CN113358584A - 一种利用光谱估算土壤有机质含量的方法 - Google Patents
一种利用光谱估算土壤有机质含量的方法 Download PDFInfo
- Publication number
- CN113358584A CN113358584A CN202110689555.1A CN202110689555A CN113358584A CN 113358584 A CN113358584 A CN 113358584A CN 202110689555 A CN202110689555 A CN 202110689555A CN 113358584 A CN113358584 A CN 113358584A
- Authority
- CN
- China
- Prior art keywords
- soil
- organic matter
- matter content
- formula
- slope
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001228 spectrum Methods 0.000 title claims abstract description 23
- 239000004016 soil organic matter Substances 0.000 title abstract description 16
- 239000002689 soil Substances 0.000 claims abstract description 86
- 239000005416 organic matter Substances 0.000 claims abstract description 36
- 230000003595 spectral effect Effects 0.000 claims abstract description 30
- 238000002310 reflectometry Methods 0.000 claims abstract description 27
- PTKRHFQQMJPPJN-UHFFFAOYSA-N dipotassium;oxido-(oxido(dioxo)chromio)oxy-dioxochromium;sulfuric acid Chemical compound [K+].[K+].OS(O)(=O)=O.[O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O PTKRHFQQMJPPJN-UHFFFAOYSA-N 0.000 claims description 4
- 238000007605 air drying Methods 0.000 claims description 3
- 239000012535 impurity Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000007873 sieving Methods 0.000 claims description 2
- 238000009659 non-destructive testing Methods 0.000 abstract description 2
- 235000015097 nutrients Nutrition 0.000 abstract description 2
- QTBSBXVTEAMEQO-UHFFFAOYSA-N Acetic acid Chemical compound CC(O)=O QTBSBXVTEAMEQO-UHFFFAOYSA-N 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明提供了一种利用光谱估算土壤有机质含量的方法,属于土壤养分无损检测技术领域。本发明所述估算土壤有机质含量的方法,包括:采集土壤样本,测定所述土壤样本的有机质含量以及在400~1000nm范围的光谱反射率,拟合土壤光谱反射率曲线,构建估算模型,估算土壤中的有机质含量;所述土壤光谱反射率曲线公式为:y=Slope×x+b;所述估算模型公式为:OM=c×Ln(Slope)+d。本发明利用光谱估算土壤有机质含量的方法,具有模型参数简单、建模方法容易且精度较高的特点。
Description
技术领域
本发明属于土壤养分无损检测技术领域,尤其涉及一种利用光谱估算土壤有机质含量的方法。
背景技术
有机质含量是土壤肥力最重要的综合评价指标之一。当前针对土壤有机质的检测多为实验室化学分析方法,这种方法需要采集土壤样品,送往实验室进行化学分析,经过一定时间的试剂检测才能得到相关结果,这种方法明显费时费力,不能快速的对土壤有机质含量进行测算进而影响着土壤肥力的快速评价,这很可能会影响农田作物的及时种植进而影响作物产量与品质。
光谱技术是近年来兴起的一项新技术,它已经初步应用到土壤有机质含量检测领域。不过,当前基于反射光谱技术的土壤有机质含量检测存在以下问题:(1)目前基于光谱的土壤有机质含量估算多使用光谱反射率、反射率一阶微分、反射率倒数对数、反射率倒数对数一阶微分等光谱反射率变换或使用差值指数、比值指数、归一化指数光谱植被指数等作为估算模型参数;(2)目前基于反射光谱的土壤有机质含量估算多采用神经网络、CARS算法、蝙蝠算法(BA)、多元线性回归等方法构建模型。这些模型参数和方法相对比较复杂可能需要较多数理统计等专业知识,实际应用操作可能存在较大困难。以此亟需一种新型的模型参数简单且建模方法较为容易的土壤有机质含量光谱估算方法。
发明内容
有鉴于此,本发明的目的在于提供一种利用光谱估算土壤有机质含量的方法,具有模型参数简单、建模方法容易且精度较高的特点。
为了实现上述发明目的,本发明提供了以下技术方案:
一种利用光谱估算土壤有机质含量的方法,包括以下步骤:采集土壤样本,测定所述土壤样本的有机质含量以及在400~1000nm范围的光谱反射率,拟合土壤光谱反射率曲线,构建估算模型,估算土壤中的有机质含量;
所述土壤光谱反射率曲线公式为:
y=Slope×x+b 公式(1);
所述y为所述土壤样本的光谱反射率,所述x为光谱反射率相对应波长,所述Slope、b为常数;
所述估算模型公式为:
OM=c×Ln(Slope)+d 公式(2);
所述OM为所述土壤样本的有机质含量,所述c、d为常数。
优选的,所述采集土壤样本的步骤包括:采集土壤,去除杂物、风干、过0.2~0.3mm土壤筛,即得所述土壤样本。
优选的,所述400~1000nm的光谱采样间隔小于1nm。
优选的,所述估算土壤中有机质含量的方法包括:根据所述公式(1)得到的Slope值以及测定所述土壤样本的有机质含量,拟合得到所述公式(2)的c、d值,测定待测土壤在400~1000nm范围的光谱反射率,利用所述公式(1)计算得到Slope值后,通过所述公式(2)得到所述待测土壤有机质含量。
优选的,所述测定土壤样本有机质含量的方法包括重铬酸钾-硫酸法。
相对于现有技术,本发明具有如下有益效果:
本发明提供了一种利用光谱估算土壤有机质含量的方法,先采集土壤样本,测定所述土壤样本的有机质含量以及在400-1000nm范围的光谱反射率,根据测得的光谱反射率数据,得到公式(1),再根据测得的土壤样本的有机质含量与公式(1)构建土壤有机质含量估算模型公式(2)。通过本发明的方法醋酸的土壤有机质含量,具有模型参数简单、建模方法容易且精度较高的特点。
附图说明
图1为实施例1土壤光谱曲线及趋势拟合;
图2为实施例2土壤光谱曲线Slope值与土壤有机质含量的关系;
图3为实施例3估测土壤有机质含量与实际测量土壤有机质含量的关系;
图4为实施例4待测土壤的光谱反射率曲线。
具体实施方式
本发明提供了一种利用光谱估算土壤有机质含量的方法,包括以下步骤:采集土壤样本,测定所述土壤样本的有机质含量以及在400~1000nm范围的光谱反射率,拟合土壤光谱反射率曲线,构建估算模型,估算土壤中的有机质含量;
所述土壤光谱反射率曲线公式为:
y=Slope×x+b 公式(1);
所述y为所述土壤样本的光谱反射率,所述x为光谱反射率相对应波长,所述Slope、b为常数;
所述估算模型公式为:
OM=c×Ln(Slope)+d 公式(2);
所述OM为所述土壤样本的有机质含量,所述c、d为常数。
在本发明中,所述采集土壤样本的步骤优选包括:采集土壤,去除杂物、风干、过土壤筛,即得所述土壤样本。所述土壤筛的粒径优选为0.2~0.3mm,更优选为0.25mm。
在本发明中,所述400~1000nm的光谱采样间隔优选小于1nm。在本发明中,采用所述400~1000nm的光谱,测得的数据较好,其余波段噪声太多,不适合建模。
在本发明中,所述公式(2)采用的对数方程能较好的描述土壤有机质含量与土壤光谱Slope的关系,拟合精度较高,并且容易操作使用。
在本发明中,所述估算土壤中有机质含量的方法优选包括:根据所述公式(1)得到的Slope值以及测定所述土壤样本的有机质含量,拟合得到所述公式(2)的c、d值,测定待测土壤在400~1000nm范围的光谱反射率,利用所述公式(1)计算得到Slope值后,通过所述公式(2)得到所述待测土壤有机质含量。
在本发明中,所述测定土壤样本有机质含量的方法优选包括重铬酸钾-硫酸法(GB9834-88)。
本发明对仪器设备没有特殊限定,采用本领域技术常规仪器设备即可。
下面结合实施例对本发明提供的技术方案进行详细的说明,但是不能把它们理解为对本发明保护范围的限定。
实施例1
获得模型参数
测定不同地区农田耕层70个土壤样本在400~1000nm范围的光谱反射率,根据波长和测得的反射率,用y=Slope×x+b(所述y为所述土壤样本的光谱反射率,所述x为光谱反射率相对应波长,所述Slope、b为常数)进行EXCEL拟合,得到70个土壤样本的Slope值。采用重铬酸钾-硫酸法(GB 9834-88)测定70个土壤样本的有机质含量。
如图1为70个土壤样本其中之一的光谱曲线,拟合后可得图1中的Slope值为0.030,拟合精度R2=0.9747。
实施例2
建模
根据实施例1得到的70个土壤样本Slope值与土壤有机质含量,利用OM=c×Ln(Slope)+d(所述OM为所述土壤样本的有机质含量,所述c、d为常数)进行EXCEL拟合,得到c值和d值。
构建估算土壤有机质含量模型为OM=-15.25ln(Slope)-22.725,R2=0.8282,详情见图2,可见,本发明得到的模型精度较好。
实施例3
校验模型
另外选择其他76个土壤样本,采用实施例1的方法得到相应的Slope值和有机质含量,对已建立的模型OM=-15.25ln(Slope)-22.725进行验证。
由图3可知,采用本发明方法估算的土壤有机质含量数值与实际测量值的关系为y=0.8578x+4.3374,R2=0.8723,其中x为实测有机含量,y为预测的土壤有机质含量,可见,本发明估算土壤有机质含量与实际测量值的线性关系良好。
实施例4
应用
按照实施例1的方法得到测定待测土壤的Slope值,见图4,得到Slope值为0.0219,把Slope值代入模型OM=-15.25ln(Slope)-22.725中,得到估算待测土壤有机质含量为35.55mg/kg。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种利用光谱估算土壤有机质含量的方法,其特征在于,包括以下步骤:采集土壤样本,测定所述土壤样本的有机质含量以及在400~1000nm范围的光谱反射率,拟合土壤光谱反射率曲线,构建估算模型,估算土壤中的有机质含量;
所述土壤光谱反射率曲线公式为:
y=Slope×x+b公式(1);
所述y为所述土壤样本的光谱反射率,所述x为光谱反射率相对应波长,所述Slope、b为常数;
所述估算模型公式为:
OM=c×Ln(Slope)+d公式(2);
所述OM为所述土壤样本的有机质含量,所述c、d为常数。
2.根据权利要求1所述的方法,其特征在于,所述采集土壤样本的步骤包括:采集土壤,去除杂物、风干、过0.2~0.3mm土壤筛,即得所述土壤样本。
3.根据权利要求1所述的方法,其特征在于,所述400~1000nm的光谱采样间隔小于1nm。
4.根据权利要求1所述的方法,其特征在于,所述估算土壤中有机质含量的方法包括:根据所述公式(1)得到的Slope值以及测定所述土壤样本的有机质含量,拟合得到所述公式(2)的c、d值,测定待测土壤在400~1000nm范围的光谱反射率,利用所述公式(1)计算得到Slope值后,通过所述公式(2)得到所述待测土壤有机质含量。
5.根据权利要求1~4任意一项所述的方法,其特征在于,所述测定土壤样本有机质含量的方法包括重铬酸钾-硫酸法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689555.1A CN113358584B (zh) | 2021-06-22 | 2021-06-22 | 一种利用光谱估算土壤有机质含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110689555.1A CN113358584B (zh) | 2021-06-22 | 2021-06-22 | 一种利用光谱估算土壤有机质含量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113358584A true CN113358584A (zh) | 2021-09-07 |
CN113358584B CN113358584B (zh) | 2024-01-16 |
Family
ID=77535544
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110689555.1A Active CN113358584B (zh) | 2021-06-22 | 2021-06-22 | 一种利用光谱估算土壤有机质含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113358584B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110102798A1 (en) * | 2009-10-30 | 2011-05-05 | Holland Kyle H | Optical real-time soil sensor |
CN108801934A (zh) * | 2018-04-10 | 2018-11-13 | 安徽师范大学 | 一种土壤有机碳含量高光谱预测模型的建模方法 |
CN109682762A (zh) * | 2017-10-18 | 2019-04-26 | 朱桂华 | 一种基于高光谱的土壤有机质含量估算方法 |
-
2021
- 2021-06-22 CN CN202110689555.1A patent/CN113358584B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110102798A1 (en) * | 2009-10-30 | 2011-05-05 | Holland Kyle H | Optical real-time soil sensor |
CN109682762A (zh) * | 2017-10-18 | 2019-04-26 | 朱桂华 | 一种基于高光谱的土壤有机质含量估算方法 |
CN108801934A (zh) * | 2018-04-10 | 2018-11-13 | 安徽师范大学 | 一种土壤有机碳含量高光谱预测模型的建模方法 |
Non-Patent Citations (4)
Title |
---|
DAN LI等: "Study on UV–Visible Spectra Characteristic of Dissolved Organic Matter during Municipal Solid Waste Composting", ADVANCED MATERIALS RESEARCH, vol. 878, pages 840 - 849 * |
刘磊;沈润平;丁国香;: "基于高光谱的土壤有机质含量估算研究", 光谱学与光谱分析, no. 03 * |
郭斗斗: "土壤有机质含量高光谱预测模型的构建", 中国优秀硕士学位论文全文数据库 基础科学辑, pages 2 * |
高志海;白黎娜;王瑜;李增元;李晓松;王玉魁;: "荒漠化土地土壤有机质含量的实测光谱估测", 林业科学, vol. 47, no. 06, pages 2 - 3 * |
Also Published As
Publication number | Publication date |
---|---|
CN113358584B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104897607B (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
CN103854305B (zh) | 一种基于多尺度建模的模型传递方法 | |
CN105181642B (zh) | 一种花生品质的近红外检测方法及应用 | |
CN110261405B (zh) | 基于显微高光谱技术的绝缘子污秽成分识别方法 | |
CN110531054B (zh) | 基于Bootstrap抽样的土壤有机碳预测不确定性估测方法 | |
Hummel et al. | Simultaneous soil moisture and cone index measurement | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
CN114739919A (zh) | 一种基于光谱反演分析的水质检测方法 | |
CN113436153A (zh) | 一种基于高光谱成像和支持向量机技术的原状土壤剖面碳组分预测方法 | |
CN110779875B (zh) | 一种基于高光谱技术检测冬小麦麦穗水分含量的方法 | |
CN103018178A (zh) | 基于局部保持投影的红外光谱仪校准方法 | |
CN114002162A (zh) | 土壤有机碳含量估算方法、设备、存储介质及程序产品 | |
CN113686811A (zh) | 一种基于双传感器的光谱数据处理方法 | |
CN111929261B (zh) | 基于高光谱植被指数的叶片多酚含量估算方法 | |
CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
CN113358584A (zh) | 一种利用光谱估算土壤有机质含量的方法 | |
CN112716447A (zh) | 一种基于拉曼检测光谱数据深度学习的口腔癌分类系统 | |
CN115728290A (zh) | 一种土壤中铬元素的检测方法、系统、设备及存储介质 | |
CN111337452A (zh) | 一种验证光谱数据模型转移算法可行性的方法 | |
CN110243773B (zh) | 一种利用土壤高光谱反射率计算土壤全盐含量的方法 | |
CN112229817A (zh) | 一种苏打盐碱地重金属定量反演模型建立方法 | |
CN111521568A (zh) | 一种基于光谱角的土壤含水量预测方法 | |
CN117648537B (zh) | 基于超光谱技术的大气污染实时监测方法及系统 | |
CN116541694A (zh) | 一种光谱信息分离聚合方法 | |
CN114235715B (zh) | 一种喀斯特植物叶片全磷含量无损监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |