水分对土壤有机质近红外光谱检测影响的研究

发布时间：2021-02-12 19:12

　　为了分析水分对土壤有机质近红外检测的影响,采集了54种土壤,根据土壤含水率配制方法配制了不同梯度的土壤含水率,然后采用ASD的FieldSpec3光谱仪分别对不同梯度的土壤含水率进行了检测,同时采用标准测试方法测得了所采土壤的土壤有机质含量。具体开展了以下工作：（1）分析了当含水率不同时,土壤的一维、二维近红外光谱图,结果表明,二维相关近红外谱可以较明显的显示水分对哪些波段比较敏感。在350～2500nm波段范围内,54种土壤的同步二维相关光谱图比较类似,都在2210nm,1929nm附近处出现较强的自动峰,在1415nm附近处有较弱的自动峰。从三处自相关峰的密集程度来看,1929nm处对应的官能团对水分最敏感,2210nm处次之,1415nm处最不敏感。（2）采用偏最小二乘法在1365nm-1465nm、1879nm-1979nm、2160nm-2260nm波段内建立了水分的土壤近红外光谱的预测模型,得出相关系数为0.9587,均方根误差（RMSE）为0.0177,预测相关系数为0.9443,预测均方根误差（RMSE）为0.0207。（3）采用偏最小二乘法在600nm-2500nm波... 

【文章来源】：山西农业大学山西省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

编号为10的土壤样本不同含水率一维光谱图

6.1.1 600-2500nm 波段从全波段原始光谱图（图6-1)中可以看到350nm-600nm波段内曲线平滑并且没有吸收峰，因此建立干土近红外光谱与土壤有机质含量的模型可以从600nm-2500nm波段内进行。图6-]为干土全波段原始光谱图1,6j"“‘ 1 1 1 [1.4r -iP 1-2-I 1- II。.8- -■ 0 500 1000 1500 2000 2500wavelength/nm图6-1干土全波段近红外光谱原始图Fig 6-1 All band original spectra of dry soil in soil samples我们用偏最小二乘回归来建立模型。从随机编号的土壤样本中抽取1-18和37-44-26-

6.1.2 700nm-2500nm由于在6.1.1节中提出，在600nm-2500nn波段内建立的干土土壤有机质含量预测模型时运算量过大并且预测相关系数和预测均方根误差不太满意，因此我们接下来建立700nm-2500nm波段内干土土壤有机质含量预测模型。图6-6为700nm-2500nm波段的干土原始光谱图近红外光谱图。为了使实验结论更加准确严谨，建模波段和建模方法与以上相同。都是从随机编号的土壤样本中抽取1-18和37-44 土壤样本对应的光谱波段用偏最小二乘回归来进行建立模型，19-36和45-51 土壤样本对应的光谱波段用偏最小二乘回归来进行预测，以后遇到建模不加说明。0.65| i 1 i 1 1 1 1 1 1

【参考文献】：
期刊论文
[1]利用二维红外相关光谱研究胶原/透明质酸共混物的相互作用[J]. 谭擎天,田振华,李国英.  光谱学与光谱分析. 2011(04)
[2]黑土反射光谱特征影响因素分析[J]. 刘焕军,宇万太,张新乐,马强,周桦,姜子绍.  光谱学与光谱分析. 2009(11)
[3]近红外光谱小波分析在土壤参数预测中的应用[J]. 郑立华,李民赞,潘娈,孙建英,唐宁.  光谱学与光谱分析. 2009(06)
[4]近红外光谱法研究升温导致的尼龙1010结晶区域的变化[J]. 徐艳,武培怡.  化学学报. 2008(16)
[5]杨木和桉木的二维相关红外光谱[J]. 黄安民,周群,费本华,孙素琴.  光谱学与光谱分析. 2008(08)
[6]松嫩平原典型土壤高光谱定量遥感研究[J]. 刘焕军,张柏,刘殿伟,王宗明,宋开山,杨飞.  遥感学报. 2008(04)
[7]应用近红外光谱法测定土壤的有机质和pH值[J]. 朱登胜,吴迪,宋海燕,何勇.  农业工程学报. 2008(06)
[8]含氮芳香类药物的近红外及二维相关光谱分析[J]. 刘浩,黄艳萍,高鸿彬,相秉仁,屈凌波,徐建平.  计算机与应用化学. 2008(06)
[9]土壤全氮田间Vis/NIR光谱测定方法研究[J]. 汪善勤,舒宁,张海涛.  光谱学与光谱分析. 2008(04)
[10]基于光谱技术的土壤有机质快速测定仪的开发[J]. 唐宁,李民赞,孙建英,郑立华,潘娈.  光谱学与光谱分析. 2007(10)



本文编号：3031313