土壤野外原位測量光譜中去除水分影響因素的方法

2023-09-14 01:38:55

土壤野外原位測量光譜中去除水分影響因素的方法
【專利摘要】本發明公開了一種土壤野外原位測量光譜中去除水分影響因素的方法。採集研究區內土壤樣本的野外原位光譜數據，使用KS算法挑選具有代表性的樣本作為轉換樣本。將轉換樣本風乾研磨過篩後測量其室內光譜數據。利用DS算法分析轉換樣本的室內光譜與野外原位光譜的差異，計算轉換係數。利用轉換係數將剩餘土壤樣本的野外原位光譜數據進行轉換，使得水分影響因素得以去除。去除水分影響因素後的野外光譜數據可以用已有的基於室內光譜測量的大樣本光譜庫預測模型對土壤有機質進行預測。本發明省略了傳統室內光譜測量中一系列土壤樣本的預處理步驟，避免重新利用野外光譜建立新模型的冗餘。能夠提高土壤有機質信息田間實時獲取的效率。
【專利說明】土壤野外原位測量光譜中去除水分影響因素的方法
【技術領域】
[0001]本發明涉及土壤有機質含量的高光譜測量方法，尤其是涉及一種土壤野外原位測量光譜中去除水分影響因素的方法。
【背景技術】
[0002]與常規的測量土壤有機質含量的化學分析方法相比，基於實驗室的土壤屬性高光譜特性研究具有無汙染，快速，簡便，成本低，周期短等諸多優點，已獲得越來越多的肯定。然而一系列的土壤預處理過程如土壤樣品的採集、烘乾、研磨及過篩等，仍然導致了土壤光譜測量的滯後性，不能滿足精準農業中快速有效監測土壤有機質含量的需要。近年來，隨著儀器硬體的發展，土壤光譜測量得以在野外環境下進行。但是，野外原位測量的土壤光譜會受到一系列環境因素諸如土壤水分、土壤顆粒、質地、微聚體、土塊、環境溫度、雜散光等因素的影響，增加了在可見近紅外波段對土壤屬性特徵光譜識別的難度。已有的基於室內光譜的大型土壤光譜庫所建立的預測模型難以成功進行土壤屬性的野外原位光譜預測。因此，研究土壤野外原位測量光譜的影響因素及去除算法非常有必要。
[0003]在諸多環境影響因素中，土壤水分對光譜的影響最大也最受關注。ViscarraRossel等(2009)將實驗室條件下風乾過篩土樣的光譜與野外條件下未經處理土樣的光譜進行比較後發現，二者的主要區別在1400nm、1900nm和土壤礦物質的一些非主要的特徵波段。Mouazen等(2006)研究表明，利用高光譜預測土壤pH、C、N、P、CEC> Ca、Mg、Na和K含量時，土樣烘乾去除水分後的預測精度有了略微的提高。
[0004]去除土壤野外測量光譜中水分影響因素的算法還鮮見報導。最新的研究進展是Minasny等(2011)使用額外參數正交化法(External Parameter Orthogonalization, EPO)對土壤光譜中水分這一影響的去除。EPO的思想是將所有的光譜投影到與土壤水分相正交的空間上，從而達到去除這一影響因素的目的，正交化之後的光譜可以成功進行土壤有機碳的預測。
[0005]本發明所採用的光譜標準轉換法是一種模型傳遞的算法(Wang等，1991)。在近紅外光譜分析中，在一臺儀器上建立的模型由於儀器響應不同而無法應用於另一臺儀器。光譜標準轉換法最初成功的運用於這種情況下的模型傳遞，同時也適用於同一儀器由於老化或部件更新導致前後兩次測量響應不同(Wang等，1991;Bouveresse和Massart, 1996; Naes等，2002 ;李慶波等，2007;林振興等，2008)而導致原有模型無法使用的情況。然而，還沒有人將這一算法應於去除野外原位光譜測量中水分因素影響的去除。

【發明內容】

[0006]本發明的目的在於提供了一種土壤野外原位測量光譜中去除水分影響因素的方法，經光譜標準轉換法(direct standardization,簡稱DS)轉換後的野外光譜可以用已有的基於室內光譜的大樣本光譜庫預測模型來進行土壤有機質含量的野外速測。
[0007]本發明採用的技術方案的步驟如下:[0008](I)野外原位土壤光譜數據的獲取:
[0009]在光譜儀上配備接觸式反射探頭，在野外將反射探頭壓在土壤表面，進行可見近紅外光譜測量，得到土壤樣品野外光譜數據；
[0010](2)轉換樣本的選取:
[0011]先對土壤樣品野外光譜數據的進行主成分分析，根據主成分分析結果，再採用Kennard-Stone算法選擇出具有代表性的土樣作為轉換樣本；將所選擇的轉換樣本帶回，轉換樣本經風乾、研磨、過篩後用同樣的光譜儀測量其對應的室內光譜數據；
[0012](3)計算轉換係數:
[0013]根據轉換樣本的野外光譜與對應的室內光譜數據，計算水分因素對野外光譜造成的影響，建立野外光譜與室內光譜之間的相關關係，計算轉換係數；
[0014](4)水分影響因素的去除:
[0015]利用步驟3)中的轉換係數，將剩餘的野外光譜數據進行轉換，轉換後的野外光譜中水分因素被去除；
[0016](5) 土壤有機質預測:
[0017]轉換後的野外光譜數據由於水分影響因素已經被去除，用已有的基於室內光譜測量的大樣本光譜庫所建立的預測模型進行土壤有機質的野外可見近紅外光譜預測。
[0018]本發明具有的有益效果是:
[0019]本發明利用光譜標準轉換法去除了基於野外原位測量的土壤光譜中水分影響因素，使得已存在的基於室內光譜測量的大樣本光譜庫預測模型可以直接用來預測野外光譜數據，大大節省了利用野外光譜數據重新建模的時間和精力。另外，在光譜標準轉換法中，只有一小部分土壤樣本需要帶回實驗室進行室內光譜測量，節省了以往需要對所有土壤樣本進行風乾研磨過篩的時間和精力，為更加快速的獲取土壤有機質含量提供了一種可行的方案。
【專利附圖】

【附圖說明】
[0020]圖1是室內光譜與野外光譜的對比圖。
[0021]圖2是光譜標準轉換法使用前后土壤有機質的預測值與實測值。
【具體實施方式】
[0022]下面結合附圖和實施例對本發明作進一步說明。
[0023]在浙江省內不同地區選擇9塊水稻田作為研究區域，在每個田塊隨機選擇8?16個土壤採樣點，本次實驗一共選取了 104個土壤採樣點。研究區域分布於N29° 03'?N30° IOi，E119° IOi?E122° 4V之間。實驗於2011年11月，水稻田收割10天後進行。此時，水稻田中的水已排出並乾燥一段時間以確保野外光譜採集實驗的進行。
[0024]( I) 土壤野外光譜的測量:
[0025]在每個採樣點，用方形土壤採樣器進行土壤樣品的採集。使用該採樣器採集的土壤樣品為一個20cm深,橫截面為IOcmX IOcm的土壤立方體。在該土樣的垂直面上隨機選3個位置進行野外原位土壤光譜的採集，每個位置採集10條光譜，30條光譜算術平均後作為該採樣點耕層土樣的野外原位光譜數據。在採樣過程中注意將土壤垂直面小心弄平整，但同時不要塗抹表面以致過於光滑。在野外光譜測量過程中，應注意避開土樣中可能存在的石頭、作物根系以及其他雜物、大孔隙等。野外土壤光譜的測量採用ASD公司生產的Fieldspec ProFR 可攜式野外光譜儀(Analytical Spectral Devices, Boulder, CO, USA)進行。為了進行野外原位光譜測量，本次實驗為該儀器配備了接觸式反射探頭。在每個土壤採樣點測量之前對光譜儀進行一次白板校正。土壤有機質含量採用重鉻酸鉀容量法-外加熱法分析。
[0026](2)數據預處理:
[0027]每個土樣的光譜曲線去除噪聲較大的邊緣波段350~399nm和2451~2500nm波段，再以IOnm為間隔將2051個波長壓縮簡化成206個波長。光譜反射率數據轉換成吸收率數據(1glO (I/反射率))，並進行Savitzky-Golay平滑去噪處理。
[0028](3)轉換樣本的選擇:
[0029]對經過預處理後的104個土壤樣本的野外光譜數據進行主成分分析；根據主成分分析結果，採用Kennard-Stone (KS)算法選擇出具有代表性的10個土壤樣本作為轉換樣本；將所選擇的轉換樣本帶回實驗室，每個樣品經風乾、研磨並通過2_孔篩後進行室內光譜測量。10個轉換樣本均包含有對應的野外原位光譜(灰色)和室內光譜數據(黑色)，如圖1所示。
[0030](4)使用DS算法計算轉換係數:
[0031]根據10個轉換樣本的野外原位光譜與室內光譜的差別，計算水分及其他環境因素對野外光譜造成的影響，建立起野外與室內光譜之間的相關關係，計算轉換係數；
[0032]DS算法的具體步驟是:
[0033]在轉換樣本中存在關係
[0034]Xl = XfB+E (1)
[0035]其中，XJmXp)為轉換樣本的室內光譜數據；XF(mXp)為轉換樣本的野外光譜數據是轉換樣本的個數，此處為10，P為波段數，此處為206 ；B(pXp)是「標準化法」的轉換矩陣，用以衡量室內土壤光譜\與野外土壤光譜Xf之間的差異；E(mXp)是殘差矩陣，用來校正野外不同於室內測量環境下所產生的基線偏移。因此，E可以寫成如下形式:
[0036]
【權利要求】
1.一種土壤野外原位測量光譜中去除水分影響因素的方法，其特徵在於，該方法的步驟如下: (1)野外原位土壤光譜數據的獲取: 在光譜儀上配備接觸式反射探頭，在野外將反射探頭壓在土壤表面，進行可見近紅外光譜測量，得到土壤樣品野外光譜數據； (2)轉換樣本的選取: 先對土壤樣品野外光譜數據的進行主成分分析，根據主成分分析結果，再採用Kennard-Stone算法選擇出具有代表性的土樣作為轉換樣本；將所選擇的轉換樣本帶回，轉換樣本經風乾、研磨、過篩後用同樣的光譜儀測量其對應的室內光譜數據； (3)計算轉換係數: 根據轉換樣本的野外光譜與對應的室內光譜數據，計算水分因素對野外光譜造成的影響，建立野外光譜與室內光譜之間的相關關係，計算轉換係數； (4)水分影響因素的去除: 利用步驟3)中的轉換係數，將剩餘的野外光譜數據進行轉換，轉換後的野外光譜中水分因素被去除； (5)土壤有機質預測: 轉換後的野外光譜數據由於水分影響因素已經被去除，用已有的基於室內光譜測量的大樣本光譜庫所建立的預測模型進行土壤有機質的野外可見近紅外光譜預測。
【文檔編號】G01N21/3563GK103712923SQ201310719523
【公開日】2014年4月9日 申請日期:2013年12月23日 優先權日:2013年12月23日
【發明者】紀文君, 史舟, 陳頌超, 李碩 申請人:浙江大學