版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、土壤的營(yíng)養(yǎng)成分關(guān)系到農(nóng)作物生長(zhǎng)數(shù)量和質(zhì)量,肥料對(duì)土壤養(yǎng)分的及時(shí)補(bǔ)充起到關(guān)鍵作用。根據(jù)土壤養(yǎng)分情況,可以制定合適的肥料,補(bǔ)充相應(yīng)營(yíng)養(yǎng)成分,修復(fù)土地,增加土地的活力。因此,研究土壤養(yǎng)分的分布對(duì)作物生長(zhǎng)有重要意義,也是我國(guó)農(nóng)林業(yè)發(fā)展不可或缺的必要環(huán)節(jié)。
本論文以贛南區(qū)某臍橙園土壤為研究對(duì)象,針對(duì)不用層土壤的全氮、全磷及有機(jī)質(zhì)養(yǎng)分信息,采用傅里葉型近紅外光譜儀和可見(jiàn)/近紅外光譜檢測(cè)裝置不同參數(shù)配比下組合,采集土壤樣品光譜。首先,用化學(xué)
2、分析方法測(cè)定養(yǎng)分真值,結(jié)合光譜預(yù)處理方法和化學(xué)計(jì)量學(xué)算法建立定量檢測(cè)數(shù)學(xué)模型,選擇出最優(yōu)的儀器參數(shù)、最合適的預(yù)處理方法和算法,確定最終的數(shù)學(xué)模型。然后,用養(yǎng)分含量真值及最優(yōu)數(shù)學(xué)模型下的養(yǎng)分預(yù)測(cè)值結(jié)合地統(tǒng)計(jì)分析方法進(jìn)行區(qū)域養(yǎng)分插值,獲取研究區(qū)域的真值土壤養(yǎng)分空間分布圖和模型預(yù)測(cè)值下的土壤養(yǎng)分空間分布圖。最后,結(jié)合國(guó)家土壤養(yǎng)分分級(jí)標(biāo)準(zhǔn),制定研究區(qū)域內(nèi)的土壤營(yíng)養(yǎng)元素合理施用值,插值形成土壤變量施肥處方圖,進(jìn)而指導(dǎo)精準(zhǔn)施肥。論文主要研究工作總結(jié)
3、為以下幾點(diǎn):
1、闡述了實(shí)驗(yàn)所用儀器設(shè)備及參數(shù),并對(duì)傅立葉型近紅外光譜儀(TENSOR37)和可見(jiàn)/近紅外檢測(cè)裝置儀器參數(shù)進(jìn)行優(yōu)化對(duì)比,結(jié)合偏最小二乘全交互驗(yàn)證方法,得出各儀器檢測(cè)土壤樣品的最佳匹配參數(shù)。同時(shí),介紹了實(shí)驗(yàn)過(guò)程中土壤養(yǎng)分檢測(cè)的理化分析方法及公式,土壤養(yǎng)分采樣方法、采樣點(diǎn)分布和空間分布分析軟件。
2、利用S.G.平滑、標(biāo)準(zhǔn)歸一化(SNV),多元散射校正(MSC)、基線校正、一階微分(1stD)、二階微分(
4、2stD)等方法對(duì)不同層土壤樣品各養(yǎng)分指標(biāo)進(jìn)行光譜預(yù)處理分析。結(jié)合偏最二乘(PLS)、主成分分析(PCR)、最小二乘-支持向量機(jī)(LS-SVM)等化學(xué)計(jì)量學(xué)建模方法,建立相應(yīng)的定量模型,對(duì)比分析定量模型。結(jié)果表明,預(yù)處理方法針對(duì)不同層各養(yǎng)分略有差異,但各層土壤養(yǎng)分指標(biāo)均為使用PLS算法建立的模型效果最佳。其中表土層土壤的全氮、全磷和有機(jī)質(zhì)的相關(guān)決定系數(shù)RP分別為0.833、0.718和0.714,均方根誤差RMSEP分別為7.622、0
5、.098和1.515;心土層土壤的全氮、全磷和有機(jī)質(zhì)的相關(guān)決定系數(shù)RP分別為0.809、0.762和0.743,均方根誤差RMSEP分別為4.473、0.107和1.271;底土層土壤的全氮、全磷和有機(jī)質(zhì)的相關(guān)決定系數(shù)RP分別為0.805、0.806和0.794,均方根誤差RMSEP分別為3.359、0.052和1.388。還討論了分層土壤各養(yǎng)分與植株生長(zhǎng)的相關(guān)性,分析得知底土層養(yǎng)分分布與植株真實(shí)生長(zhǎng)狀況最接近,其他兩層對(duì)分析判定土壤養(yǎng)
6、分含量與植株生長(zhǎng)關(guān)系也有一定參考價(jià)值。
3、實(shí)驗(yàn)采樣點(diǎn)的數(shù)量是有限的,要想得到整個(gè)研究區(qū)的養(yǎng)分分布數(shù)據(jù)就需要采用克里金插值法(Kriging)對(duì)這些采樣點(diǎn)各養(yǎng)分進(jìn)行插值。論文運(yùn)用ArcGIS軟件中的地統(tǒng)計(jì)分析模塊功能,對(duì)采樣點(diǎn)的土壤全氮、全磷及有機(jī)質(zhì)的真實(shí)化學(xué)值和最優(yōu)模型預(yù)測(cè)值進(jìn)行克里金插值,得出采樣區(qū)的土壤養(yǎng)分空間分布圖。結(jié)合國(guó)家土壤養(yǎng)分分級(jí)表,對(duì)需施用的肥料值也進(jìn)行了克里金最優(yōu)插值,得出較為直觀的土壤養(yǎng)分變量施肥處方圖。<
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于可見(jiàn)近紅外光譜檢測(cè)土壤養(yǎng)分及儀器開(kāi)發(fā).pdf
- 近紅外光譜多維數(shù)據(jù)Web可視化算法及應(yīng)用.pdf
- 轉(zhuǎn)基因番茄的可見(jiàn)-近紅外光譜快速無(wú)損檢測(cè)方法.pdf
- 基于可見(jiàn)近紅外光譜的土壤有機(jī)質(zhì)快速檢測(cè)方法和儀器研究.pdf
- 河套蜜瓜品質(zhì)可見(jiàn)近紅外光譜檢測(cè)研究.pdf
- 基于近紅外光譜的土壤養(yǎng)分快速分析與傳感技術(shù)基礎(chǔ)研究.pdf
- 基于可見(jiàn)光-近紅外光譜的稻米質(zhì)量快速無(wú)損檢測(cè)研究.pdf
- 豬肉肉糜品質(zhì)與安全可見(jiàn)-近紅外光譜快速檢測(cè)方法的實(shí)驗(yàn)研究.pdf
- 西瓜品質(zhì)可見(jiàn)-近紅外光譜無(wú)損檢測(cè)技術(shù)研究.pdf
- 基于土壤可見(jiàn)-近紅外光譜庫(kù)的土壤全氮預(yù)測(cè)建模研究.pdf
- 基于近紅外光譜的貯藏臍橙品質(zhì)無(wú)損檢測(cè)方法研究.pdf
- 基于可見(jiàn)_近紅外光譜技術(shù)的牛肉嫩度快速無(wú)損檢測(cè)_歐陽(yáng)文.pdf
- 近紅外光譜快速檢測(cè)牛奶品質(zhì)的研究.pdf
- 土壤背景下馬鈴薯可見(jiàn)—近紅外光譜探測(cè)與識(shí)別研究.pdf
- 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
- 馬鈴薯環(huán)腐病可見(jiàn)-近紅外光譜檢測(cè)裝置及方法研究.pdf
- 近紅外光譜
- 車用柴油快速檢測(cè)方法近紅外光譜法
- 基于近紅外光譜的成品紙張質(zhì)量快速檢測(cè)方法.pdf
- 近紅外光譜法快速檢測(cè)乳制品的成分.pdf
評(píng)論
0/150
提交評(píng)論