论文部分内容阅读
矿源腐植酸能有效促进农作物对于氮、磷、钾及各项微量元素的吸收,同时具有改良土壤,提高土壤微生物活性,改善农作物抗性,提高农作物的化肥利用率的作用,应用前景十分广阔。目前矿源腐植酸的相关产品已经实现产业化,而其腐植酸含量的测量依然停留于传统的化学测量方法,耗时耗力,成本颇高。利用高光谱技术快速测量矿源腐植酸中的腐植酸含量,对于矿源腐植酸的检测及相关产品的质检都具有重要意义。将矿源腐植酸样本作为研究的对象,在实验室内用残渣法测定样本中的腐植酸含量,然后将样本研磨成0.15mm、0.18mm、0.25mm、0.6mm四种不同粒径,分别利用Thermo Fisher的NicoletTMiNTM10傅里叶变换红外光谱仪测定四种粒径样本的光谱。基于高光谱技术,充分分析矿源腐植酸的吸收光谱特征以及光谱信息,对光谱数据进行Y-梯度广义最小二乘加权算法的预处理后,利用相关性分析法、连续投影算法、随机蛙跳算法和灰色关联分析法4种方法筛选出敏感波长,分别建立四种粒径光谱与腐植酸含量的支持向量机估测模型,对腐植酸的含量进行了预测。并通过精度检验优选出了最佳估测模型,确定了本研究的最佳样本粒径和最佳波长筛选方法。主要研究结论如下:（1）明确了矿源腐植酸随粒径变化的光谱响应规律矿源腐植酸光谱在680-1680nm区间内波动性较强,在2680-4000nm区间内波动性次强,在1680-2680nm区间内光谱曲线较为稳定。矿源腐植酸原始光谱及预处理后的光谱曲线的稳定性均随粒径的减小而稳步提高。本研究中0.15mm粒径矿源腐植酸光谱稳定性最高。（2）分析了Y-GLSW预处理方法对矿源腐植酸光谱的影响在0.6mm、0.25mm、0.18mm、0.15mm粒径水平上,腐植酸含量与经过Y-梯度广义最小二乘加权算法预处理光谱的相关系数值分别为0.4197、0.4897、0.4866、0.4747;与原始光谱的相关系数值分别为0.1979、0.3436、0.3572、0.3340。Y-GLSW预处理的相关系数值均高于原始光谱,说明此方法对光谱具有较好的修正作用。（3）优选出矿源腐植酸模型的最佳粒径基于相关性分析法、连续投影算法、随机蛙跳算法、灰色关联分析法建立的腐植酸含量估测模型,分别对比四者在0.6mm、0.25mm、0.18mm、0.15mm粒径水平的估测模型精度,最优粒径均为0.15mm。其校正集决定系数、均方根误差、相对分析误差分别为:0.8695、1.3592、2.8301;0.9915、0.3387、10.4757;0.8036、1.6678、2.8549;0.4522、2.7851、1.8033,验证集相关系数、均方根误差、相对分析误差分别为:0.6598、1.5888、2.8112;0.8269、1.4530、3.3070;0.6617、2.4773、2.9260;0.3532、2.7217、1.5979。综上,本研究最优研究粒径为0.15mm。（4）优选出矿源腐植酸模型的最佳波长筛选方法四种波长筛选方法所选取的波长较均匀地来自于光谱波动区、光谱次波动区和光谱稳定区,说明各个区间对波长的选取均有影响。对比四种波长筛选方法下0.15mm粒径的腐植酸模型精度,其中最优方法为连续投影算法。其校正集决定系数、均方根误差、相对分析误差分别为:0.9915、0.3387、10.4757,验证集相关系数、均方根误差、相对分析误差分别为0.8269、1.4530、3.3070。具备良好的光谱分析预测能力。四种波长筛选方法的模型精度大小为:连续投影算法>随机蛙跳算法、相关性分析法>灰色关联分析法。综上所述,利用高光谱数据预测矿源腐植酸中的腐植酸含量是可行的,本研究为矿源腐植酸中腐植酸含量的高光谱测量提供了更为直观的技术方法和理论支撑。