吉林建筑大学测绘与勘查工程学院, 吉林 长春 130118
黑土中的有机质、 磷和钾等养分元素在作物生长过程中起着至关重要的作用, 研究黑土养分元素的分布特征, 开展元素含量的定量计算, 对黑土地的科学管理和环境保护具有重要意义。 基于黑龙江省讷河市80份黑土样品和高光谱实测数据, 分析了光谱反射率、 反射率一阶微分、 反射率倒数对数、 反射率倒数对数一阶微分与土壤有机质、 磷元素和钾元素含量的相关性, 并利用相关系数法提取敏感波段。 针对机器学习模型中参数值优化选择问题, 引入蝙蝠算法(BA)并与Adaboost模型相结合, 利用BA对Adaboost模型中的最大迭代次数n和弱学习器权重缩减系数v两个核心参数进行寻优计算, 选择CART决策树为模型的弱回归学习器, 决定系数作为参数优化的目标函数值, 构建BA-Adaboost土壤养分含量高光谱预测模型, 定量估测土壤有机质、 磷元素和钾元素含量, 结果表明: BA-Adaboost组合模型可以快速搜索全局最优参数, 经BA优化后的Adaboost模型精度和可靠性显著提高, 3种元素中, 土壤有机质估测精度最高, 决定系数和均方根误差分别为0.864和0.152 g·kg-1, 对比优化前模型预测精度提高了14.2%和25.4%, 说明构建的BA-Adaboost模型在土壤元素含量高光谱估测中具有一定的应用前景, 是一种高效的估测方法。
黑土区 土壤养分含量 高光谱估测 蝙蝠算法 Adaboost模型 Black soil region Soil nutrient content Hyperspectral estimation Bat algorithm Adaboost model 光谱学与光谱分析
2020, 40(12): 3825
山东省科学院海洋仪器仪表研究所, 山东 青岛 266061
在测定土壤养分中, 可见-近红外光谱技术具有很大的应用空间。 该研究探讨了基于可见-近红外光谱（250～950 nm）离线、 快速测定土壤总氮（TN）、 总磷（TP）、 总钾（TK）、 总碳（TC）等土壤养分的方法及应用。 采集青岛三个不同地区土壤样品（异质性较高的山地土壤与河畔土壤）各60份, 总计180份, 并测定其TN, TP, TK, TC含量及其可见-近红外反射光谱, 利用Kennard-Stone法按2∶1比例划分校正集和检验集, 采用遗传算法分别提取TN, TP, TK, TC特征波长, 以偏最小二乘法建立定量分析模型。 TN, TP, TK, TC含量所建光谱模型的相关系数分别为0.970, 0.964, 0.680和0.967, 检验集的相关系数分别为0.980, 0.937, 0.717和0.972, 检验集的RPD值分别为4.570, 2.424, 1.411和4.135。 结果表明, 该方法能够对土壤TN, TP, TC含量进行精确预测, 对土壤TK含量进行粗略预测。 该研究主要依靠可见光波段, 较好的预测了异质性较高的土壤的氮磷钾等养分含量, 有望降低未来土壤养分速测的成本。 此外, 该研究还提供了青岛土壤养分的光谱库, 为我国土壤大数据库的建立提供技术支撑。
可见-近红外光谱 土壤养分 遗传算法 快速检测 Visible and near infrared reflectance spectroscopy Soil nutrient Genetic algorithm Rapid detection 光谱学与光谱分析
2017, 37(11): 3562
1 中国农业大学资源与环境学院, 北京100193
2 云南省烟草农业科学研究院, 云南 昆明650021
3 中国农业大学信息与电气工程学院, 北京100083
要实现农田合理施肥, 需要对土壤养分状况进行实时、 准确地诊断, 因而建立快速、 稳定可靠的土壤养分定量分析方法是关键。光谱分析是一种有很大潜力的快速分析方法, 从可见/近红外光谱建模的几个重要环节, 即特征波段、 预处理方法及回归模型方法的选择, 研究了土壤有效氮、 磷、 钾含量快速估测的光谱建模方法。采用了多元散射校正加一阶导数进行光谱预处理, 通过逐波段相关分析在可见-近红外区优选特征波段, 并应用了局部非线性回归方法(BP神经网络局部回归法)建模, 所建模型对土壤有效氮、 磷、 钾含量估测的相关系数r分别为0.90, 0.82和0.94, BP神经网络局部建模比全局建模具有更好的精度和稳定性, 估测精度提高幅度分别为40.63%, 28.64%, 22.90%。因此, 采用局部BP神经网络回归建模法建立土壤有效氮、 磷、 钾的光谱定量分析模型, 可实现对土壤养分状况的快速诊断。该研究的创新点是通过采用局部非线性回归方法提高了土壤光谱营养诊断模型的稳定性和可靠性, 为作物生长过程中不同生长时期的土壤养分的动态监测和过程控制提供了技术支持。
可见/近红外光谱技术 土壤养分 神经网络 局部回归 模型 Visible/near-infrared spectrum Soil nutrient Neural network Local regression Model 光谱学与光谱分析
2014, 34(8): 2102
1 中国农业大学水利与土木工程学院, 北京 100083
2 北京普析通用仪器有限责任公司, 北京 100081
针对测土配方施肥技术中要求快速、 便捷、 高效地进行土壤养分测试的需求, 文章基于浸入式光纤探头、 平场凹面全息光栅、 二极管线阵检测器开发了一种光纤探头式分光光度计用于土壤养分中非金属元素的快速、 准确测试。 基于国家计量检定规程JJG 178—2007对紫外、 可见、 近红外分光光度计的性能检测方法测试的该仪器的波长最大允许误差与波长重复性、 基线平直度、 透射比最大允许误差与透射比重复性均达到了国标第Ⅲ级别标准, 其最小光谱带宽、 噪声与漂移、 杂散光基本达到了国标第Ⅳ级别标准。 基于该仪器测试的土壤硝态氮、 铵态氮、 有效磷、 有效硫、 有效硼、 和有机质含量与基于商用的国产单光束和进口双光束分光光度计测试的结果呈极显著的线性相关关系, 其回归方程的斜率接近于1, 且对比数据之间无显著性差异。 因此, 该光纤探头式分光光度计可用于土壤非金属养分的快速、 准确测试。
二极管线阵检测器 非金属元素 性能测试 土壤养分测试 Diode array detector Non-metallic elements Performance test Soil nutrient determination
中国科学院长春光学精密机械与物理研究所, 应用光学国家重点实验室, 吉林 长春 130033
精准农业是近年来国际上农业科学研究的热点领域, 是现代信息技术和传统农业紧密结合的产物。 近红外光谱技术(NIRS)作为一种无损、 实时、 准确的分析手段, 在土壤学领域的应用逐渐得到了人们的重视, 是实现精准农业的有效手段之一。 对其目前在土壤学领域的应用进行了介绍和分析,认为NIRS在土壤学领域的发展方向应该是田间信息实时采集技术, 即在田间条件下利用便携式NIRS分析仪对土壤养分和农作物苗情进行实时分析和处理, 另外NIRS还可以与空间遥感技术相结合, 宏观掌握农作物所需营养及其长势信息, 从根本上改变我国粗放型农业现状。
近红外光谱技术 精准农业 化学计量学 土壤养分 Near infrared spectroscopy Precision agriculture Chemometrics Soil nutrient
