[發明專利]一種基于算法融合的土壤氮素近紅外光譜特征波段選取方法

在審

• 申請號: 201810737269.6
• 申請日: 2018-07-06
• 公開（公告）號: CN108982406A
• 公開（公告）日: 2018-12-11
• 發明（設計）人: 何勇;肖舒裴;聶鵬程;董濤
• 申請（專利權）人: 浙江大學
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 胡紅娟

本發明公開了一種基于算法融合的土壤氮素近紅外光譜特征波段選取方法，包括：取黃土、鈣土、黑土和紅土與不同濃度梯度的尿素溶液混合并攪拌均勻，壓成薄片后并烘干；采集四種土壤樣品的光譜信息；采用偏最小二乘法建立四種土壤全段光譜數據與土壤氮素含量的預測模型；采用向后區間片最小二乘法選取土壤近紅外光譜特征區間，采用競爭自適應權重采樣法選取土壤近紅外光譜特征變量，融合兩種算法的結果確定四種土壤的特征波段；再次用PLS算法建立特征波段光譜與土壤氮素含量的預測模型，比較全光譜與特征波段的建模效果。本發明通過比較特征波段與全光譜建模的模型效果，更貼近在實際環境中實時、在線檢測土壤氮素含量的需求。

技術領域

本發明涉及土壤成分檢測技術領域，具體涉及一種基于算法融合的土壤氮素近紅外光譜特征波段選取方法。

背景技術

土壤是作物養分來源的主要基質，土壤的光譜反射特性是土壤的基本屬性之一，與土壤的理化性質具有密切的聯系。土壤中的氮元素含量直接影響作物的生長的營養水平，是對作物長勢估計的重要參考因素。近紅外光譜法是一種分析速度快、樣品處理簡便、操作簡單并且成本較低的分析方法，利用近紅外光譜技術準確、快速地估測土壤中的氮素含量與傳統方法相對具有更大的優勢和更為廣泛的應用前景。我國地域遼闊，土壤種類繁多，不同土壤之間有著較大的性質差異，探究不同土壤間近紅外光譜的差異以及特征波段的選取對開發一種通用型的檢測儀器具有重要價值，滿足精準農業快速、準確和實時的要求。

利用近紅外光譜技術能夠快速檢測土壤中的氮元素含量，檢測過程快速、準確、無污染。而土壤氮素的近紅外光譜特征波段選取受土壤種類、檢測手段、挑選方法等多方面因素的影響。盧艷麗等人分析了東北黑土在350-2500nm波段范圍的光譜反射率變化，確定了利用由可見光波段550nm和450nm組成的歸一化光譜指數預測黑土總氮含量的最佳預測模型。潘濤等人利用移動窗口偏最小二乘法和Savitzky-Golay平滑算法優選出土壤總氮的近紅外光譜特征波段為1692至2138nm，其中建模集相關系數為0.931以及預測集相關系數為0.882。張瑤等人組合小波分析和連續消除算法的結果確定了6個敏感波段用于預測土壤總氮含量，結果表明利用敏感波段實時預測土壤總氮含量具有較高的預測精度。

雖然一些研究學者已經采用不同的方法對土壤氮素的近紅外光譜特征波段進行了挑選，但由于土壤種類眾多，不同土壤具有相似但各不相同的近紅外光譜，確定一個具有較高普適性的特征波段選擇方法對研發土壤氮素的近紅外實時快速檢測裝置具有重要的參考價值。

發明內容

本發明提供了一種基于算法融合的土壤氮素近紅外光譜特征波段選取方法，提高土壤氮素檢測的效率。

一種基于算法融合的土壤氮素近紅外光譜特征波段選取方法，包括：

步驟1，制備土壤樣品，方法如下：

步驟1-1、針對四種土壤(黃土、鈣土、黑土和紅土)的原始氮素含量，分別配比不同氮濃度梯度的尿素溶液，每次取15ml尿素溶液與100g土壤樣品混合均勻，壓成薄片后分割成利于檢測光譜的大小；

步驟1-2、將所有土壤樣品置于80攝氏度的烘箱中烘干24小時；

步驟2，用便攜式近紅外光譜儀采集所有土壤樣品的光譜信息；

步驟3，用偏最小二乘法PLS建立四種土壤全段光譜數據與土壤氮素含量的預測模型；

步驟4，利用將向后區間偏最小二乘法BIPLS與競爭自適應權重采樣法CARS融合的方式，分別選擇出土壤的近紅外光譜特征區間與特征變量，對兩種算法的結果進行優化融合后確定該土壤的近紅外光譜特征區間。再次用PLS算法建立特征波段光譜與土壤氮素含量之間的預測模型，比較利用全光譜建模與特征波段建模的預測模型效果。