一種基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法
2023-07-20 10:16:51 1
專利名稱：一種基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法
技術領域：
本發明屬於光譜分析技術領域，尤其涉及一種基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法。
背景技術：
土壤有機質是土壤的重要組成部分，是農田土壤肥力和土壤質量的重要指標，是當前土壤碳庫計算中的重要參 數，對指導實施農田精準管理、農田土壤肥力評價等工作具有十分重要的意義。傳統測定土壤有機質含量的化學分析方法通常時間久，花費大，易汙染環境，並且很難在田間直接實施，不能滿足快速有效監測土壤有機質空間分布和製圖的需要。可見-近紅外反射光譜技術監測土壤屬性信息具有快速、簡便、非接觸、不破壞等優點，而且利用反射光譜技術可進行多種土壤屬性的預測。申請公開號為CN102798601A的發明專利申請文件公開了一種土壤有機質檢測裝置，包括:採樣車；安裝在所述採樣車底部的取樣模板；用於向取樣模塊中的土壤樣品發射檢測光的光照探頭模塊；用於接收土壤樣品反射光的光譜採樣模塊；用於接收並處理來自所述光譜採集模塊的信號的光譜處理模塊。該發明專利申請文件還公開了一種利用所述土壤有機質檢測裝置檢測土壤有機質的方法，包括如下步驟:(1)利用所述取樣模塊採集土壤樣品，利用所述光照探頭模塊向土壤樣品發射波長為420mm、450mm、486mm、583mm、650mm、740mm、920mm和1130mm的檢測光；(2)利用所述光譜採集模塊接收土壤樣品的反射光,利用光譜處理模塊提取土壤樣品在不同波長處的反射率；(3)利用光譜處理模塊將所得反射率通過相應的計算方程計算得到土壤有機質的含量。授權公告號為CN101387605B的中國專利公開了一種光纖式農田土壤有機質含量快速檢測儀，包括光路模塊和與該光路模塊相連的控制模塊，其中，所述光路模塊為包括光電探測器、光纖、探頭、近紅外發光二極體和驅動電路，所述光纖包括光輸入端、反射光測量端和土壤探測端，光輸入端為與光電探測器相連，反射光測量端則連接於光電探測器，土壤探測端則與探頭連接；所述控制模塊為包含信號放大單元、A/D轉換單元、控制單元、顯示單元及存儲單元，信號方法單元分別連接光電二極體和A/D轉換單元，控制單元亦分別連接A/D轉換單元、顯示單元和存儲單元。以上現有技術存在以下不足:由於土壤類型多樣，土壤反射光譜特性在不同土壤類型之間存在顯著的差異，土壤質地、氧化鐵、土壤黏土等理化特性在可見光和近紅外不同波段對有機質光譜產生交互影響。以上現有技術在用可見-近紅外反射光譜技術檢測不同類型土壤有機質含量時，其預測模型穩定性和普適性較差。
發明內容
本發明針對現有技術在用可見-近紅外反射光譜技術檢測不同類型土壤有機質含量時，其預測模型穩定性和普適性較差的問題，提出了一種基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，該方法與以往單純採用區域全部土壤樣本光譜預測建模方法相比，其模型穩定性和預測精度均大大提高，檢測精度高、普適性強。一種基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，包括以下步驟:(I)測量採集全國土壤樣本的可見-近紅外光譜數據和有機質含量數據，構建大樣本全國土壤光譜-有機質資料庫；(2)採用模糊k均值聚類將所述大樣本全國土壤光譜-有機質資料庫最優聚類成k組，k為自然數，然後對每組光譜數據用偏最小二乘回歸方法建立各自的預測模型，從而構建大樣本全國土壤光譜-有機質資料庫的分類預測模型，用交叉驗證法對所述分類預測模型進行精度評價；(3)採集待檢測土壤樣本的可見-近紅外光譜數據，將該光譜數據匯入所述的大樣本全國土壤光譜-有機質資料庫中，判斷該光譜數據的所屬組別，根據該組的預測模型得到待檢測土壤樣本的有機質含量。步驟(I)中，所述的測量採集全國土壤樣本的可見-近紅外光譜數據和有機質含量數據，構建大樣本全國土壤光譜-有機質資料庫的具體過程如下:(1.1)採集全國的土壤樣本，採集所述土壤樣本的光譜數據；採集全國不同省市不同土壤類型的樣本，對採集的土壤樣本進行風乾、研磨並通過2mm孔篩。採用美國ASD公司的FieldSpec Pro FR型光譜儀獲取土壤樣本可見-近紅外光譜數據，其波長範圍是350 2500nm，採樣間隔為1.4nm (350 IOOOnm區間)和2nm(1000 2500nm區間)，重採樣間隔為lnm，輸出波段數為2150。為保證光譜數據質量，去除邊緣誤差較大光譜數據，最終光譜庫數據選取400-2450nm波段。
``
(1.2)用化學方法分析所述土壤樣本的有機質含量，優選方法為採用重鉻酸鉀容量法-外加熱法分析；(1.3)對所述光譜數據進行預處理，構建大樣本全國土壤光譜-有機質資料庫；(1.3.1)用基於最小二乘的Savitzky-Golay經典平滑濾波去除光譜噪聲；該方法能保持光譜的大部分細節特徵；假設光譜曲線為t次多項式，其中t為自然數，其公式為:1=0,^+0,^+0,^+0,^+...+BtIt( I)其中Y表示光譜數據值，a0, B1^a2, B3^ai為多項式係數，i表示光譜波長，t為自然數。基於最小二乘的Savitzky-Golay經典平滑濾波的推導過程中，最後簡化的一般最小二乘卷積方程為:
權利要求
1.一種基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，其特徵在於，包括以下步驟: (1)測量採集全國土壤樣本的可見-近紅外光譜數據和有機質含量數據，構建大樣本全國土壤光譜-有機質資料庫； (2)採用模糊k均值聚類將所述大樣本全國土壤光譜-有機質資料庫最優聚類成k組，k為自然數，然後對每組光譜數據用偏最小二乘回歸方法建立各自的預測模型，從而構建大樣本全國土壤光譜-有機質資料庫的分類預測模型，用交叉驗證法對所述分類預測模型進行精度評價； (3)採集待檢測土壤樣本的可見-近紅外光譜數據，將該光譜數據匯入所述的大樣本全國土壤光譜-有機質資料庫中，判斷該光譜數據的所屬組別，根據該組的預測模型得到待檢測土壤樣本的有機質含量。
2.根據權利要求1所述的基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，其特徵在於，步驟(I)中，所述的測量採集全國土壤樣本的可見-近紅外光譜數據和有機質含量數據，構建大樣本全國土壤光譜-有機質資料庫的具體過程如下: (1.1)採集全國的土壤樣本，採集所述土壤樣本的光譜數據； (1.2)用化學方法分析所述土壤樣本的有機質含量； (1.3)對所述光譜數據進行預處理，構建大樣本全國土壤光譜-有機質資料庫。
3.根據權利要求2所述的基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，其特徵在於，步驟(1.2)中，所述的用化學方法分析所述土壤樣本的有機質含量是用重鉻酸鉀容量法-外加熱法分 析。
4.根據權利要求2所述的基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，其特徵在於，步驟(1.3)中，所述的對所述光譜數據進行預處理的方法為基於最小二乘的Savitzky-Golay經典平滑濾波與一階微分變換相結合的方法。
5.根據權利要求1所述的基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，其特徵在於，步驟(2)中，所述的採用模糊k均值聚類將所述大樣本全國土壤光譜-有機質資料庫最優聚類成k組的具體過程如下: 聚類時，引入模糊性能指數FP1、改進分類熵MPE和聚類獨立性指標S，選取以上是三個指標都較小的聚類數作為最佳光譜分類數，即k的值； 採用主成份分析方法將全國土壤樣本光譜-有機質資料庫中的反射光譜數據進行壓縮，將簡化後的主成份數據作為模糊k均值分類方法的輸入數據； 採用模糊k均值方法進行分類，k為自然數，模糊k均值方法的目標函數為: i=l 戶I(4)其中η是屬性數據的個數，此處為選取的主成分個數；k是類別個數；j^k)表示土壤光譜資料庫中第i個土壤樣本Xi屬於聚類中心矩陣C中第j個聚類中心向量Cj的隸屬度；M為隸屬度矩陣；(Clij)2等於Xi與Cj在特徵向量上距離的平方；d為11與4在特徵向量上的距離，n、k、1、j為自然數，Φ為模糊加權指數，控制不同類別間共用數據的數目，Φ > I。
6.根據權利要求1所述的基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，其特徵在於，步驟(2)中，所述的對每組光譜數據用偏最小二乘回歸方法建立各自的預測模型的具體過程如下: 在每個聚類組別中，以經過預處理的該組別的土壤樣本的光譜數據為建模集輸入，以該組別的土壤樣本對應的有機質含量為建模集輸出，建立偏最小二乘回歸預測模型。
7.根據權利要求1所述的基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，其特徵在於，步驟(2)中，所述的用交叉驗證法對所述分類預測模型進行精度評價是採用Leave-one-out交叉驗證方法,其具體過程如下: 預測模型精度統一選用決定係數R2、均方根誤差RMSE以及測定值標準偏差與標準預測誤差的比值RPD作為評價參數，其具體公式如下:
全文摘要
本發明公開了一種基於大樣本土壤可見-近紅外光譜分類的土壤有機質快速檢測方法，包括以下步驟(1)測量採集全國土壤樣本的可見-近紅外光譜數據和有機質含量數據，構建大樣本全國土壤光譜-有機質資料庫；(2)採用模糊k均值聚類和偏最小二乘回歸相結合的方法，構建大樣本全國土壤光譜-有機質資料庫的分類預測模型；(3)採集待檢測土壤樣本的可見-近紅外光譜數據，將該光譜數據匯入所述的大樣本全國土壤光譜-有機質資料庫中，判斷所屬組別，根據該組的預測模型得到待檢測土壤樣本的有機質含量。本發明的方法與以往單純採用區域全部土壤樣本光譜預測建模方法相比，其模型穩定性和預測精度均大大提高，檢測精度高、普適性強。
文檔編號G01N21/31GK103234922SQ20131011083
公開日2013年8月7日 申請日期2013年3月29日 優先權日2013年3月29日
發明者史舟, 王乾龍, 滕洪芬, 紀文君, 周煉清 申請人:浙江大學