近红外光谱小波分析在土壤参数预测中的应用

从田间采集了150个田间土壤样本,在分析了所有样本的土壤参数统计特征之后,对原始近红外光谱数据进行了聚类分析,分别得到了50个土壤全氮和50个土壤有机质的等价样本及其对应光谱。对样本光谱曲线进行8层Biorthogonal小波包分解,分解得到的最低低频[80]结点对应着土壤水分以及土壤质地的光谱变化趋势,最高高频[8 255]结点对应着土壤粒度、光谱仪精度等引起的高频震荡。对以上两个结点进行重构并从样本光谱曲线中剔除以上影响成分,得到了对应的土壤参数特征光谱。基于特征光谱建立了土壤参数偏最小二乘回归模型：全氮偏最小二乘预测模型的预测系数r_c达到了0.960,验证系数r_v达到了0.920;有机质偏最小二乘预测模型的预测系数r_c达到0.922,验证系数r_v达到0.883。模型精度明显提高,满足实际生产的需要。     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

基于近红外漫反射测量的便携式土壤有机质测定仪的开发

开发了一款基于近红外漫反射测量的便携式土壤有机质测定仪。测定仪主要由光学单元和电路单元组成。光学单元包括光源、入射和反射光信号传导光纤、光电转换器件等。电路单元包括光源驱动电路,放大电路、A/D转换电路、液晶显示和U盘存储电路等。工作时探头部分插入土壤形成密闭空间,光源发出的光通过入射光纤传送到探头的顶端,并照射顶端周围的土壤;来自土壤的漫反射光沿反射光纤被传送到光电转换器件,产生的电流再被送至电路单元进行放大、滤波、A/D转换、显示和存储。分别针对自然土样和烘干土样的性能试验结果表明,反射率和SOM含量之间具有很高的相关性,在土壤有机质实际含量大于2%时,平均相对误差率低于5%。开发的仪器能够满足农业生产需要。     

基于光谱技术的土壤有机质快速测定仪的开发

在理论分析的基础上设计开发了一套基于光谱技术的土壤有机质测定仪。测定仪由光学部分和电路部分组成。光学部分包括光源、传导光纤、检测室、样品盒、滤光片以及光电传感器等元器件,主要作用是：把光源的光导入土样表面、收集土壤表面的反射光、滤光、将光信号转换为电信号;电路部分包括放大电路,AD转换电路,液晶显示电路和U盘存储电路。选取三种滤光片对仪器进行了标定实验,三种滤光片的中心波长分别是530 , 765和850 nm,被测土样有烘干土样和风干土样。试验结果表明：当滤光片中心波长为850 nm时烘干土样获得最高测量精度(r2=0.930),在此条件下风干土样预测模型的决定系数为r2=0.711,虽然受水分的影响精度有所降低,但仍可满足田间快速测试的要求。