土壤速效养分高光谱检测方法研究

发布时间：2020-05-28 17:46

【摘要】：土壤速效养分主要包括速效氮、速效磷和速效钾(N、P和K),这三种土壤属性是作物赖以生存的基础,其精确测量或估算对测土配方施肥、作物优质高产稳产以及资源节约利用等均具有重要意义。土壤速效养分的测定通常采用实验室理化测试法,由于其耗时、费力、低效等缺陷,已不适应现代精准农业的发展要求。光谱分析技术具有快速、无损、高效等特点,在土壤属性检测中有很大的应用潜力。近年来,国内外专家学者在土壤属性光谱检测领域开展了不少研究工作,尤其是有机质、水分等属性已取得了较好的检测效果。而土壤速效养分由于含量极低,光谱特征不明显,且野外条件下光谱易受光照、水分、大气吸收和土壤表面属性等环境因素的干扰,导致其检测模型预测精度较差,迄今尚不能实现野外条件下的土壤速效养光谱定量检测。本研究针对土壤速效养分光谱检测模型预测精度较低的问题,以皖北麦玉轮作区的砂姜黑土和以色列内盖夫沙漠径流收集系统的黄绵土为研究对象,分别使用室内400-1000 nm可见近红外(VNIR)成像高光谱和野外400-2500 nm可见近红及短波近红外(VNIR/SWIR)地物高光谱对土壤速效养分进行定量建模分析,通过改进预处理变换、优化建模算法、去除无关信息等方法,提高了土壤速效养分高光谱检测模型的精度。主要研究工作和成果总结如下:(1)比较了不同校正方法对土壤速效养分VNIR成像高光谱预测模型的影响。构建了室内成像高光谱采集系统,分析了砂姜黑土400-1000 nm VNIR的反射率高光谱曲线特征;使用预处理变换光谱和原始光谱(共22种光谱)分别结合3种算法进行校正建模。结果表明,光谱经滤波后再进行相应的导数变换、散射校正等处理,可以有效提高模型的预测性能,尤其是结合线性PLS-R建模算法。而非线性的LS-SVM和BPNN与部分未经滤波的预处理变换光谱结合进行建模,也表现出了良好的效果。SNV/BPNN(相对分析误差RPD=2.09,解释总方差占总方差之比SSR/SST=0.85)被选用于P的校正预测,SG+LG/PLS-R(RPD=1.47,SSR/SST=0.95)被选用于K的校正预测,但N的预测是不成功的。(2)提出了基于PLS-BPNN的土壤速效磷高光谱预测方法。采用PLS对VNIR成像高光谱数据进行数据降维和特征提取,根据交叉验证和变量投影重要性分别得到潜在变量和特征波长;再分别作为BP神经网络的输入,以优化土壤速效磷的SNV/BPNN定量回归模型。通过与全部波长数据建立的BPNN模型进行对比分析,发现PLS-BPNN算法能够有效减小高光谱数据冗余和共线性对模型性能的影响,利用PLS的潜在变量代替原始波长建立的模型更适合用于土壤速效磷的定量预测,相对于全部波长建模,预测精度提高了9.60%。(3)提出了基于多任务学习的土壤速效养分野外光谱预测方法。在野外条件下,采集土壤在350-2500 nm的VNIR/SWIR原位反射率高光谱,引入野外原位土壤中的水分含量(WC)、酸碱度(pH)、电导率(EC)和有机质(OM)含量等重要土壤属性作为参考响应变量,基于正则化混乱模型的线性多任务学习(LMTL)算法,利用不同属性之间的共享特征和非共享特征同步建立了7种土壤属性的预测模型;并与常用的单任务回归算法(PLS-R)建立的模型进行预测性能上的对比。结果发现,7种土壤属性多任务模型的预测能力均优于传统的PLS-R单任务模型,其中,N和P的预测RPD分别为1.40和1.49,SSR/SST分别为0.58和0.64,K的RPD为1.22,SSR/SST为0.52。(4)分析了土壤野外原位VNIR/SWIR光谱的特征,明确了速效养分VNIR/SWIR光谱预测机理。综合各个波段在PLS-R模型中的变量投影重要性(VIP)得分和在LMTL模型中的回归系数,研究了速效养分N、P和K以及其他4种属性之间的特征波长分布规律,对比分析了各属性预测模型之间的共享特征和非共享特征,探明了N、P和K的VNIR/SWIR光谱预测机理。发现N、P和K在VNIR/SWIR光谱中没有直接的相关特征,而土壤中的铁氧化物、水分含量、有机物和黏土矿物对土壤光谱有较大影响,在VNIR/SWIR中形成了4个特征块区域,构成了不同土壤属性预测即不同任务之间共享特征的基础;LMTL模型能够借助这种共享特征来提高模型的泛化能力。(5)构建了基于GLSW和Lasso的双收缩光谱分析算法。利用Y-梯度广义最小二乘加权算法(GLSW)建立野外原位光谱的滤波修正模型;使用滤波修正模型对光谱进行收缩滤波,去除数据中与响应变量(即N、P或K)无关的信息;再使用Lasso对滤波校正后的光谱进行回归建模,实现对回归系数的收缩。同时,使用GLSW滤波修正后的和未修正的光谱分别结合PLS-R和Lasso建立预测模型,比较分析各模型的预测性能。结果发现,N、P和K的双收缩模型仅利用了34个、29个和19个特征波长,预测RPD分别为1.42、1.65和1.33,预测精度优于单收缩模型GLSW+PLS-R、Lasso,以及未收缩的PLS-R模型,甚至优于LMTL模型。因此,双收缩分析法能够有效去除光谱数据中的噪声等无关信息以及光谱冗余信息对模型预测精度的影响。论文研究成果明确了土壤速效养分高光谱预测机理,为土壤速效养分高光谱快速无损检测模型精度的提高提供了新的思路,为土壤速效养分快速检测与管理以及现代精准农业技术的发展提供了重要的理论依据和实践基础。
【图文】：

成像光谱技术研究成果较少，其对土壤速效养分的检测性能仍然需要进一步开展研究。利用成像或非成像的高光谱进行土壤养分检测的技术流程与传统的近红外光谱分析技术类似，一般如图1-1所示，首先利用专业仪器设备采集土壤样本的光谱信息，同时利用传统化学计量检测方法测出土壤样本中养分的实际含量数值，再对光谱进行一定的预处理操作得到被测成分的特征光谱，进而结合特征光谱和化学测量值进行定量建模分析，最后利用建立的模型实现对土壤养分信息的反演预测。图 1- 1 高光谱技术用于土壤养分检测流程Figure 1- 1 The flowchart of predicting soil property using hyperspectral data国内外不少学者将研究重点放在了室内研究工作，土壤营养成分如有机质（organic matter, OM）、总氮（total nitrogen, TN）等均有建立的室内测量模型，，且预测精度较高。土壤速效养分 N、P 和 K 在土壤中的含量很低，且在 VNIR/SWIR 区域并无明显的吸收带

图 1- 2ASD 高密度接触式反射探头Figure 1- 2 ASD high intensity contact reflectance probe接利用裸露光纤，以太阳光为光源，直接在光谱信号。这种方式快速，便捷，不需要对照强度和角度的干扰，且大气中的水汽吸收用非接触式采集了土壤原位 VNIR 数据（40、速效钾的预测模型，其中模型决定系数 R2用非接触式采集了土壤原位 VNIR/SWIR 数的预测 R2分别为 0.45 和 0.43，远低于室内实时光谱测量法一般是由拖拉机等牵引装置靠内置光源实时动态测量土壤光谱。Mouaz 光谱仪的土壤传感器，该传感器附在深耕犁验室建立的 PLS 校正模型进行土壤总碳、土壤水分含量的预测结果决定系数达到 0.89 ASD 可见近红外光谱仪（350-2500nm）设计量室，建立了水分和粗糙度变化条件下的
【学位授予单位】：安徽农业大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：S158

【相似文献】

相关期刊论文 前10条

1 夏大中;周喜富;;土壤速效养分在不同时期的变化规律[J];现代化农业;1990年11期

2 刘淑欣;熊德中;吴少华;陈淑婷;;福建滨海丰产萄萄的土宜条件[J];福建农学院学报;1989年04期

3 李纯燕;杨恒山;萨如拉;张瑞富;曹倩;张丽娟;;不同耕作措施下秸秆还田对土壤速效养分和微生物量的影响[J];水土保持学报;2017年01期

4 张晋爱;;改良盐碱地土壤速效养分变化特征[J];北京农业;2014年33期

5 王红娟;白由路;魏义长;;东北平原土壤速效养分状况与分布研究[J];中国土壤与肥料;2008年02期

6 盛建东,肖华,武红旗,陈冰,王军,杨新建;不同取样尺度农田土壤速效养分空间变异特征初步研究[J];干旱地区农业研究;2005年02期

7 林颖 ,张丁娜,宋庆英;土壤速效养分变化趋势及对策[J];黑河科技;2002年03期

8 吴志鹏;姜欣;许慧慧;张苗苗;唐寅;徐虎;王运;王志强;;用于土壤速效养分测定的多联可控时速搅拌机设计[J];安阳工学院学报;2017年06期

9 刘志华;丛聪;智嘉禾;王嘉翼;李晓梅;孙彦坤;张丽莉;石瑛;李瑶;;干旱条件下生物炭施用量对马铃薯块茎形成期土壤速效养分含量的影响[J];中国马铃薯;2015年03期

10 吕国红;张玉书;纪瑞鹏;王笑影;陈鹏狮;;辽宁省农田土壤速效养分的空间分布[J];贵州农业科学;2010年06期

相关会议论文 前6条

1 燕兴权;;创新实验教学“土壤速效养分的测定”案例分析[A];第五届中国教育技术装备论坛获奖论文集（中）[C];2014年

2 袁媛;常庆瑞;;基于GIS的县域耕地土壤速效养分丰缺度研究[A];第35届中国气象学会年会 S25 研究生论坛[C];2018年

3 高志勤;;毛竹林分土壤速效养分的变化特征[A];节能环保 和谐发展——2007中国科协年会论文集（三）[C];2007年

4 张乃明;文波龙;速东艳;陈泽涛;;滇池大清河流域农田土壤氮素累积及对水环境的影响[A];土壤资源持续利用和生态环境安全——中国土壤学会第十一届二次理事扩大会议暨学术会议论文集[C];2009年

5 路钰;于福成;于明;程波;;生物有机肥肥效机理及对作物产量、品质的影响[A];中国地壤学会第十次全国会员代表大会暨第五届海峡两岸土壤肥料学术交流研讨会文集（面向农业与环境的土壤科学专题篇）[C];2004年

6 王莉;王永刚;戴继光;张永清;;ASI法P的浸出特征及生物有效性研究[A];中国植物营养与肥料学会2010年学术年会论文集[C];2010年

相关重要报纸文章 前4条

1 冯国民;新建大棚的培肥要诀[N];科学导报;2005年

2 余宏章;棉田盖草 省肥不少[N];农资导报;2014年

3 祝嘉;三类蔬菜如何施肥?[N];陕西科技报;2013年

4 记者 张连城;我市首批“绿色道路”通车[N];深圳特区报;2010年

相关博士学位论文 前2条

1 齐海军;土壤速效养分高光谱检测方法研究[D];安徽农业大学;2018年

2 田福平;黄土高原单播人工草地碳储量及其土壤速效养分特征研究[D];甘肃农业大学;2015年

相关硕士学位论文 前10条

1 林宝平;采伐剩余物管理措施对二代杉木人工林土壤速效养分的长期效应[D];福建农林大学;2017年

2 王豹;南方典型菜地土壤速效养分时空变异特征研究[D];山东农业大学;2008年

3 杨可;养殖场沼液高效及安全利用技术的研究[D];华中农业大学;2011年

4 柴颖;氮磷肥配施对土壤速效养分及玉米产量的影响[D];石河子大学;2015年

5 李强;不同氮素形态配比对冬小麦田土壤速效养分含量及酶活性的影响[D];河南科技大学;2013年

6 周箬涵;不同氮素形态及配比对娃娃菜产量、品质及其养分吸收的影响[D];甘肃农业大学;2015年

7 马嘉伟;沼渣、竹炭对土壤肥力质量和水稻产量及养分吸收的影响[D];浙江农林大学;2013年

8 朱牧之;嘉兴市南湖区土壤养分时空变异研究[D];浙江大学;2007年

9 姬艳艳;不同耕作方式对农田土壤昆虫生境影响的研究[D];山东农业大学;2012年

10 何莉莉;生物炭对土壤微生态环境的影响及机理研究[D];中国林业科学研究院;2013年

本文编号：2685599