基于可見(jiàn)光近紅外光譜的土壤成分預(yù)測(cè)模型研究.pdf

1、土壤成分信息的獲取技術(shù)，是開(kāi)展測(cè)土配方施肥項(xiàng)目、研究作物生長(zhǎng)規(guī)律的基礎(chǔ)，對(duì)土地資源的有效管理利用、種植業(yè)的精細(xì)化運(yùn)營(yíng)都具有重要的作用。近紅外光譜分析是一種利用物質(zhì)的光譜特征鑒別物質(zhì)品種或定量分析物質(zhì)化學(xué)組分的技術(shù)，具有非接觸式測(cè)量、多組分同時(shí)預(yù)測(cè)、使用成本低廉等優(yōu)點(diǎn)。將近紅外光譜分析技術(shù)應(yīng)用在土壤成分信息的獲取中，能夠大量減少土壤信息獲取的成本，促進(jìn)測(cè)土配方施肥及精準(zhǔn)農(nóng)業(yè)的進(jìn)步。
　　使用近紅外光譜分析方法獲取土壤成分信息的關(guān)鍵在

2、于建立土壤近紅外光譜和土壤成分的關(guān)系。大面積、大尺度下的土壤樣本具有高度的多樣性，為實(shí)現(xiàn)土壤成分信息的準(zhǔn)確預(yù)測(cè)，課題研究了統(tǒng)計(jì)學(xué)習(xí)方法在建模中的應(yīng)用，探討了線(xiàn)性模型的預(yù)測(cè)效果及影響因素，并提出兩種新的基于神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性模型。主要研究?jī)?nèi)容和結(jié)論如下:
　　1.基于線(xiàn)性模型的土壤有機(jī)碳含量預(yù)測(cè)。多元線(xiàn)性回歸、主成分回歸、偏最小二乘回歸和逐步回歸是常用的線(xiàn)性校正模型。此研究比較了使用這四種線(xiàn)性模型對(duì)大面積、大尺度的土壤數(shù)據(jù)集進(jìn)行建模的

3、預(yù)測(cè)效果，分析了模型輸入采用原始光譜或?qū)?shù)光譜、光譜曲線(xiàn)使用不同的采樣間隔、校正樣本數(shù)目等因素對(duì)線(xiàn)性模型預(yù)測(cè)結(jié)果的影響，揭示了光譜預(yù)處理方式對(duì)預(yù)測(cè)結(jié)果的影響機(jī)制。
　　2.基于改進(jìn)自動(dòng)編碼器模型的土壤有機(jī)質(zhì)含量等級(jí)預(yù)測(cè)。改進(jìn)自動(dòng)編碼器模型在傳統(tǒng)自動(dòng)編碼器模型基礎(chǔ)上進(jìn)行了優(yōu)化。利用改進(jìn)自動(dòng)編碼器模型抽取出的高維光譜信號(hào)的低維特征表示，既能重建輸入信號(hào)，也能預(yù)測(cè)土壤成分。將改進(jìn)自動(dòng)編碼器模型用于土壤有機(jī)質(zhì)含量等級(jí)的分類(lèi)問(wèn)題中，獲得了較

4、高的預(yù)測(cè)準(zhǔn)確率。
　　3.基于卷積神經(jīng)網(wǎng)絡(luò)模型的土壤有機(jī)碳含量預(yù)測(cè)。此研究將卷積神經(jīng)網(wǎng)絡(luò)用于近紅外光譜的校正模型中，模型以原始光譜信號(hào)和成分信息作為輸入和輸出。文中設(shè)計(jì)了五種不同深度的卷積神經(jīng)網(wǎng)絡(luò)作為校正模型，研究了卷積神經(jīng)網(wǎng)絡(luò)深度對(duì)模型預(yù)測(cè)效果的影響。使用大量土壤樣本對(duì)基于卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型進(jìn)行訓(xùn)練，實(shí)現(xiàn)了復(fù)雜光譜特征的自動(dòng)抽取。
　　實(shí)驗(yàn)證明，采用非線(xiàn)性建模方法對(duì)大面積、大尺度下的土壤樣本建立校正模型，可以獲得比線(xiàn)性