土壤有機質(zhì)近紅外光譜分析及相關(guān)軟件開發(fā).pdf

1、精準(zhǔn)農(nóng)業(yè)中一個的極其關(guān)鍵的環(huán)節(jié)即是變量施肥，而要實現(xiàn)變量施肥，首先就必須準(zhǔn)確地獲取農(nóng)田中土壤養(yǎng)分信息。土壤養(yǎng)分主要包括有機質(zhì)、氮磷鉀，它們是作物生長的基礎(chǔ)，是衡量土壤生產(chǎn)能力和土壤肥力的重要指標(biāo)。
　　傳統(tǒng)的土壤養(yǎng)分實驗室化學(xué)分析方法雖然準(zhǔn)確性高，但是操作復(fù)雜且耗時。相比之下，近紅外光譜分析技術(shù)則具有快速、實時、高效、不使用化學(xué)試劑、不破壞樣品、無污染等優(yōu)點，在快速分析土壤養(yǎng)分含量方面具有很大的潛力，因此也成為了國內(nèi)外研究的熱點。

2、
　　本文共采集了安徽省懷遠(yuǎn)縣龍亢農(nóng)場147份土壤樣品，利用主成分回歸法PCR建立了土壤有機質(zhì)預(yù)測模型。實驗中通過Kennard-Stone算法對土壤樣品進行校正集與驗證集的劃分，以驗證集預(yù)測相關(guān)系數(shù)Rp2和預(yù)測標(biāo)準(zhǔn)偏差RMSEP為指標(biāo)，對土壤光譜預(yù)處理算法作了優(yōu)選，結(jié)果表明Savitzky-Golay(SG)卷積平滑+標(biāo)準(zhǔn)正態(tài)變量變換SNV效果最好。另外，本文還提出了一種波長優(yōu)選的新方法，結(jié)果表明通過此種方法可以較大地提高模型的

3、預(yù)測精度。在上述基礎(chǔ)上，最終所建土壤有機質(zhì)預(yù)測模型的Rp2和RMSEP分別達到0.9322、0.0411％，取得了較好的預(yù)測效果。
　　同時，本文的另一個創(chuàng)新點是基于實驗室搭建的土壤可見-近紅外光譜采集硬件平臺，利用Microsoft Visual Studio2010開發(fā)了一套軟件系統(tǒng)，實現(xiàn)了在350nm～2500nm波長范圍內(nèi)土壤光譜的采集、顯示與保存、吸光度與反射率的計算、光譜的預(yù)處理（如SG平滑、SNV、一階導(dǎo)數(shù)、二階導(dǎo)數(shù)