CN101210875A - 基于近红外光谱技术的无损测量土壤养分含量的方法 - Google Patents

Abstract

本发明公开了一种基于近红外光谱技术的无损测量土壤养分含量的方法。土壤养分含量的检测包括建立校正模型和未知样品的测定两个阶段。首先要建立校正模型，必须收集不同土壤类型的样本作为校正样本集，并扫描得到校正样本集的近红外光谱，对得到的光谱数据进行光谱预处理。然后采用国标法测量建模样本的养分含量作为标准含量。采用多元校正算法建立建模样本的近红外光谱与它们的养分标准含量之间的定量关系，即建立了校正模型。对于待检测的土壤样本，只要扫描它们的近红外光谱图，并把经过相应光谱预处理的光谱数据输入到校正模型，经过校正模型的测定即得到了该土壤各养分含量。整个过程在计算机的控制下，实现数据的采集、存储、显示和处理功能。

Description

基于近红外光谱技术的无损测量土壤养分含量的方法

技术领域

本发明涉及一种基于近红外光谱技术的无损测量土壤养分含量的方法。

背景技术

掌握农田土壤的养分分布，对指导农业生产具有重要意义。特别是土壤养分参数(主要为氮、磷、钾及有机质含量)，它反映了土壤供给作物生长的能力，是土壤肥力的重要指标。传统的土壤养分测试方法耗时、费工、有害或有污染，而且很难在田间直接测定。土壤光谱反射特性是土壤基本性质之一，与土壤理化性质有密切的关系。这种关系是土壤遥感技术的物理基础，而且也为研究土壤本身的属性提供了一个新途径。近红外光谱法因其快速、简便、低成本、非破坏性和多组分同时测定等优点受到人们的重视。近红外光谱分析技术是随着计算机技术的发展而发展起来的一种高新分析技术，具有(1)简单，无繁琐的前处理和化学反应过程；(2)快速，大大缩短检测时间；(3)高效，可同时完成多个样品不同化学指标的检测；(4)环保，检测过程无污染；(5)节省检测成本等优点，正得到越来越多的应用并成为发展最快的分析测试技术之一。

发明内容

本发明的目的是提供了一种基于近红外光谱技术的无损测量土壤养分含量的方法，采用近红外光谱技术，与传统的土壤养分测试手段相比，快速、省时省力。

本发明采用的技术方案的步骤如下：

1)标准或参考样品光谱集的建立；首先要针对不同土壤类型的样本建立校正样本集，然后对校正样本集中的样本进行光谱扫描得到校正样本标准光谱；同一样品需多次重复测量，以平均光谱近似作为该样品标准光谱；

2)光谱的校正与预处理；获得样本光谱后的第一步是对样本光谱进行校正和预处理，采用平滑、中心化、导数、归一化光谱预处理方法。

3)对于预处理后的光谱数据和参考样本的标准测量值通过多元回归算法来建立校正模型，现代的多元回归算法包括多元线性回归算法和多元非线性回归算法。

4)未知样品土壤养分含量测定；首先扫描待测量样本获取它们的光谱，获取它们的光谱时所采用的测量方法，必须同获取参考样本光谱时所采用的测量方法保持一致，采样方法、分辩率、扫描间隔或扫描时间测量参数，应该保持一致；把未知品种样本的光谱经光谱校正及预处理后，把光谱的特征送入校正模型即可测定未知样品的养分含量。

所述的多元线性回归算法为偏最小二乘回归法、主成分回归或逐步回归。

所述的多元非线性回归算法为人工神经网络或支持向量机。

与背景技术相比，本发明具有的有益效果是：

1)简单，无繁琐的前处理和化学反应过程；个样

2)快速，大大缩短检测时间；

3)高效，可同时完成多个样品不同化学指标的检测；

4)环保，检测过程无污染；

5)节省检测成本等优点，正得到越来越多的应用并成为发展最快的分析测试技术之一。

附图说明

附图是基于近红外光谱技术的无损测量土壤养分含量的方法的原理框图。

具体实施方式

如附图所示，该附图表明了本发明的整个实施过程。首先光谱数据由数据采集装置获得。采集装置包括近红外光谱仪、光谱仪配套的光纤、计算机、标准校正板、电源等组成。该光谱仪波长为800～2500nm，测量时用数据线将光谱仪与PC电脑相连，样品置于培养皿中，将光纤从光谱仪中引出，并固定于一支架上，分别对光纤距培养皿3mm左右(光纤头向下)和光纤向上照进行了研究(光纤穿过培养皿检测土壤养分特性)。待光谱数据采集完毕，用光谱专用分析软件ASD ViewSpec Pro V2.14和Unscramble V9.6进行数据处理分析。

然后要建立校正模型。在建立校正模型阶段，必须收集较多不同土壤类型的样本作为校正样本集，并扫描得到校正样本集的近红外光谱(800～2500nm)，对得到的光谱数据进行光谱预处理，消除系统噪声和干扰。采用国标测量建模样本的土壤养分含量(氮、磷、钾及有机质含量)作为标准含量。采用多元校正算法如：偏最小二乘回归、多元线形回归、神经网络、支持向量机等建立建模样本的近红外光谱与它们的标准含量之间的定量关系，即建立了校正模型。光谱的数据一般都有数百到数千个数据点，所有的数据都用来建立模型往往导致模型学习时间长，模型结构复杂等问题。所以选择特征波段是非常重要的，常用的方法是逐步回归的方法来寻找特征波段，或者是回归曲线分析的方法来实现。对于待检测的土壤样本，只要扫描它们的近红外光谱图，并把经过相应预处理的光谱数据输入到校正模型，经过校正模型的测定即得到了该待测土壤的养分含量。

近红外测量土壤养分含量(氮、磷、钾及有机质含量)的方法可以具体分为以下几个步骤：

①标准或参考样品光谱集的建立；②光谱校正及预处理；③光谱特征的提取，校正模型的建立；④未知样本的土壤含量测定。

①标准或参考样品光谱集的建立；首先要针对不同土壤类型的样本建立校正样本集。然后对校正样本集中的样本进行光谱扫描得到校正样本标准光谱；一般同一样品需多次重复测量，以平均光谱近似作为该样品标准光谱。

②光谱的校正与预处理；获得样本光谱后的第一步是对样本光谱进行校正和预处理。光谱校正的作用是光谱图的规范化、抵消背景干扰及提高光谱的质量。这里采用平滑、中心化、导数、归一化等光谱预处理方法。采用何种校正方法要依光谱的质量及干扰的情况来选择，预处理也可以把原来隐藏的信号差异放大出来，提高光谱的分辨率，使光谱信息更加直观、可靠。

③对于预处理后的光谱数据和参考样本的标准测量值可以通过多元回归算法来建立校正模型。现代的多元回归算法包括多元线性回归算法和多元非线性回归算法。多元线性回归算法如：偏最小二乘回归法，主成分回归，逐步回归等。多元非线性回归算法如：人工神经网络，支持向量机等，尤其是多元非线性回归算法可以针对农田信息普遍存在的非线性现象进行拟合，并建立非线性回归。光谱的数据一般都有数百到数千个数据点，所有的数据都用来建立模型往往导致模型学习时间长，模型结构复杂等问题。所以选择特征波段是非常重要的，常用的方法是逐步回归的方法来寻找特征波段，或者是回归曲线分析的方法来实现。

④未知样品土壤养分含量测定；首先扫描待测量样本获取它们的光谱，获取它们的光谱时所采用的测量方法，必须同获取参考样本光谱时所采用的测量方法保持一致，比如采样方法、分辩率、扫描间隔或扫描时间等测量参数应保持一致。把未知品种样本的光谱经光谱校正及预处理后，把光谱的特征参数送入校正模型即可测定未知样品的养分含量。

所以本方法只要在有代表性的土壤样本的基础上建立校正模型就可以实现对未知土壤样本含量(氮、磷、钾及有机质含量)的无损、实时的测定。

Claims (3)

1.一种基于近红外光谱技术的无损测量土壤养分含量的方法，其特征在于该方法的步骤如下：

1)标准或参考样品光谱集的建立；首先要针对不同土壤类型的样本建立校正样本集，然后对校正样本集中的样本进行光谱扫描得到校正样本标准光谱；同一样品需多次重复测量，以平均光谱近似作为该样品标准光谱；

2)光谱的校正与预处理；获得样本光谱后的第一步是对样本光谱进行校正和预处理，采用平滑、中心化、导数、归一化光谱预处理方法。

3)对于预处理后的光谱数据和参考样本的标准测量值通过多元回归算法来建立校正模型，现代的多元回归算法包括多元线性回归算法和多元非线性回归算法。

4)未知样品土壤养分含量测定；首先扫描待测量样本获取它们的光谱，获取它们的光谱时所采用的测量方法，必须同获取参考样本光谱时所采用的测量方法保持一致，采样方法、分辩率、扫描间隔或扫描时间测量参数，应该保持一致；把未知品种样本的光谱经光谱校正及预处理后，把光谱的特征送入校正模型即可测定未知样品的养分含量。

2.根据权利要求1所述的一种基于近红外光谱技术的无损测量土壤养分含量的方法，其特征在于：所述的多元线性回归算法为偏最小二乘回归法、主成分回归或逐步回归。

3.根据权利要求1所述的一种基于近红外光谱技术的无损测量土壤养分含量的方法，其特征在于：所述的多元非线性回归算法为人工神经网络或支持向量机。

Images