基于可見光近紅外光譜的土壤成分預測模型研究.pdf

1、土壤成分信息的獲取技術，是開展測土配方施肥項目、研究作物生長規(guī)律的基礎，對土地資源的有效管理利用、種植業(yè)的精細化運營都具有重要的作用。近紅外光譜分析是一種利用物質(zhì)的光譜特征鑒別物質(zhì)品種或定量分析物質(zhì)化學組分的技術，具有非接觸式測量、多組分同時預測、使用成本低廉等優(yōu)點。將近紅外光譜分析技術應用在土壤成分信息的獲取中，能夠大量減少土壤信息獲取的成本，促進測土配方施肥及精準農(nóng)業(yè)的進步。
　　使用近紅外光譜分析方法獲取土壤成分信息的關鍵在

2、于建立土壤近紅外光譜和土壤成分的關系。大面積、大尺度下的土壤樣本具有高度的多樣性，為實現(xiàn)土壤成分信息的準確預測，課題研究了統(tǒng)計學習方法在建模中的應用，探討了線性模型的預測效果及影響因素，并提出兩種新的基于神經(jīng)網(wǎng)絡的非線性模型。主要研究內(nèi)容和結(jié)論如下:
　　1.基于線性模型的土壤有機碳含量預測。多元線性回歸、主成分回歸、偏最小二乘回歸和逐步回歸是常用的線性校正模型。此研究比較了使用這四種線性模型對大面積、大尺度的土壤數(shù)據(jù)集進行建模的

3、預測效果，分析了模型輸入采用原始光譜或?qū)?shù)光譜、光譜曲線使用不同的采樣間隔、校正樣本數(shù)目等因素對線性模型預測結(jié)果的影響，揭示了光譜預處理方式對預測結(jié)果的影響機制。
　　2.基于改進自動編碼器模型的土壤有機質(zhì)含量等級預測。改進自動編碼器模型在傳統(tǒng)自動編碼器模型基礎上進行了優(yōu)化。利用改進自動編碼器模型抽取出的高維光譜信號的低維特征表示，既能重建輸入信號，也能預測土壤成分。將改進自動編碼器模型用于土壤有機質(zhì)含量等級的分類問題中，獲得了較

4、高的預測準確率。
　　3.基于卷積神經(jīng)網(wǎng)絡模型的土壤有機碳含量預測。此研究將卷積神經(jīng)網(wǎng)絡用于近紅外光譜的校正模型中，模型以原始光譜信號和成分信息作為輸入和輸出。文中設計了五種不同深度的卷積神經(jīng)網(wǎng)絡作為校正模型，研究了卷積神經(jīng)網(wǎng)絡深度對模型預測效果的影響。使用大量土壤樣本對基于卷積神經(jīng)網(wǎng)絡的預測模型進行訓練，實現(xiàn)了復雜光譜特征的自動抽取。
　　實驗證明，采用非線性建模方法對大面積、大尺度下的土壤樣本建立校正模型，可以獲得比線性