论文部分内容阅读
土壤的营养成分关系到农作物生长数量和质量,肥料对土壤养分的及时补充起到关键作用。根据土壤养分情况,可以制定合适的肥料,补充相应营养成分,修复土地,增加土地的活力。因此,研究土壤养分的分布对作物生长有重要意义,也是我国农林业发展不可或缺的必要环节。本论文以赣南区某脐橙园土壤为研究对象,针对不用层土壤的全氮、全磷及有机质养分信息,采用傅里叶型近红外光谱仪和可见/近红外光谱检测装置不同参数配比下组合,采集土壤样品光谱。首先,用化学分析方法测定养分真值,结合光谱预处理方法和化学计量学算法建立定量检测数学模型,选择出最优的仪器参数、最合适的预处理方法和算法,确定最终的数学模型。然后,用养分含量真值及最优数学模型下的养分预测值结合地统计分析方法进行区域养分插值,获取研究区域的真值土壤养分空间分布图和模型预测值下的土壤养分空间分布图。最后,结合国家土壤养分分级标准,制定研究区域内的土壤营养元素合理施用值,插值形成土壤变量施肥处方图,进而指导精准施肥。论文主要研究工作总结为以下几点:1、阐述了实验所用仪器设备及参数,并对傅立叶型近红外光谱仪(TENSOR37)和可见/近红外检测装置仪器参数进行优化对比,结合偏最小二乘全交互验证方法,得出各仪器检测土壤样品的最佳匹配参数。同时,介绍了实验过程中土壤养分检测的理化分析方法及公式,土壤养分采样方法、采样点分布和空间分布分析软件。2、利用S.G.平滑、标准归一化(SNV),多元散射校正(MSC)、基线校正、一阶微分(1st D)、二阶微分(2st D)等方法对不同层土壤样品各养分指标进行光谱预处理分析。结合偏最二乘(PLS)、主成分分析(PCR)、最小二乘-支持向量机(LS-SVM)等化学计量学建模方法,建立相应的定量模型,对比分析定量模型。结果表明,预处理方法针对不同层各养分略有差异,但各层土壤养分指标均为使用PLS算法建立的模型效果最佳。其中表土层土壤的全氮、全磷和有机质的相关决定系数RP分别为0.833、0.718和0.714,均方根误差RMSEP分别为7.622、0.098和1.515;心土层土壤的全氮、全磷和有机质的相关决定系数RP分别为0.809、0.762和0.743,均方根误差RMSEP分别为4.473、0.107和1.271;底土层土壤的全氮、全磷和有机质的相关决定系数RP分别为0.805、0.806和0.794,均方根误差RMSEP分别为3.359、0.052和1.388。还讨论了分层土壤各养分与植株生长的相关性,分析得知底土层养分分布与植株真实生长状况最接近,其他两层对分析判定土壤养分含量与植株生长关系也有一定参考价值。3、实验采样点的数量是有限的,要想得到整个研究区的养分分布数据就需要采用克里金插值法(Kriging)对这些采样点各养分进行插值。论文运用Arc GIS软件中的地统计分析模块功能,对采样点的土壤全氮、全磷及有机质的真实化学值和最优模型预测值进行克里金插值,得出采样区的土壤养分空间分布图。结合国家土壤养分分级表,对需施用的肥料值也进行了克里金最优插值,得出较为直观的土壤养分变量施肥处方图。综上,实验采用FT-NIR光谱仪采集的光谱,进行预处理后结合PLS算法建立的模型精度最佳,底土层养分分布与植株实际生长状况最为接近。