论文部分内容阅读
土壤养分的快速测定是实现农田精准化施肥作业的前提条件。土壤成分,尤其是土壤碳吸附能力的变化,对地区乃至全球气候变化影响深远。本课题针对农场级土壤氮碳含量的快速测定问题,应用可见-近红外光谱技术建立预测模型,重点研究了在保持模型预测性能不变的前提下,减少建模波长数的可能性及相关压缩算法,分别对建模波长数和光谱采样间隔进行了优化。实验土样来自英国克莱菲尔德大学实验农场,样本数122,测试量有土壤总氮(TN)、总碳(TC)、有机碳(OC)和无机碳(IC)。实验使用美国ASD公司生产的LabSpec2500光谱仪,记录波段范围400-2499nm。样本经干燥粉碎过筛后,分成建模集(70%)和预测集(30%)。对建模集使用偏最小二乘回归(PLSR)建模方法,并用预测集对所建模型进行预测性能评估。分析结果表明,大幅度减少建模波长数是完全可能的。相比全谱(400-2500nm)PLSR模型(TN：确定系数R2=0.92,预测偏差比率RPD=3.75；TC：R2=0.90,RPD=3.22；OC：R2=0.89,RPD=3.11；IC：R2=0.51,RPD=1.58),基于可见光谱段(400-759nm)和可见-短波近红外谱段(400-999nm)的偏最小二乘回归(PLSR)模型的预测性能略微降低,但仍具有较高精度(TN：R2=0.88-0.91,RPD=3.16-3.53；TC：R2=0.84-0.87,RPD=2.60-2.86；OC：R2=0.86-0.88,RPD=2.71-2.96；IC：R2=0.41-0.43,RPD=1.45-1.52)。无信息变量消除法(UVE)对全谱(2100个波长)压缩效果显著,压缩后的波长数分别为71(TN)、129(TC)、66(OC)和15(IC),基于压缩后的波长建立PLSR模型,预测精度基本不变,但建模潜变量数有所减少。在UVE压缩波长基础上,再使用连续投影算法(SPA)可进一步将建模波长数减少到3(IC)或4(TN、TC和OC)。基于这些简约波长所建模型的预测性能相比全谱模型毫不逊色(TN:R2=0.92,RPD=3.75；TC：R2=0.91,RPD=3.30；OC：R2=0.90,RPD=3.16；IC：R2=0.44,RPD=1.40)。采样间隔优化结果表明,土壤氮碳模型在很大程度上对采样间隔(2-100nm)不敏感。采样间隔为100nm(波长数仅为21)时各模型预测精度未见降低(TN：R2=0.92,RPD=3.75；TC：R2=0.90,RPD=3.30-3.26；OC：R2=0.90,RPD=3.16-3.24；IC：R2=0.50,RPD=1.54-1.56)。虽然以上结果可能仅对小区域(农场级)土壤有效(由于土壤母质相同),但所用的波长优选方法对大区域土壤氮碳含量预测建模具有推广应用价值,也为土壤养(成)分快速测试仪器的研发提供技术支撑。番茄果实生长阶段的无损实时检测对实现番茄采摘自动化具有重要意义。本课题应用可见-近红外光谱技术对三个品种番茄果实的生长阶段和采摘时机的判定机理和建模问题进行了探索性研究。实验使用德国Tec5公司生产的AgroSpec便携式光纤光谱仪,波段范围350-2200nm。实验番茄植株来自英国伯德福德郡政府下属园艺中心。本研究在分析文献方法(Days模型)的缺陷基础上,提出一种量化番茄果实生长阶段的新编码—GS指数。GS指数定义为番茄果实生长天数与成熟被采摘时在株时间之比。光谱采集每隔2-3天进行一次。光谱数据划分成一个建模集(70%)和一个独立预测集(30%)。对建模集应用偏最小二乘回归法(PLSR)建立校正模型。对单品种数据和混合数据分别建立模型,并比较模型预测性能。分析结果表明,基于GS指数的PLSR模型是成功和稳定的。单品种模型预测性能为：R2=0.91-0.92,RPD=3.29-3.70；混合模型预测精度虽比单品种模型略差,但仍具有很高的预测精度,可通用于各品种。通过比较单品种模型和混合模型的PLS回归系数曲线,发现对GS指数有着重要影响的特征波长分布具有一致性,不随品种而变化,这证明了GS指数的品种无关性。同时,通过将光谱数据按时间顺序拆分成两个独立数据集,分别建立与番茄果实未成熟期(GS<0.5)和成熟期(GS>0.5)相对应的PLSR模型,比较分析了各自的PLS回归系数曲线特征波长分布及其理化机理,证明了GS指数与番茄生长阶段的无关性。进一步,通过建立全谱和部分谱PLSR模型验证了仅仅依靠番茄果皮色素的变化不足以精确判定番茄果实生长阶段,只有综合可见光谱段和近红外谱段信息才能建立精确可靠的判定模型。同时,应用多种特征波长提取方法,分别建立了UVE模型和UVE-SPA模型,并比较了这些模型在独立预测集上的预测性能。结果显示,对番茄GS指数预测建模有重要影响作用的最佳特征波长组合序列为：403,502,519,562,649,666,777,1053,1120,1346,1403,2025nm。叶绿素含量对特定的植物也反映了氮含量。为了实现植物叶绿素含量的快速无损检测,利用光纤反射光谱技术对植物叶片SPAD值进行了预测建模研究。实验中选取70个样本作为校正集,50个样本作为独立预测集。通过叶片光谱比对,发现光谱红边段650-750nm对SPAD预测建模有直接关系。实验确定了光强调节因子和叶片厚度影响因子。首先通过待定系数法构造出SPAD预测公式,然后用Visual Basic6.0设计的遗传算法进行参数寻优,最后确定最佳敏感波段为683.24-733.91mn。未经叶片厚度修正的校正集和独立预测集R2分别为0.23和0.57。经过叶片厚度修正后的校正集和独立预测集R2分别为0.87和0.92。结果表明,叶片厚度对SPAD值反射光谱预测模型有显著影响。在分析比较现有的各种可见-近红外光谱仪器设计方法的基础上,提出基于嵌入式系统和OEM光谱模块的通用型可见-近红外光谱测量仪器系统设计方案,并完成了仪器样机的主控板、功能软件和上位机光谱数据处理软件的开发。应用该仪器样机对土壤氮含量和植物叶片叶绿素(SPAD)值进行测试,测量误差均小于10%。为下一步研发功能全面的植物土壤多参数快速测试仪器打下基础。