论文部分内容阅读
精准施肥是精准农业领域的核心研究内容之一,而土壤养分元素含量的快速准确获取是精准施肥的关键。目前,土壤养分的检测以农田采样、实验室预处理、检测为主,不能满足快速获取的需求,因此,需要发展一种能够实时快速分析土壤养分的检测技术。激光诱导击穿光谱(Laser-induced Breakdown Spectroscopy:LIBS)技术具有无需样品预处理、检测时间短、多种元素同时检测等优点,该技术在很多领域得到广泛应用,在土壤养分与重金属检测方面国内外也开展了相关工作。采用该技术检测土壤养分元素含量,能够为精准施肥提供数据基础。本文在实验室所搭建的LIBS系统上,以龙亢农场采集的土壤样本为研究对象,研究了土壤中部分养分元素的LIBS定量分析方法。以土壤中镁元素(Mg)的LIBS定量分析为例,分别建立了土壤中镁元素的双谱线定标曲线和支持向量机回归(SVR)定量分析模型。由于LIBS定量分析易受到基体效应、自吸收效应、系统参数和环境噪声等干扰因素的影响,使用单条特征谱线进行元素浓度定量分析时,准确度不高。本文为了提高测量的准确度,选用镁元素的原子、离子特征谱线作为分析线,依据两条特征谱线强度的线性和建立镁元素的定标曲线。根据建立的定标曲线,对9个未知镁元素浓度的土壤样本进行预测,结果为：真实值与预测值的相关系数0.95、平均相对误差1.84%,测量结果的准确性优于选用单条分析线。由于土壤成分复杂,元素间相互干扰较为严重,考虑到元素间干扰对LIBS定量分析的影响,本文提出使用SVR方法建立土壤中镁元素的定量分析模型。依据镁元素在土壤中的存在形式构造出光谱特征向量,其中包含镁元素自身的特征谱线及铁、锰、铝、钙等干扰元素的特征谱线。将30个土壤样本分为训练集和测试集,使用训练集中22个土壤样本建立Mg的SVR模型,对8个测试样本中镁元素浓度的预测结果为：真实值与预测值的相关系数0.946、平均相对误差2.06%。这说明使用SVR方法建立土壤中养分元素的LIBS定量分析模型是可行的,但是相关模型参数仍需进一步调整。另外,本文在实验室LIBS系统的基础上开发了配套的软件系统。通过使用该软件系统,实验人员可以更加直观、方便地对实验设备进行操作,同时能够提高获取土壤光谱数据的自动化程度。