基于光谱分析技术的土壤养分检测方法与仪器研究

发布时间：2020-08-26 08:47

【摘要】：现代农业的发展,得益于化肥与农药的使用。施用化肥能够改善土壤肥力,提高农作物单位产量。然而,人们为了追求高产往往对作物大量盲目施肥。化肥施用量的增加和利用率的下降,不仅在经济上造成巨大损失,还会引起严重的环境污染,致使地表水富营养化,地下水和蔬菜中营养元素含量超标等问题。因此,大面积快速获取土壤养分含量信息,根据土壤养分的丰缺合理适量施肥,对于我国农业可持续发展具有重要意义。应用传统化学分析方法测量土壤养分,分析过程复杂、周期长、成本高、实时性差,很难大规模推广使用。农业生产上迫切需要一种快速,现场原位,连续且无污染的土壤养分检测方法。可见与近红外光谱技术具有测量速度快、测试成本低、操作简单、无污染等优点。本文采用可见与近红外光谱技术,结合化学计量学方法测量土壤养分含量,研究了土壤总氮,有机碳,速效磷和速效钾信息的光谱表征机理和快速获取方法,并开发了一套可便携并具有良好人机界面的土壤养分快速分析系统。本研究对于农田的精细化管理和作业具有重要意义。主要研究内容和成果如下： (1)研究构建了土壤总氮,有机碳,速效磷和速效钾的光谱检测模型,实现了土壤养分信息的快速无损检测。系统分析了5种预处理算法对土壤光谱数据的预处理效果,得到最优的预处理算法为变量标准化(SNV)。应用蒙特卡洛-无信息变量消除法(MC-UVE)和连续投影算法(SPA)提取特征波段,建立了基于全波段和特征波段的线性(偏最小二乘PLS,多元线性回归MLR)和非线性(最小二乘-支持向量机LS-SVM)预测模型。其中,基于近红外光谱数据的MC-UVE-LS-SVM模型对土壤总氮,有机碳,速效磷与速效钾取得了最优的预测结果,获得的决定系数(R2)分别为0.88,0.89,0.59和0.75,获得的预测相对分析误差(RPD)分别为2.9,3.1,1.5和2.0。 (2)将通过化学计量学方法得到的特征波长变量与跟氮、碳、磷、钾有关的化学吸收基团进行关联分析,研究发现总氮与有机碳的特征波长变量中,有一些能够直接反映氮、碳基团的特征信息,有一些则是通过测量与氮、碳基团相关联的物质,如土壤中的水分,间接影响总氮和有机碳的测量结果；速效磷与速效钾在可见与近红外区没有直接与它们相关的吸收峰,它们能够被预测归因于它们与伊利石以及水分之间存在较好的相关性。上述发现解释了特征波长变量影响模型预测结果的原因,为采用特征波长变量建立总氮,有机碳,速效磷和速效钾预测模型提供了重要依据。 (3)提出建立动态模型来预测土壤总氮,有机碳,速效磷和速效钾含量,即在预测过程中不断更新建模使用的特征变量以及调整预测模型的回归系数,以适应新出现的干扰源,从而提高模型的鲁棒性,扩大模型的使用范围。动态模型中,递归偏最小二乘(RPLS)与三种递归变量选择方法：变量投影重要性与RPLS相结合(VIP-RPLS), VIP-PLS和无信息变量消除与PLS相结合(UVE-PLS),对土壤总氮,有机碳,速效磷和速效钾的预测效果均优于常规PLS模型；其中,基于近红外光谱数据的VIP-RPLS模型取得了最优的预测效果,与常规PLS模型相比,预测精度提高了9%-17%。 (4)提出了基于嵌入式Windows CE系统和微型光谱仪模块USB4000的土壤养分快速分析仪系统设计方案,并完成了样机硬件和软件的设计开发工作。该仪器能够实时显示分析结果。应用该仪器测量土壤总氮和有机碳含量,获得的R2值分别为0.53与0.57,获得的RPD值分别为1.5与1.5。该仪器对总氮与有机碳具备一定的预测能力,为下一步研发高精度,功能全面的土壤养分快速分析仪器打下了良好基础。上述研究成果为实现农田土壤养分含量的快速无损检测奠定了重要基础,具有较为广阔的应用前景。
【学位授予单位】：浙江大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：S237;S158
【图文】：

近红外光谱仪,傅里叶,布鲁克公司

图2.1 Matrix !傅里叶近红外光谱仪Figure 2.1 Fourier-type NIR spectrometer Matrix—I本研究使用德国布鲁克公司生产的Matrix_l型光谱仪测量土壤近红外，如图2.1所示。MatrixJ是一款设计紧凑，坚固耐用的傅里叶式近红

近红外光谱仪,工业照明

图2.3 Filed Spec 3可见-近红外光谱仪Figure 2.3 Vis-NIR spectrometer Filed Spec 3研究使用美国ASD公司生产的Filed Spec 3型光谱仪测量土壤可见-数据，如图2.3所示。Filed Spec 3便携式地物光谱仪是ASD公司最，适用于遥感测量，农作物监测，工业照明测量，海洋学研究和矿物

对比图,总氮,有机碳,近红外光谱

理效果最好的算法为SNV。基于SNV建立的PLS模型使用的LV数量分别为9和9，获得的R2值分别为0.85，0.85，获得的RPD值分别为2.6，2.6。图3.2为使用PLS(SNV)模型对土壤总氮与有机碳的预测结果和它们理化值的对比图。(b)2.4- ?gO." r"■ 0.16- il-6- .0.08- ^0.8- ??0.04——.——>——,——.——,——.——.——■——I 0.4-1^—~,...,——.——.——.——r-0.04 0.08 0.12 0.16 0.20 0.24 0.4 0,8 1.2 1.6 2.0 2.4总氮理化值(％) 有机碳理化值(％)图3.2近红外光谱PLS(SNV)模型对总氮(a)与有机碳(b)的预测结果和理化值对比图Figure 3.2 Scatter plot of laboratory measured values vs. NIR predicted values usingPLS(SNV) developed for (a) N and (b) OC31

【参考文献】