CN117629918A - 提高土壤碳汇检测精准性的实测数据处理方法和装置 - Google Patents
提高土壤碳汇检测精准性的实测数据处理方法和装置 Download PDFInfo
- Publication number
- CN117629918A CN117629918A CN202311609736.4A CN202311609736A CN117629918A CN 117629918 A CN117629918 A CN 117629918A CN 202311609736 A CN202311609736 A CN 202311609736A CN 117629918 A CN117629918 A CN 117629918A
- Authority
- CN
- China
- Prior art keywords
- soil
- organic matter
- standard curve
- measured
- mass fraction
- 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.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 410
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 52
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 52
- 238000001514 detection method Methods 0.000 title claims abstract description 38
- 238000003672 processing method Methods 0.000 title claims description 11
- 239000005416 organic matter Substances 0.000 claims abstract description 82
- 239000004016 soil organic matter Substances 0.000 claims abstract description 59
- 238000002835 absorbance Methods 0.000 claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000005070 sampling Methods 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 20
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 11
- 238000002386 leaching Methods 0.000 claims abstract description 11
- KMUONIBRACKNSN-UHFFFAOYSA-N potassium dichromate Chemical compound [K+].[K+].[O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O KMUONIBRACKNSN-UHFFFAOYSA-N 0.000 claims description 24
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 claims description 13
- 238000002798 spectrophotometry method Methods 0.000 claims description 5
- 239000000243 solution Substances 0.000 description 19
- 238000010586 diagram Methods 0.000 description 13
- 239000004576 sand Substances 0.000 description 9
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 239000003864 humus Substances 0.000 description 3
- 235000013405 beer Nutrition 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 229910001710 laterite Inorganic materials 0.000 description 2
- 239000011504 laterite Substances 0.000 description 2
- 239000010871 livestock manure Substances 0.000 description 2
- 238000009304 pastoral farming Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- VZWGHDYJGOMEKT-UHFFFAOYSA-J sodium pyrophosphate decahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[O-]P([O-])(=O)OP([O-])([O-])=O VZWGHDYJGOMEKT-UHFFFAOYSA-J 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003608 fece Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011259 mixed solution Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Abstract
本申请公开了一种提高土壤碳汇检测精准性的实测数据处理方法和装置,方法包括:获取当前采样点的实测土壤;将所述实测土壤溶解于浸提剂得到实测溶液,并获取所述实测溶液对应的实测吸光度;基于所述实测吸光度和预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数,所述预设的土壤有机质标准曲线为基于多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线,能够利用由多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线来提高土壤碳汇检测精准性。
Description
技术领域
本公开一般涉及土壤测定技术领域,尤其涉及一种提高土壤碳汇检测精准性的实测数据处理方法和装置。
背景技术
土壤碳库是陆地最大的碳库,通过畜禽粪便秸秆还田、绿肥还田等措施提高耕地质量,能够有效将有机质中的碳固定到土壤中。实测领域中,土壤固碳能力的关键指标是土壤有机质含量。我国第三次土壤普查要求1500亩一个采样点,但是我国幅员辽阔、土壤种类千差万别,如何提高采样点可信度、可溯源性,提高碳汇实测数据的检测效率、检测精准度、降低检测成本成为亟待解决的问题。
发明内容
鉴于现有技术中的上述缺陷或不足,期望提供一种提高土壤碳汇检测精准性的实测数据处理方法和装置。
第一方面,本申请实施例提供了一种提高土壤碳汇检测精准性的实测数据处理方法,包括:
获取当前采样点的实测土壤;
将所述实测土壤溶解于浸提剂得到实测溶液,并获取所述实测溶液对应的实测吸光度;
基于所述实测吸光度和预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数,所述预设的土壤有机质标准曲线为基于多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线。
在一些实施例中,在所述基于预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数之前,还包括:
基于多种土壤分别构造各种类土壤对应的有机质标准曲线;
基于所述多种土壤对应的所述有机质标准曲线以及所述多种土壤的土壤种类,拟合得到所述土壤有机质标准曲线。
在一些实施例中,所述基于多种土壤分别构造各种类土壤对应的有机质标准曲线,包括:
针对每个所述当前采样点,获取样本土壤,分别采用重铬酸钾容量法得到所述样本土壤对应的基准质量分数,以及所述样本土壤对应的基础吸光度;
基于各样本土壤对应的土壤种类、所述基准质量分数和所述基础吸光度拟合各所述土壤种类对应的第一标准曲线;
对所述第一标准曲线进行修正,得到各所述土壤种类对应的有机质标准曲线。
在一些实施例中,所述对所述第一标准曲线进行修正,得到各所述土壤种类对应的有机质标准曲线,包括:
针对每个所述当前采样点,获取校验土壤,分别采用所述重铬酸钾容量法得到所述校验土壤对应的校验质量分数;
根据所述校验质量分数和所述基准质量分数,确定所述校验土壤及其对应的校验吸光度;
基于所述土壤种类、所述基准质量分数、所述基础吸光度、所述校验质量分数和所述校验吸光度拟合各所述土壤种类的有机质标准曲线。
在一些实施例中,所述基于所述多种土壤对应的所述有机质标准曲线以及所述多种土壤的土壤种类,拟合得到所述土壤有机质标准曲线,包括:
针对每种土壤,获取所述土壤种类相对于标准土壤的偏移量;
基于每种土壤对应的有机质标准曲线与其对应的所述偏移量,拟合得到所述土壤有机质标准曲线。
在一些实施例中,所述获取所述土壤种类相对于标准土壤的偏移量,包括:
获取每种所述土壤的图像信息;
利用土壤融合模型对多个所述土壤的图像信息进行特征融合,得到标准土壤对应的标准图像;
基于所述标准图像和各种土壤对应的图像信息,确定所述土壤相对于所述标准土壤的偏移量。
在一些实施例中,还包括:
获取所述实测土壤的实测土壤图像;
将所述实测土壤图像与标准图像进行比较,得到所述实测土壤的偏移量;
基于所述实测土壤的偏移量、所述实测吸光度和所述土壤有机质标准曲线,得到所述实测土壤对应的有机质质量分数。
第二方面,本申请实施例提供了一种提高土壤碳汇检测精准性的实测数据处理系统,包括:
采集单元,用于获取当前采样点的实测土壤;
分光光度仪单元,用于将所述实测土壤溶解于浸提剂得到实测溶液,并获取所述实测溶液对应的吸光度;
分析单元,用于基于预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数。
第三方面,本申请实施例提供了一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行该程序时实现如本申请实施例描述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请实施例描述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现如本申请实施例描述的方法。
本申请实施例提出的提高土壤碳汇检测精准性的实测数据处理方法,利用由多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线来提高土壤碳汇检测精准性。多种土壤对应的有机质标准曲线为根据多种土壤实际情况测算拟合的有机质标准曲线,利用其拟合通用土壤有机质标准曲线有效提高了有机质标准曲线的可靠性,从而提高了土壤碳汇检测精准性。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1示出了本申请一实施例提供的提高土壤碳汇检测精准性的实测数据处理方法的流程图;
图2示出了本申请一实施例提供的红土对应的第一标准曲线和有机质标准曲线示意图;
图3示出了本申请一实施例提供的黄土对应的第一标准曲线和有机质标准曲线示意图;
图4示出了本申请一实施例提供的黑土对应的第一标准曲线和有机质标准曲线示意图;
图5示出了本申请一实施例提供的潮土对应的第一标准曲线和有机质标准曲线示意图;
图6示出了本申请一实施例提供的紫土对应的第一标准曲线和有机质标准曲线示意图;
图7示出了本申请一实施例提供的提高土壤碳汇检测精准性的实测数据处理装置的方框示意图;
图8示出了适于用来实现本申请实施例的电子设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
相关技术中,测定土壤有机质的实测方法主要有重铬酸钾容量法、分光光度法,其中,重铬酸钾容量法主要测定全碳量,此方法经典、精准度高,但是检测成本高、检测时间长,常因无可信溯源的土壤样本,不同实验室、不同检测人员之间的操作偏差,导致实测值的准确性大大降低,也无法精准核算到具体地块的土壤固碳能力。
分光光度法常用于土壤有机质检测,基本原理在于土壤腐殖质溶液浓度和吸光度关系遵从朗伯比尔定律。土壤有机质的核心是土壤腐殖质,占有机质含量的90%,土壤腐殖质可溶于稀碱,可用分光光度法测定土壤有机质含量,且在一定范围内符合朗伯比尔定律。
但是,由于我国土壤种类众多,国际上常用的土壤有机质质量分数公式并不普适于我国多种土壤,而且,也不利于跟踪土壤改良过程中的有机质变化分析。
基于此,本申请公开一种提高土壤碳汇检测精准性的实测数据处理方法和装置。
为了进一步说明本申请实施例提供的技术方案,下面结合附图以及具体实施方式对此进行详细的说明。虽然本申请实施例提供了如下实施例或附图所示的方法操作指令步骤,但基于常规或者无需创造性的劳动在所述方法中可以包括更多或者更少的操作指令步骤。在逻辑上不存在必要因果关系的步骤中,这些步骤的执行顺序不限于本申请实施例提供的执行顺序。所述方法在实际的处理过程中或者装置执行时,可按照实施例或者附图所示的方法顺序执行或者并行执行。
图1示出了本申请一实施例提供的提高土壤碳汇检测精准性的实测数据处理方法的流程图。如图1所示,本申请实施例提出的提高土壤碳汇检测精准性的实测数据处理方法,包括以下步骤:
步骤101,获取当前采样点的实测土壤。
需要说明的是,可采用多种方式获取当前采样点的实测土壤。示例性的,可以由技术人员现场采集当前采样点的实测土壤,还可以利用可信土壤信息采集的控制终端控制采集实测土壤。
还需要说明的是,还可以根据土壤地块信息,选取感兴趣的土壤地块,并根据感兴趣的土壤地块的土壤地块信息,确定每个土壤地块上的采样点的数量和位置。在一种可行实施例中,土壤地块可以包括农田地块、放牧地块、荒地地块等。在另一种可行实施例中,感兴趣的土壤地块可以根据检测需求进行选择,例如可以根据碳汇项目的需要选择农田地块、荒地地块或放牧地块等,感兴趣的土壤地块可以通过选取地理位置相近的、且符合检测需求的多个土壤地块(例如多个农田地块)组成。
在一种可行实施例中,采样点的数量可以根据土壤地块的面积来确定。例如,土壤地块的面积越小,可以设置的采样点的数量越少,土壤地块的面积越大,可以设置的采样点的数量越多,有利于保证每块土壤地块的土壤信息的采集量。在另一种可行实施例中,位置信息可以包括直接位置信息和/或相对位置信息。其中,直接位置信息可以包括采样点的地理坐标(例如经纬度),相对位置信息可以包括例如当前采样点与其他采样点之间的相对位置,和/或与控制终端之间的距离信息等。
还需要说明的是,为了进一步增强实测土壤的可追溯性,还可以利用可信土壤信息采集的控制终端上传实际采土点的采土信息,采土信息包括图像信息,例如采样任务中采样点的第一环境图像、实际采土点的第二环境图像、实际采土点的采土过程图像、实际采土点的采土过程视频、实际采土点的采土深度图像、实际采土点采集的土样图像以及存土包装的标识图像中的至少一项。
其中,存土包装上的标识图像可以是根据采样点信息编制的标识信息,标识信息包括但不限于采样点位置信息、土壤分类信息、采样点编号等,然后在对实测土壤包装后粘贴将标识信息粘贴在土壤包装上。
步骤102,将实测土壤溶解于浸提剂得到实测溶液,并获取实测溶液对应的实测吸光度。
其中,浸提剂可以为稀碱溶液,在本申请实施例中,为了便于实现土壤碳汇自动化检测分析的准确性和检测稳定性,选取一种固定浸提剂对采样点的实测土壤进行溶解得到实测溶液。
在一个可行的实施例中,制造实测溶液可以在采样点完成,也可以在分析环境进行。例如,可以在采样点获取到实测土壤后直接提取预设数量的实测土壤将其溶解于浸提剂中得到实测溶液,并获取实测溶液对应的实测吸光度,还可以在对一定范围内的采样点均完成实测土壤采样后,在实验室统一对多个采样样本进行溶解得到实测溶液,并依次获取实测溶液对应的实测吸光度。
应当理解的是,为了有效提高土壤碳汇检测精准性,优选在采集到实测土壤后,及时提取预设数量的实测土壤将其溶解于浸提剂中并按照吸光度的获取规则获取实测溶液对应的实测吸光度,以避免实测土壤离开采样点环境发生与采样点不同的性质变化,有效保障进行测量的实测土壤与采样点环境之间的相似度,从而有效提高土壤碳汇监测精准性。
在一种可行实施例中,浸提剂为0.15mol/L十水焦磷酸钠+0.15mol/L氢氧化钠。也就是说,在获取到实测土壤后,将实测土壤溶解于0.15mol/L十水焦磷酸钠+0.15mol/L氢氧化钠的混合溶液中,即可得到实测溶液。在另一种可行实施例中,在分光光度仪上用1cm光径比色皿在波长530nm处检测实测溶液的实测吸光度。
步骤103,基于实测吸光度和预设的土壤有机质标准曲线,获取实测土壤对应的有机质质量分数,预设的土壤有机质标准曲线为基于多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线。
也就是说,预设的土壤有机质标准曲线为基于多种土壤对应的有机质标准曲线和土壤种类,经过分析拟合得到的通用的土壤有机质标准曲线,反之,多种土壤均可利用该土壤有机质标准曲线得到其对应的有机质质量分数。
具体地,预设的土壤有机质标准曲线为与吸光度和土壤有机质质量分数相关的曲线。其中,土壤有机质标准曲线的横坐标对应吸光度,纵坐标对应有机质质量分数。在获取到实测土壤对应的实测吸光度后,利用实测吸光度对土壤有机质标准曲线进行解算,得到实测土壤对应的有机质质量分数。
在一个可行的实施例种,在基于预设的土壤有机质标准曲线,获取实测土壤对应的有机质质量分数之前,还包括:基于多种土壤分别构造各土壤对应的有机质标准曲线;基于多种土壤对应的有机质标准曲线以及多种土壤的土壤种类,拟合得到土壤有机质标准曲线。
进一步地,将土壤有机质标准曲线预存到提高土壤碳汇检测精准性的实测数据处理系统中,以便于在得到实测吸光度后基于土壤有机质标准曲线进行有机质质量分数的解算。
需要说明的是,多种土壤可以为根据碳汇项目的需要选择的至少一种土壤。优选的,多种土壤可以为我国各地区的不同土壤。也就是说,为了进一步提高土壤碳汇检测的精准性,可以先利用不同种类的多种土壤分别各自对应的高精度有机质标准曲线,再结合不同土壤种类对应的土壤性状对有机质标准曲线进行拟合,得到土壤有机质标准曲线。
由此,本申请实施例提出的提高土壤碳汇检测精准性的实测数据处理方法,利用由多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线来提高土壤碳汇检测精准性。多种土壤对应的有机质标准曲线为根据多种土壤实际情况测算拟合的有机质标准曲线,利用其拟合通用土壤有机质标准曲线有效提高了有机质标准曲线的可靠性,从而提高了土壤碳汇检测精准性。
在一个可行的实施例中,基于多种土壤分别构造各种类土壤对应的有机质标准曲线,包括:针对每个当前采样点,获取样本土壤,分别采用重铬酸钾容量法得到样本土壤对应的基准质量分数,以及样本土壤的基础吸光度;基于各样本土壤对应的土壤种类、基准质量分数和基础吸光度拟合各土壤种类对应的第一标准曲线,对第一标准曲线进行修正,得到各土壤种类对应的有机质标准曲线。
也就是说,各土壤种类对应的有机质标准曲线是基于样本土壤得到的第一标准曲线修正后土壤有机质标准曲线。其中,土壤种类可以为已分辨定义的土壤种类,例如红土、黑土、黄土、褐土、水稻土、灌淤土、潮土、棕壤、紫色土等,也可包括通过属性分析尚未定义的未知土壤种类。
具体地,可以先对多个采样点的样本土壤基于各土壤种类的属性信息进行分类,然后基于同一土壤种类的多个样本土壤对应的基准质量分数和基础吸光度,拟合该土壤种类对应的第一标准曲线。
应当理解的是,由于采用重铬酸钾容量法得到的质量分数更为准确,本申请分别采用重铬酸钾容量法和吸光度法获取基础质量分数和基础吸光度,能够为第一标准曲线提供更为准确的基础数据,以从第一标准曲线提高土壤碳汇监测的精准性,为后续修正、分析等操作提供基础的精准性保障。
进一步地,对第一标准曲线进行修正,得到各土壤种类对应的有机质标准曲线,包括:针对每个当前采样点,获取校验土壤,分别采用重铬酸钾容量法得到校验土壤对应的校验质量分数;根据校验质量分数和基准质量分数,确定校验土壤及其对应的校验吸光度;基于土壤种类、基准质量分数、基础吸光度、校验质量分数和校验吸光度拟合各土壤种类的有机质标准曲线。
也就是说,可以用对同一采样点的再次采样结果(校验土壤)对第一标准曲线进行修正。
其中,可以先利用校验土壤对应的校验质量分数对样本土壤对应的基准质量分数的可靠性进行校验,即,计算校验土壤对应的校验质量分数与样本土壤对应的基准质量分数之间的相对误差,然后判断相对误差是否处于误差允许范围,如果相对误差处于误差允许范围,则确定校验土壤对应的校验质量分数与样本土壤对应的基准质量分数均为可靠质量分数,可以用于有机质标准曲线拟合,如果相对误差未处于误差允许范围,则确定校验土壤对应的校验质量分数与样本土壤对应的基准质量分数均为不可靠质量分数,则同时删除该组校验质量分数和基础质量分数。
可选的,误差允许范围可以为±20%,即,如果校验质量分数和基准质量分数之间的相对误差小于或等于基准质量分数的20%,则确定校验质量分数和基准质量分数均为可靠质量分数,相应的,如果校验质量分数和基准质量分数之间的相对误差大于基准质量分数的20%,则确定校验质量分数和基准质量分数均为不可靠质量分数。
在一个可行的实施例中,利用三阶多项式拟合有机质标准曲线:
SOM=a*A3–b*A2+c*A+d
其中,SOM为土壤有机质质量分数,A为土壤吸光度,a、b、c为有机质标准曲线的斜率,d为有机质标准曲线的截距。
应当理解的是,有机质标准曲线的斜率实质上相当于朗伯-比尔定律中的光程长度、吸光系数以及腐殖质溶液浓度与有机质含量之间转换的系数。
也就是说,在利用样本土壤对应的基础质量分数和基础吸光度按照三阶多项式拟合得到第一标准曲线,然后,再利用验证土壤的校验质量分数筛选有效的基础质量分数和基础吸光度以及校验质量分数和校验吸光度,利用筛选出的基础质量分数和基础吸光度以及校验质量分数和校验吸光度再次进行三阶多项式拟合,得到土壤种类的有机质标准曲线。
在一个可行的实施例中,在得到有机质标准曲线之后,还可以利用决定系数对有机质标准曲线是否达到拟合标准进行验证。应当理解的是,决定系数用于衡量有机质标准曲线的拟合效果,即,各质量分数与有机质标准曲线之间的拟合程度,记为R2。在R2大于或等于预设阈值时,确定有机质标准曲线拟合度满足要求,如果R2小于预设阈值,则重复上述获取校验土壤的步骤继续进行修正,直至有机质标准曲线完成拟合。其中,为了提高有机质标准曲线的精确度,可以将R2设置为0.999。
示例性的,以图2所示的红土为例,经过拟合得到的第一标准曲线为SOM=82.664A3-136.76A2+152.29A+8.2982,R2=1;经过修正的有机质标准曲线为SOM=81.839A3-135.98A2+152.12A+8.3018,R2=1。
以图3所示的黄土为例,经过拟合得到的第一标准曲线为SOM=117.34A3-162.88A2+157.18A+8.1304,R2=1;经过修正的有机质标准曲线为SOM=117.33A3-162.87A2+157.15A+8.1296,R2=1。
以图4所示的黑土为例,经过拟合得到的第一标准曲线为SOM=85.3A3-131.6A2+149.9A+8.496,R2=1;经过修正的有机质标准曲线为SOM=85.26A3-131.6A2+149.9A+8.496,R2=1。
以图5所示的潮土为例,经过拟合得到的第一标准曲线为SOM=85.3A3-131.6A2+149.9A+8.496,R2=1;经过修正的有机质标准曲线为SOM=430.1A3-238.79A2+161.8A+8.0762,R2=1。
以图6所示的紫土为例,经过拟合得到的第一标准曲线为SOM=85.3A3-131.6A2+149.9A+8.496,R2=1;经过修正的有机质标准曲线为SOM=430.1A3-238.79A2+161.8A+8.0762,R2=1。
由此,本申请实施例通过多层验证能够得到充分反应各土壤种类有机质质量分数的有机质标准曲线,大大提高了各土壤种类对应的有机质标准曲线的准确性,为后续利用该有机质标准曲线对土壤的有机质变化提供可靠的数据基础,提高土壤碳汇监测的精准性。
在一个可行的实施例中,由于我国幅员辽阔在土种多样,尚存在未认知或未进行分类的土壤。为了便于尽快对未知土壤种类进行碳汇分析,本申请实施例还进一步提出通用的土壤有机质标准曲线。
具体地,基于多种土壤对应的有机质标准曲线以及多种土壤的种类,拟合得到土壤有机质的标准曲线包括:针对每种土壤,获取土壤种类相对于标准土壤的偏移量;基于每种土壤对应的有机质标准曲线与其对应的偏移量,拟合得到土壤有机质标准曲线。
在一个可行的实施例中,获取土壤种类相对于标准土壤的偏移量包括:获取每种土壤的图像信息,利用土壤融合模型对多个土壤的图像信息进行特征融合,得到标准土壤对应的标准图像,基于标准图像和各种土壤对应的图像信息,确定土壤相对于标准土壤的偏移量。
也就是说,标准土壤是基于已知的多种土壤种类通过融合得到的虚拟土壤,标准土壤的属性信息可以与实际土壤重合,也可以不重合,具体可根据实际融合结果确定,本申请不做具体限定。
具体而言,可以提前训练图像融合模型,然后利用训练好的融合模型对多种类土壤的图像信息进行特征融合,得到标准土壤对应的标准图像。然后再分别对每种土壤的图像信息和标准图像进行差异化分析,得到每种土壤的图像信息和标准图像之间的差异,对差异进行特征类型分析,得到每种土壤与标准土壤之间的特征差异,将特征差异的差异量作为该土壤相对于标准土壤的偏移量。
示例性的,在以含沙量划分土壤类型为例,标准土壤的含沙量可以为多种种类土壤的含沙量的总和,也可以为多种种类土壤的含沙量的平均值,还可以是其他的含沙量标准。通过图像分析可以得到各种类土壤对应的图像信息中含沙量值或范围,然后与标准土壤的含沙量比较,即可得到各种土壤相对于标准土壤的含沙量的偏移量。
进一步地,在得到各土壤种类相对于标准土壤的偏移量之后,可以基于偏移量拟合土壤有机质标准曲线。具体地,通过控制各土壤种类按照各自偏移量对应的偏移参数进行曲线修正,使得能够得到同一的曲线,该曲线即为土壤有机质标准曲线。
还应当理解的是,拟合得到的土壤有机质标准曲线还应当满足决定系数的验证标准,即,标准曲线满足决定系数R2大于或等于预设阈值的验证条件。
在一个可行的实施例中,当采样到实测土壤时,可以获取实测土壤的实测土壤图像,将实测土壤图像与标准图像进行比较,得到实测土壤的偏移量,基于实测土壤的偏移量、实测吸光度和土壤有机质标准曲线,得到实测土壤对应的有机质质量分数。
也就是说,在获取到任一种类的实测土壤之后,可以通过图像分析得到实测土壤图像与标准图像之间的差异,进而得到实测土壤的偏移量,然后基于构造土壤有机质标准曲线时确定的偏移量对应的偏移参数,通过对土壤有机质标准曲线进行反向调整,得到与实测土壤的实测土壤图像对应的有机质标准曲线,然后再利用实测土壤的实测吸光度从实测土壤图像对应的有机质标准曲线中解算出实测土壤对应的有机质质量分数。
应当理解的是,该过程可以应用于当前已知的土壤种类,也可以应用于未知的土壤种类,只需要对实测土壤进行图像采集与分析即可通过与标准土壤之间的差异,确定实测土壤的有机质质量分数。
由此,本申请能够提供通用的土壤有机质标准曲线,从而有效实现对未知种类土壤类型的碳汇分析,在保障碳汇监测的准确性的基础上,为新土壤种类分析提供数据支持。
综上所述,本申请实施例提出的提高土壤碳汇检测精准性的实测数据处理方法,利用由多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线来提高土壤碳汇检测精准性。多种土壤对应的有机质标准曲线为根据多种土壤实际情况测算拟合的有机质标准曲线,利用其拟合通用土壤有机质标准曲线有效提高了有机质标准曲线的可靠性,从而提高了土壤碳汇检测精准性。
应当注意,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。
图7示出了本申请一实施例提供的提高土壤碳汇检测精准性的实测数据处理装置的方框示意图。
如图7所示,提高土壤碳汇检测精准性的实测数据处理装置10,包括:
采集单元11,用于获取当前采样点的实测土壤;
分光光度仪单元12,用于将所述实测土壤溶解于浸提剂得到实测溶液,并获取所述实测溶液对应的吸光度;
分析单元13,用于基于预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数。
在一些实施例中,分析单元13,还用于:
基于多种土壤分别构造各种类土壤对应的有机质标准曲线;
基于所述多种土壤对应的所述有机质标准曲线以及所述多种土壤的土壤种类,拟合得到所述土壤有机质标准曲线。
在一些实施例中,分析单元13,还用于:
针对每个所述当前采样点,获取样本土壤,分别采用重铬酸钾容量法得到所述样本土壤对应的基准质量分数,以及所述样本土壤对应的基础吸光度;
基于各样本土壤对应的土壤种类、所述基准质量分数和所述基础吸光度拟合各所述土壤种类对应的第一标准曲线;
对所述第一标准曲线进行修正,得到各所述土壤种类对应的有机质标准曲线。
在一些实施例中,分析单元13,还用于:
针对每个所述当前采样点,获取校验土壤,分别采用所述重铬酸钾容量法得到所述校验土壤对应的校验质量分数;
根据所述校验质量分数和所述基准质量分数,确定所述校验土壤及其对应的校验吸光度;
基于所述土壤种类、所述基准质量分数、所述基础吸光度、所述校验质量分数和所述校验吸光度拟合各所述土壤种类的有机质标准曲线。
在一些实施例中,分析单元13,还用于:
所述基于所述多种土壤对应的所述有机质标准曲线以及所述多种土壤的土壤种类,拟合得到所述土壤有机质标准曲线,包括:
针对每种土壤,获取所述土壤种类相对于标准土壤的偏移量;
基于每种土壤对应的有机质标准曲线与其对应的所述偏移量,拟合得到所述土壤有机质标准曲线。
在一些实施例中,分析单元13,还用于:
所述获取所述土壤种类相对于标准土壤的偏移量,包括:
获取每种所述土壤的图像信息;
利用土壤融合模型对多个所述土壤的图像信息进行特征融合,得到标准土壤对应的标准图像;
基于所述标准图像和各种土壤对应的图像信息,确定所述土壤相对于所述标准土壤的偏移量。
在一些实施例中,分析单元13,还用于:
获取所述实测土壤的实测土壤图像;
将所述实测土壤图像与标准图像进行比较,得到所述实测土壤的偏移量;
基于所述实测土壤的偏移量、所述实测吸光度和所述土壤有机质标准曲线,得到所述实测土壤对应的有机质质量分数。
应当理解,装置10中记载的诸单元或模块与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作和特征同样适用于装置10及其中包含的单元,在此不再赘述。装置10可以预先实现在电子设备的浏览器或其他安全应用中,也可以通过下载等方式而加载到电子设备的浏览器或其安全应用中。装置10中的相应单元可以与电子设备中的单元相互配合以实现本申请实施例的方案。
在上文详细描述中提及的若干模块或者单元,这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
下面参考图8,图8示出了适于用来实现本申请实施例的电子设备或服务器的计算机系统的结构示意图,
如图8所示,计算机系统包括中央处理单元(CPU)801,其可以根据存储在只读存储器(ROM)802中的程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM803中,还存储有系统的操作指令所需的各种程序和数据。CPU801、ROM802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805;包括键盘、鼠标、触摸屏等的输入部分806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807;包括硬盘等的存储部分808;以及包括诸如LAN卡、WLAN卡等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器810上,以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地,根据本申请的实施例,上文参考流程图图2描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分809从网络上被下载和安装,和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本申请所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以为的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作指令。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以不同于附图中所标注的顺序发生。例如,两个连接表示的方框实际上可以基本并行地执行,他们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作指令的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元或模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括采集单元、分光光度仪单元和分析单元。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,采集单元,还可以被描述为“获取当前采样点的实测土壤”。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的,也可以是单独存在,而未装配入该电子设备中的。上述计算机可读存储介质存储有一个或多个程序,当上述程序被一个或者一个以上的处理器用来执行描述于本申请的提高土壤碳汇检测精准性的实测数据处理方法。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离前述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其他技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种提高土壤碳汇检测精准性的实测数据处理方法,其特征在于,包括:
获取当前采样点的实测土壤;
将所述实测土壤溶解于浸提剂得到实测溶液,并获取所述实测溶液对应的实测吸光度;
基于所述实测吸光度和预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数,所述预设的土壤有机质标准曲线为基于多种土壤对应的有机质标准曲线和土壤种类,分析拟合得到的通用土壤有机质标准曲线。
2.根据权利要求1所述的提高土壤碳汇检测精准性的实测数据处理方法,其特征在于,在所述基于预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数之前,还包括:
基于多种土壤分别构造各种类土壤对应的有机质标准曲线;
基于所述多种土壤对应的所述有机质标准曲线以及所述多种土壤的土壤种类,拟合得到所述土壤有机质标准曲线。
3.根据权利要求2所述的提高土壤碳汇检测精准性的实测数据处理方法,其特征在于,所述基于多种土壤分别构造各种类土壤对应的有机质标准曲线,包括:
针对每个所述当前采样点,获取样本土壤,分别采用重铬酸钾容量法得到所述样本土壤对应的基准质量分数,以及所述样本土壤对应的基础吸光度;
基于各样本土壤对应的土壤种类、所述基准质量分数和所述基础吸光度拟合各所述土壤种类对应的第一标准曲线;
对所述第一标准曲线进行修正,得到各所述土壤种类对应的有机质标准曲线。
4.根据权利要求3所述的提高土壤碳汇检测精准性的实测数据处理方法,其特征在于,对所述第一标准曲线进行修正,得到各所述土壤种类对应的有机质标准曲线,包括:
针对每个所述当前采样点,获取校验土壤,分别采用所述重铬酸钾容量法得到所述校验土壤对应的校验质量分数;
根据所述校验质量分数和所述基准质量分数,确定所述校验土壤及其对应的校验吸光度;
基于所述土壤种类、所述基准质量分数、所述基础吸光度、所述校验质量分数和所述校验吸光度拟合各所述土壤种类的有机质标准曲线。
5.根据权利要求2所述的提高土壤碳汇检测精准性的实测数据处理方法,其特征在于,所述基于所述多种土壤对应的所述有机质标准曲线以及所述多种土壤的土壤种类,拟合得到所述土壤有机质标准曲线,包括:
针对每种土壤,获取所述土壤种类相对于标准土壤的偏移量;
基于每种土壤对应的有机质标准曲线与其对应的所述偏移量,拟合得到所述土壤有机质标准曲线。
6.根据权利要求5所述的提高土壤碳汇检测精准性的实测数据处理方法,其特征在于,所述获取所述土壤种类相对于标准土壤的偏移量,包括:
获取每种所述土壤的图像信息;
利用土壤融合模型对多个所述土壤的图像信息进行特征融合,得到标准土壤对应的标准图像;
基于所述标准图像和各种土壤对应的图像信息,确定所述土壤相对于所述标准土壤的偏移量。
7.根据权利要求1所述的高土壤碳汇检测精准性的实测数据处理方法,其特征在于,还包括:
获取所述实测土壤的实测土壤图像;
将所述实测土壤图像与标准图像进行比较,得到所述实测土壤的偏移量;
基于所述实测土壤的偏移量、所述实测吸光度和所述土壤有机质标准曲线,得到所述实测土壤对应的有机质质量分数。
8.一种提高土壤碳汇检测精准性的实测数据处理装置,其特征在于,包括:
采集单元,用于获取当前采样点的实测土壤;
分光光度仪单元,用于将所述实测土壤溶解于浸提剂得到实测溶液,并获取所述实测溶液对应的吸光度;
分析单元,用于基于预设的土壤有机质标准曲线,获取所述实测土壤对应的有机质质量分数。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-8中任一所述的终端界面识别方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的终端界面识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609736.4A CN117629918A (zh) | 2023-11-29 | 2023-11-29 | 提高土壤碳汇检测精准性的实测数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311609736.4A CN117629918A (zh) | 2023-11-29 | 2023-11-29 | 提高土壤碳汇检测精准性的实测数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117629918A true CN117629918A (zh) | 2024-03-01 |
Family
ID=90017633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311609736.4A Pending CN117629918A (zh) | 2023-11-29 | 2023-11-29 | 提高土壤碳汇检测精准性的实测数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117629918A (zh) |
-
2023
- 2023-11-29 CN CN202311609736.4A patent/CN117629918A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Desimoni et al. | Presenting analytical performances of electrochemical sensors. Some suggestions | |
Rees et al. | Methods for reproducible shipboard SFA nutrient measurement using RMNS and automated data processing | |
King et al. | How paraproteins can affect laboratory assays: spurious results and biological effects | |
McTaggart et al. | Diagnostic accuracy of point-of-care tests for detecting albuminuria: a systematic review and meta-analysis | |
US20160084861A1 (en) | Calibration for multi-component assays | |
CN110082319A (zh) | 定标数据修正方法及其电子设备 | |
CN103728891A (zh) | 水质在线监测数据的控制方法及装置 | |
Kroll et al. | Evaluation of the extent of nonlinearity in reportable range studies | |
CN115081963B (zh) | 一种地下水质风险分析方法及系统 | |
CN111998918A (zh) | 一种误差校正方法、误差校正装置及流量传感系统 | |
Liu et al. | Application of Six Sigma for evaluating the analytical quality of tumor marker assays | |
KR101712377B1 (ko) | 수질측정키트의 이미지 처리 기법을 이용한 양식장 자동화 수질분석 및 원격 감시시스템 | |
CN103743878A (zh) | 水质监测数据处理方法及装置 | |
CN117591978A (zh) | 一种环境污染检测方法、系统、设备及存储介质 | |
CN117629918A (zh) | 提高土壤碳汇检测精准性的实测数据处理方法和装置 | |
Giraldi et al. | Evaluation of the analytical variability of dipstick protein pads in canine urine | |
CN115660455A (zh) | 一种三水统筹下水质评价体系模型构建系统、设备及终端 | |
CN115081485A (zh) | 一种基于ai的漏磁内检测数据自动分析方法 | |
CN111327630B (zh) | 基于全对称多胞形理论的攻击检测与修正方法 | |
CN112683873A (zh) | 液态芯片的检测模型构建方法及装置、分析方法及装置 | |
Barton et al. | The management of post analytical correction factors | |
van Rossum et al. | Lung cancer tumor marker analysis: A clinical laboratory perspective | |
CN104458618A (zh) | 一种用于二氧化硫低浓度状况的甲醛测定方法 | |
CN116595301B (zh) | 一种对检化验数据智能校验方法 | |
CN117395080B (zh) | 加密系统扫描器的检测方法、装置、电子设备和存储介质 |
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 |