[發明專利]一種基于優化模型的土壤有機質測定方法

在審

• 申請號: 202010271738.7
• 申請日: 2020-04-07
• 公開（公告）號: CN111488926A
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 杜昌文;徐雪斌;馬菲
• 申請（專利權）人: 中國科學院南京土壤研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01N21/71
• 代理公司: 江蘇致邦律師事務所 32230
• 代理人: 樊文紅

1.一種基于優化模型的土壤有機質速檢測方法，其特征在于，包含以下步驟：

A.預處理步驟：

A1.采集土壤樣品，隨機劃分N個土壤樣品的校正集和M個待測土壤樣品；

A2.采用化學方法測定步驟A1的校正集和待測集中土壤樣品的有機質含量，并分別對所有土壤樣本進行壓片；

A3.采用激光誘導擊穿光譜儀采集壓片后的校正集土壤樣本和待測集土壤樣本的光譜，連續多次測量；

A4.對步驟A3獲得的土壤激光誘導擊穿光譜進行預處理，包括基線校正、降噪、平均以及標準化；

B.建立模型步驟：

B1.計算經過預處理后的待測樣本與校正集中所有土壤樣品光譜的歐氏距離和余弦角度；

B2.計算上述各歐氏距離和對應余弦角度的混合值，并將結果從小到大排列；

B3.根據步驟B2的排序，設置初始子校正集數目，并以間隔遞增的方式選擇前n個校正集的光譜作為新的校正集，n≤N，建立PLSR預測模型，根據不同的n值得到不同的PLSR模型；

B4.根據每個PLSR模型對各自校正集預測的相關系數R²，均方根誤差RMSEP，交叉驗證的均方根誤差RMSECV，以及殘差預測偏差RPD，進行優化篩選，從而確定最優模型和對應的建模集樣本數，并對待樣本土壤有機質含量預測；

C.樣品預測步驟

C1.依次將所有待測樣品代入混合距離判據優化模型，對土壤有機質含量進行預測，得到預測值；

D.預測值評估步驟

D1.將步驟C1中預測的土壤有機質含量與步驟(A2)中的化學方法測定待測土壤的有機質含量參考值進行比較，評估預測結果。

2.根據權利要求1所述的基于優化模型的土壤有機質測定方法，其特征在于，所述步驟A1中，土壤樣品的采集方式為：采集不同區域的土壤樣品，去除土壤中的植物根、碎屑以及石子，樣品進行風干、研磨過0.149mm篩。

3.根據權利要求1所述的基于優化模型的土壤有機質測定方法，其特征在于，所述步驟A2具體包括：采用水合熱重鉻酸鉀-比色法測定校正集和待測集土壤樣品的有機質含量，分別取一定量的校正集和待測集土壤樣品置于壓片磨具中在55MPa的壓力下壓2min制得土壤片。

4.根據權利要求1所述的基于優化模型的土壤有機質測定方法，其特征在于，所述步驟A3具體包括：分別將土壤片置于激光誘導擊穿光譜儀中，采集校正集土壤激光誘導擊穿光譜，采集波長范圍為200-1000nm，分辨率為0.14nm；激光能量為16mJ，頻率為20Hz；檢測延遲時間為137μs，柵極寬度為7.0ms；一個樣品采集25個點位，采集三層，共75條平行光譜。

5.根據權利要求1所述的基于優化模型的土壤有機質測定方法，其特征在于，所述步驟A4中的預處理具體包括：采用MPLS算法對光譜進行基線校正，采用小波變換對光譜進行降噪，平均光譜，并標準化。

6.根據權利要求1所述的基于優化模型的土壤有機質測定方法，其特征在于，所述步驟B1中，所述校正集土壤光譜的歐氏距離和余弦角度的混合矢量計算公式如下：

其中x_u為待測樣本的光譜數據，x_q為校正集中第q個樣本的光譜數據(q＝1,2,…,N)，N為校正集的樣本數，d_cos(u,q)為待測樣本光譜與校正集中第q個樣本光譜的余弦角度，D_xcos(u,q)為待測樣本光譜與校正集中第q個樣本光譜的混合矢量。通過Matlab軟件計算混合距離，并將混合距離按照從小到大排序組成新的序列。

7.根據權利要求1所述的基于優化模型的土壤有機質測定方法，其特征在于，所述步驟B3中，所述PLSR預測模型具體包括：對于新的光譜序列，設置初始子校正集數目為10個，以間隔數目為10遞增，依次選擇新序列的前10個，20個，······N個，光譜作為子PLSR模型的校正集；采用留一法交叉驗證的方法確定模型的潛在變量數，由不同的子校正集建立不同的PLSR預測模型。