土壤总氮与有机质含量近红外光谱分析模型迁移研究

发布时间：2024-12-31 23:04

　　土壤质量是农业生产中保证农作物产量及品质的重要决定因素,总氮和有机质是评价土壤品质的两大重要成分指标,在农作物生长、发育、收获的过程中起着不可或缺的作用,快速获取土壤总氮含量及有机质含量,对于科学精准施肥,加快智慧农业发展进程具有重要意义。近红外光谱成分分析技术具有快速无损分析的优点,有望应用于大规模,大面积土壤成分检测。根据分光原理的不同,近红外光谱分析仪器可分色散型光谱仪、滤光片型光谱仪及干涉型近红外光谱仪等三类。目前,国内外尚未有可供使用的土壤有机质及全氮含量近红外光谱分析模型数据库,主要原因有两点:一是土壤样本数量较少,尚未实现覆盖较大区域的土壤有机质及全氮的近红外光谱采集;二是现有近红外光谱分析模型只能用于同型号甚至同台仪器,无法迁移通用,这也使得近红外光谱分析应用面临成本高、重复建模等问题。本论文针对以上问题,对土壤中有机质和全氮近红外光谱定量分析模型进行了系统深入研究。基于两台不同原理、不同结构的光谱仪,本文研究了不同种光谱进行模型迁移的可能性和迁移效果,论文主要内容如下:(1)对小型光栅型近红外光纤光谱仪和傅里叶变换近红外光谱仪的光谱分析模型进行了比较和差异成因分析。分别...

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

图１．１自１９９６年以来关于近红外光谱分析的研宄成果（图示结果来源于Ｗｅｂ??ｏｆ?Ｓｃｉｅｎｃｅ）??１．２．１近红外光谱分析技术在农业方面的研究现状??国外利用近红外光谱技术在农业领域的研究开展的较早，在上世纪６０年代??

山东大学硕士学位论文??随着大数据技术的飞速发展，共享数据将是必然趋势，不同研宄机构使用的光??谱仪的种类和相关参数不可能完全一致，导致这些光谱仪获取的光谱信息存在差??异。因此，要搭建满足需求的土壤成分光谱数据库，必须实现光谱相互转换的转??换（迁移）模型。??１．２国内外研究....

图１．２近年来近红外光谱分析技术在农业方面的研宄成果（数据来源于Ｗｅｂ??Ｏｆ?Ｓｃｉｅｎｃｅ）??

外预测模??型负相关系数为０．９２１，标准误差（误差越小，预测结果越准确）为０．２８％，?土壤??总氮近红外预测模型负相关系数为０．９２８，标准误差为０．０４６％。??１００－??９０－??８０－??７０＊??６０＞??５〇－?（?ｖ?‘ｙ?］?＇；??４０?…：??３〇－?．?....

图２．１神经元模型??

山东大学硕士学位论文??２近红外光谱数据处理与分析??２．１近红外光谱处理方法与建模方法??主成分分析（ＰＣＡ），ＢＰ神经网络［２９］等方法是经常被使用的光谱数据处理方??法与建模方法。本文主要使用主成分分析法提取光谱特征分别搭建光谱转换模型??和光谱分析模型，建模方法采用ＢＰ神....

图２．４约束条件２??本研究中处理的光谱数据为离散点数据，故需要对原本经验模态分解过程加以??改变

山东大学硕士学位论文??ｒ＼ｉ／＾?ｘ??图２．３约束条件１??上一－＾??：Ｗ！，（ｆ）Ｊ?图２．４约束条件２??本研究中处理的光谱数据为离散点数据，故需要对原本经验模态分解过程加以??改变。结合原理与实际情况，改变后的算法如下：??（１）对于每条待分解的光谱数据，求解光谱数据....

本文编号：4021671