点,已在农业及其它许多领域得到广泛应用[2-4]。通过分析土壤全氮含量与土壤近红外反射光谱间的关系建立监测模型,具有较高的预测精度[5-13]。然而,以往土壤近红外光谱模型研究多以全波段区域的光谱信息建立多变量定标模型,虽可以获得较多的样品成分信息,但同时容易受到冗余无关信息和非线性信息的干扰,建立的模型不稳定,很少在实际生产中推广应用。因此筛选在近红外区域与土壤全氮含量相关性
较高的波段并构建其估测模型,对于快速获取土壤养分信息,实施作物肥料精确管理尤为重要。部分研究基于近红外光谱和高光谱技术,阐明了土壤有机质与可见光-近红外光谱之间的关系,并利用光谱指数等方法建立了有机质的光谱估测模型[14-16],同时,基于ASDFieldSpecPro地物高光谱数据[17],比较了不同建模方法对土壤全氮估测的效果。但利用NIRS对土壤全氮进行预测时,如何结合近红外区域分子振动的特点,基于不同波谱区域结合不同的预处理方法进行土壤全氮近红外建模的研究还鲜有报道。
为此,本研究利用傅立叶NIRS技术采集不同类型土壤样品的光谱信息,运用偏最小二乘法结合不同的预处理方法优化选择土壤全氮的建模区域,建立适合5种土壤样本全氮含量的适宜估测模型,从而为土壤养分信息获取和肥料精确管理提供技术支持。
1
1.1
材料与方法
收稿日期:2011-06-22修订日期:2012-05-14
基金项目:国家自然科学基金项目(30900868);国家863计划项目(2010AA10A301);江苏高校优势学科建设工程资助项目(PAPD);河南科技攻关项目(112102110030)资助
作者简介:张娟娟(1979-),女,河南博爱人,博士,讲师,研究方向为农业遥感监测。郑州河南农业大学信息与管理科学学院,450002。Email:zhangjuan_2003@126.com.
※通信作者:朱艳(1976-),女,江苏南通人,博士,教授,研究方向为信息农业。南京南京农业大学/国家信息农业工程技术中心,210095。Email:yanzhu@njau.edu.cn.
土壤光谱采集
运用Antaris型傅立叶变换近红外光谱仪[14]进行土壤光谱采集。测试方法参见参考文献[14]。1.2土壤样品与全氮化学分析
试验土壤样品采集于我国中、东部地区郑州、滑县、宿州、南京、杭州、大丰和上海等地,共包括5种主要土壤类型:水稻土、潮土、砂浆黑土、盐潮土和盐土。土壤样品分别经过风干、磨碎及过筛处理供光谱分析和化学测试使用。土壤样本基本信息和土壤全氮含量的特
用近红外光谱对秦皇岛市昌黎地区土壤中的全氮含量进行了分析。对土壤光谱进行一阶微分,然后采用多元线性回归,确定最佳维数,建立校正模型,利用校正模型对土壤中全氮含量...
[2] 法, 建立了基于近红外光谱技术的土壤有机质含量和 土壤全氮含量的分析...最小二乘法(PLS)、 BP 神经网络(BPNN)和特征 光谱指数的土壤全氮含量估算模型...
朱艳 基于近红外光谱的土壤全氮含量估算模型[期刊论文]-农业工程学报 2012(12) 6.刘向新.周亚立.翟超.闫向辉.李生军 水平摘锭运动轨迹的分析[期刊论文]-中国...
r许索 了使用近红外光谱技术检测土壤全氮含量 的模型 , 型精 模 度达到 了...正 的影 响,提出了一个归一化的水分吸收指数 MAI 计算 方法如式 ,()示。 ...
许多研究探 lt 索了使用近红外光谱技术检测土壤全氮含量的模型,模型精56 度达到...为了消除水分对光谱修正的影 响,提出了一个归一化的水分吸收指数 MA ,计算方法...
基于近红外光谱技术的土壤参数BP神经网络预测_专业资料。利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了...
基于可见_近红外光谱技术预测茶鲜叶全氮含量_农学_农林牧渔_专业资料。第 28 ...鲍一丹等分析了土壤含水量和 土壤粒径大小对氮含量光谱预测模型的影响 [6 ] ...
质进行高光谱预测分析[8],Rossel 等利用 PLSR 算法结合近红外光谱预测了有机碳等 张娟娟等基于近红外光谱建立了 PLSR 土壤组分[9], 模型以估算土壤全氮含量[10...
预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析 模型...丁国香 基于高光谱的土壤有机质含量估算研究[期刊论文]-光谱学与光谱分析 2011...
北京典型耕作土壤养分的近红外光谱分析研究_专业资料...作为模型精度的评价指标.分析结果:土壤的全氮模型r2...不动的相对运动形式,模拟播种机田间运 动,通过计算...
热门文档