土壤和作物氮素的光谱学快速测量方法研究与传感器研制

发布时间：2025-03-17 23:52

　　土壤中氮素的丰缺是指导科学施肥、实现作物高产、保证安全、有效生产的重要基础,也是掌握农田信息,精准施肥过程中具有重要指导作用的养分指标之一。传统的化学分析法过程复杂、周期长、实时性差,而且成本高,很难大规模的应用。光谱学方法是一种快速、无损的检测技术,由于各种形态的氮素分子在近红外、中红外波段存在指纹图谱特征,因而,可以用吸收、散射等光谱学现象来快速测量土壤中的氮素含量。本文以土壤中的全氮、速效氮为研究对象,围绕分子光谱的多种测量方式展开相关研究,并设计开发一款快速检测土壤养分的小型仪器。同时将显微成像光谱技术应用于土壤和作物中显微尺度的氮素成像分析,为研究氮素在作物和土壤中的运移规律提供一种方法和实验基础。本研究的主要内容包括:(1)土壤全氮和速效氮的中红外光谱测量方法研究。采用中红外光谱技术中衰减全反射(ATR)和漫反射(DRIFT)两种不同的测量方法获取土壤光谱数据,并比较两种不同测量方法在土壤氮素测量中的优势和区别,采用不同的预处理方法进行去噪分析,并分别建立相应的定量化计量模型。研究结果表明,在文中使用的诸多预处理方法中,多元散射校正(MSC)、标准正态变量变换(SNV)这两种...

【文章页数】：116 页

【学位级别】：博士

【部分图文】：

图1一1氮素测量及成像研究技术路线图

以及其他仪器配件；设计并开发出一款便携式多波段土壤养分检测仪；在??田间实验中验证了仪器的性能及对全氮测量的有效性。??１．４．?２技术路线??

图２－１随机森林建模流程图??Ｆｉｇ．２－１?Ａ?ｆｌｏｗ?Ｃｈａｒｔ?ｏｆ?Ｒａｎｄｏｍ?Ｆｏｒｅｓｔ?ｍｏｄｅｌｌｉｎｇ??

数据集的分类和回归过程，通过对分类回归树（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?Ａｎｄ?Ｒｅｇｒｅｓｓｉｏｎ?Ｔｒｅｅ，??ＡＲＴ）模型的集成来提高预测精度。它借助Ｂｏｏｔｓｔｒａｐ重抽样的方法有放回的从原始样??集中抽取Ｎ个样本子集，创建Ｎ棵决策树，分别进行决策树ＣＡＲＴ训练，并从Ｎ个....

图２－２?ＢＰ神经网络拓扑结构??Ｆｉｇ．２－２?Ｔｏｐｏｌｏｇｉｃａｌ?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＢＰ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ??

Ｐｒｏｐａｇａｔｉｏｎ，?ＢＰ）神经网络是其中应用较为广泛的一种系统。??ＢＰ神经网络是一种根据误差进行反向训练的前馈型多层神经网络，包括输入层、??隐含层和输出层三部分。图２－２为ＢＰ神经网络算法的经典拓扑结构。在正向传播工作??信号过程中，输入层输入数据变量，经过权重分配进入....

图3-1ATEill最原理图

Ｆｉｇ．３－１?Ｔｈｅ?ｐｒｉｎｃｉｐｌｅ?ｏｆ?ＡＴＲ?ｍｅａｓｕｒｅｍｅｎｔ??于在ＡＴＲ测量模式下，需要样品与ＡＴＲ晶体表面紧密接触，所以，对于测量、或表面光滑的固态样品，ＡＴＲ光谱ｕｆ以得到携带样品信息多的高质量光谱。粗糙或体积微量的样品，叫以使用单次反射ＡＴＲ附件并通过....

本文编号：4035667