科研之友
微信
新浪微博
Facebook
分享链接
摘要
土壤有机质(SOM)是表征土壤肥力的重要指标，实现其快速准确检测可为精准农业区域管理提供有效的数据支撑。土壤粒径对SOM 的光谱预测及仪器开发有很大的影响，为了明确不同粒径对 SOM 预测的影响，分别制备了1～2,0.5～1,0.25～0.5,0.1～0.25和<0.1mm 五种均匀粒径及<1mm 混合粒径共计6种粒径土样并进行了可见-近红外(300～2 500nm)光谱数据采集。采用蒙特卡罗交叉验证分别剔除了不同粒径的异常样本，结合Savitzky-Golay卷积平滑法对光谱数据进行平滑去噪处理，比较了不同粒径样品的光谱反射率差异，并对平滑后的原始光谱 R进行倒数IR、对数 LR、一阶导数 FDR等3种光谱变换并分析与SOM 含量的相关性，基于竞争性自适应重加权算法(CARS)对光谱数据进行了特征波长提取，并结合偏最小二乘回归(PLSR)分别建立了相应的SOM 含量预测模型。结果表明，不同粒径土样的平均光谱反射率与变异系数随着粒径的减小逐渐增加，且在大于540nm 波长范围内，差异明显。随着粒径的减小，SOM含量与光谱反射率在全波段范围的相关性变化幅度愈加明显，FDR 变换可明显改变全波段范围与 SOM 含量的相关性。通过 CARS算法对 FDR变换后的光谱数据进行特征波长提取，筛选出特征波长数为全波段数量的13.1%，降低了光谱数据重叠及无效信息干扰。对比不同SOM 预测模型的结果，FDR变换光谱的建模精度较好，且粒径越小其模型的效果越好，特别在粒径<0.1mm 时，模型的Rp2达到0.91,RMSEP为2.20g·kg-1,RPD为3.33。基于 CARS特征变量构建的 SOM 含量预测模型中，粒径<0.1mm 预测模型的效果最好，Rp2为0.78,RMSEP为3.00g·kg-1,RPD为2.00，可以实现SOM 含量的可靠预测，且其他粒径下的模型仍有可优化的空间。该研究可以为实现SOM 田间动态预测及仪器设计提供理论及模型参考。
- 单位
