近红外漫反射光谱检测土壤有机质和速效N的研究

利用近红外漫反射光谱检测技术对土壤有机质和速效N含量进行了相关研究。通过自行设计的NIR光谱系统测定了150个土壤样品有机质和速效N。126个土壤样品用来建立校正集模型,其余24个用来验证模型的性能。采集完整土壤样品的近红外漫反射光谱,原始光谱经移动窗口平滑处理、SNV和一阶微分预处理后,分别采用最小二乘支持向量机(LS-SVM)和偏最小二乘法(PLS),建立土壤有机质和速效N含量的定量预测数学模型。结果表明采用一阶微分结合最小二乘支持向量机(LS-SVM)所建模型的预测效果较好,土壤有机质和速效N含量定量预测数学模型的决定系数分别为0.8255和0.8015,均方根误差分别为2.84和16.80。近红外漫反射光谱作为一种检测方法,可用于评价土壤有机质和速效N含量。     

基于近红外无损快速检测淀粉品质的研究

实验选择最优的光谱预处理方法和光谱范围,运用近红外光谱分析中的聚类分析法和偏最小二乘法(PLS)分别进行了定性和定量分析研究。结果表明,采用聚类分析法可准确地将样品分为两类,同时采用预测集的样品验证所建模型的准确性,预测准确率达90%以上。采用偏最小二乘法(PLS)所建的定量分析模型的相关性较高,预测相关系数和预测均方根误差均符合要求。     

芝麻油掺伪的近红外透射光谱检测技术

采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。     

基于近红外光谱的淀粉掺杂滑石粉检测方法研究

实验运用近红外光谱分析技术检测淀粉中掺杂滑石粉的含量;收集了国内常用的不同品牌不同种类的淀粉样本共32个,将滑石粉按不同浓度掺杂到淀粉中制备实验样本;选择最优的光谱预处理方法和光谱范围,运用近红外光谱分析中的偏最小二乘法(PLS)进行定量分析研究。结果表明,采用偏最小二乘法(PLS)所建的定量分析模型的相关性较高,预测相关系数和预测均方根误差均符合要求。研究发现,近红外光谱技术用于快速无损检测淀粉掺杂滑石粉是可行的。     

基于可见光谱的不同质地土壤有机质快速测定

在可见光区域内对不同质地土壤(粘土、砂土、壤土)共156个样本的光谱特性进行了研究,并建立了不同质地土壤间有机质含量的互测模型。为了消除土壤质地对有机质含量预测的影响,引入了正交信号处理(OSC)谱图预处理方法。结果表明:粘土和壤土作为建模样本建立的土壤有机质偏最小二乘(PLS)和OSC-PLS校正模型的相关系数分别为0.809和0.823;砂土和壤土分别为0.837和0.734;粘土和砂土相应值分别为0.887和0.823。采用上述模型对另一质地土壤有机质含量进行预测,砂土的相关系数分别为0.572和0.864;粘土的相应值分别为0.555和0.540;壤土的相应值分别为0.643和0.721。预测效果说明OSC预处理可提高不同质地间土壤有机质的互预测能力。     

基于近红外光谱的面粉灰分含量快速检测方法

针对目前面粉灰分含量的检测方法存在操作繁琐、耗时长、费时费力和检测效率低等问题,运用近红外光谱分析技术检测面粉的灰分含量,选择最优的光谱预处理方法和光谱范围,采用偏最小二乘法(PLS)及BP神经网络算法进行定量分析研究。结果表明:采用偏最小二乘法(PLS)所建的定量分析模型的决定系数R2为90.66,预测均方根误差RMSEP为0.055 3,总偏差为0.0279 3;用BP神经网络预测总偏差为0.036 7。研究发现,近红外光谱技术用于快速无损检测面粉灰分含量是可行的,且PLS、BP神经网络算法可进行面粉灰分含量预测。     

基于MC—UVE的土壤碱解氮和速效钾近红外光谱检测

应用可见/短波近红外光谱分析测量土壤碱解氮和速效钾含量.为了提高该分析方法的预测精度,消除无信息建模变量对模型稳定性的影响,原始光谱平滑后采用蒙特卡罗无信息变量消除方法(MC-UVE)对土壤碱解氮和速效钾的建模变量进行筛选,应用偏最小二乘方法(PLS)建立校正模型.对于碱解氮模型,采用MC-UVE PLS方法,建模变量减少为210,相关系数和预测均方差分别为0.84和17.1 mg/kg.对于速效钾的预测模型,采用MC-UVE方法后,建模变量减少为150,模型的预测相关系数为0.76,预测均方根误差为15.4 mg/kg.     

基于近红外高光谱图像的黄瓜叶片色素含量快速检测

利用高光谱图像技术和高效液相色谱法(HPLC)快速检测了新鲜黄瓜叶中叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素含量。采集了120片黄瓜叶的近红外高光谱图像数据以及用HPLC精确测定黄瓜叶中色素含量;提取高光谱图像中50×50像素感兴趣区域(ROI)的平均光谱与4种色素含量分别建立偏最小二乘(PLS)预测模型;为了提高模型的稳定性和预测精度,分别采用区间偏最小二乘(iPLS)、向后区间偏最小二乘(BiPLS)和联合区间偏最小二乘(SiPLS)对各种色素对应的特征波段进行优选,同时对光谱划分数进行了优化。结果表明BiPLS和SiPLS对应模型的预测效果较好,对叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素的预测集相关系数RP分别为0.825 7、0.813 4、0.811 6、0.826 2。     

利用可见―近红外光谱术无损检测牛奶中的三聚氰胺

初步探讨了利用可见―近红外光谱术检测牛奶中三聚氰胺的可行性及方法。通过往牛奶中掺入不同浓度三聚氰胺的方法,制备了165个样品,三聚氰胺浓度为0~1000ppm。利用光纤光谱仪采集样本的可见―近红外光谱,其光谱范围为350~1800nm。然后分别采用最小二乘法(PLS)、区间偏最小二乘法(IPLS)及联合区间偏最小二乘法(SIPLS)建立预测模型。比较实验结果表明:把光谱分为10个子区间,通过SIPLS方法,选出3个光谱子区间(4、7、9)联合建立的预测模型最优,其校正集和预测集得相关系数分别为0.9981和0.9946,校正集和预测集的均方根误差分别为0.1942和0.3299。因此,可见近红外光谱术结合联合区间偏最小二乘法能无损、快速的检测牛奶中的三聚氰胺。     

稻谷千粒质量近红外光谱定量分析

利用近红外漫反射光谱分析技术对稻谷千粒质量进行了测定和研究.通过对70个不同品种的稻谷样本进行近红外光谱扫描,将获得的光谱进行10种不同方法的预处理,然后应用PLS方法建立稻谷千粒质量预测的定标模型,根据交互验证决定系数(R2)和交互验证标准差(RMSECV)进行最佳定标模型选择,最后依据稻谷千粒质量预测值与真实值间的相关系数(r)和预测标准误差(SEP)进行模型预测能力评价.结果显示,在光谱区间11 998.9～7 497.9+6 101.7～5 449.8+4 601.3～4 246.5 cm-1、采用最小-最大归一化预处理方法建立的定标模型具有最大的交叉验证决定系数0.773和最小的均方根误差1.67 g;以最佳定标模型预测的稻谷千粒质量与真实值之间的相关系数为0.945,预测标准误差为0.76 g,表明近红外光谱分析技术可以用来进行稻谷千粒质量的快速测定.     

基于无人机多光谱遥感的土壤含水率反演研究

为研究无人机多光谱遥感技术对裸土土壤含水率的大范围快速测定和最佳监测深度的确定,以杨凌地区粘壤土为试验材料,分别配制成2种不同深度(5 cm和10 cm)、含水率为3%~30%的土壤样本。用无人机搭载多光谱相机对土样连续监测3 d,监测时刻均为15:00。采集6个波段(490、550、680、720、800、900 nm)处的土壤光谱反射率,同时对2种不同深度的土壤样本表层(约1 cm)含水率和整体含水率进行测定。分别采用偏最小二乘回归法、逐步回归法和岭回归法,建立不同波段光谱反射率因素反演土壤含水率的回归模型,并分析其定量关系。试验结果表明,逐步回归预测精度最佳,决定系数(R2)分别为0.775、0.764、0.798、0.694,而预测均方根误差(RMSE)分别为0.028、0.042、0.037、0.038;其次为岭回归法;偏最小二乘法的预测精度最低。综合比较得最佳回归方法为逐步回归法,最佳监测深度为土壤表层(约1 cm),其次为5 cm深度,最后为10 cm深度。     

基于调制近红外反射光谱的土壤养分近场遥测方法研究

土壤养分作为农业生产的重要指标，含量过少会降低农作物产量，过多则会造成环境污染。因此，快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分，但检测过程中土壤的取样及预处理过程繁琐、操作复杂、费时费力，不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱，提出了一种土壤养分主动式近场遥测方法，可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源，通过测量8通道激光光束的土壤反射率，建立土壤养分中氮（N）关于土壤反射率的计量模型，实现了N的快速检测。在74组已知N含量的土壤样品中，选取54组作为训练集，20组作为预测集。基于一般线性模型，对训练集中土壤N含量与土壤反射率的定量化参数进行训练，筛选显著波段后的计量模型R²达到0.97。基于建立的计量模型，预测集中土壤N含量预测值与参考值的决定系数R²达到0.9，结果表明该方法具有土壤养分现场快速检测的能力。     

Subsurface mircroirrigated corn and peanut: Effect on soil pH

A five year study was conducted to determine the feasibility of using subsurface microirrigation for a corn (Zea mays L.) grain and peanut pod (Arachis hypogea L.) production rotation system in the Atlantic Coastal Plain region of the southeast United States. The effects of added fertilizer nutrients, chlorine, and amount of water applied to the soil on soil pH and total KCl exchangeable acidity were investigated. The soil was an Uchee loamy sand (loamy, siliceous, thermic Arenic Hapludults). A total of 119 soil samples were taken from a 0.9 × 0.9 m soil profile area around the buried tubing at six sites within the research area to determine soil pH, total soil acidity, exchangeable A1 acidity, and exchangeable H acidity. The value of the soil pH increased for the irrigated treatments when compared to the non-irrigated treatment. Treating the irrigation water with sodium hypochlorite to prevent emitter clogging had a net basic reaction with the soil even though 795 kg ha⁻¹ of N fertilizer was added to the soil during the five year study. Nitrogen added to the soil through the irrigation system included the ammonium, nitrates, and urea forms. All these forms have an acidifying effect on soil. The total KCl exchangeable soil acidity was related to exchangeable H. No exchangeable Al was detected. Exchangeable acidity patterns were similar to the pH patterns for all treatments. Application of chemicals through a subsurface microirrigation system does have a major effect on soil pH.     

典型绿洲区长期膜下滴灌棉田残膜分布现状研究

【目的】优化管理农田地膜。【方法】于2016年9月在新疆典型绿洲区石河子121团对6块覆膜滴灌棉田(应用膜下滴灌年限分别为5、9、11、13、15和19 a)土壤进行取样,研究了样品中的残膜面积和残膜质量。【结果】6块棉田地膜残留密度分别为127.11、215.85、250.63、294.17、327.83和348.83 kg/hm~2,残膜密度以每年16.37 kg/hm~2的趋势递增;残膜主要集中分布在土壤0～15 cm土层内,且面积大于30 cm~2,随着覆膜年限的增加,逐渐下移到15 cm以下土层内,且这部分残膜逐渐碎裂并均匀分布在土壤20～30 cm土层。随着覆膜年限的增加,棉田土壤中残膜的数量和密度均呈逐年上升趋势,表层土壤中面积较大的残膜在耕作过程中逐年碎裂并向深层土壤下移且均匀分布;同时随着覆膜年限的增加,在35～40 cm深层土壤中面积和质量较小的残膜呈明显增多的趋势。【结论】新疆绿洲区棉田地膜残留远超国家标准限值,应采用厚度大于0.008 mm地膜,同时采取措施提高农田地膜回收率。     

宁夏银北灌区暗管排水反滤层试验研究

根据宁夏银北灌区的土壤特性和排水暗管布置形式及位置,在现场选取了三组具有一定代表性的土样,分别对短纤针刺土工织物、机织土工织物和纺织土工织物进行了八组暗管排水反滤层试验。并对试验成果进行了分析,为合理选择暗管排水滤层提供了科学依据。     

Changes in soil water retention due to soil kneading

Soil water retention curves (WRCs) are required to predict the availability of water to plants and the movement of water through the soil. Soil kneading by hand is a type of extreme structure disturbance which is comparable to mechanical breakdown of soil structure by cattle trampling, tillage and wheeling of heavy machinery, especially when the soil is wet. The objective of this study was to explore how kneading affects soil water retention characteristic for a set of contrasting soils from southern Spain, and identify the soil properties that control the differences in behaviour. WRCs were measured at six soil-water matric potentials in the range of 10–1500 kPa on both undisturbed soil clods and kneaded soil samples in order to quantify differences in water retention characteristics due to sample pre-treatment. Results evidenced that only WRCs of sandy loam soils are not affected by soil pre-treatment; for the rest of the soils kneading increased water retention at low or high potentials or both. Particle size parameters are, for the most part, clearly related to the behaviour observed, but some other explaining variables linked to aggregation and dispersion state of phyllosilicates in the clay and silt fractions could also be involved.     

栾城农业生态系统试验站土壤水分特征曲线分析

利用土壤水分特征曲线仪测定河北栾城农业生态系统试验站三组土样的含水量及其对应负压值，分别利用6种不同模型进行了土壤水分特征曲线拟合。通过6种土壤水分特征曲线模型的拟合值与实测值差异对比认为，不同土样的最优土壤水分曲线模型不同。栾城土壤水分特征曲线拟合效果最好的模型是：原状粉质粘土为原始Van Genuchten模型；而扰动土为修正的Van Genuchten模型。     

基于水分和粒度的土壤有机质特征波长提取与预测模型

为减少水分、粒度对传统方式选取特征波长建立的土壤有机质预测模型的影响,本文提出新的特征波长提取方法。采集中国农业大学上庄实验站土壤样本60份,将样本自然风干后一分为二,一份配成5个粒度梯度（粒径2~2.5mm、1.43~2mm、1~1.43mm、0.6~1mm、0~0.6mm）,另一份过0.6mm筛后配成5个水分梯度（含水率5%、10%、15%、20%、25%）。通过标准仪器分别获取土壤有机质含量真值和土壤光谱信息,使用随机蛙跳算法进行特征波长提取,每个水分、粒度梯度下分别选取7个与土壤有机质含量真值相关性较高的波长作为对应梯度下选取的特征波长,分别建立多元线性回归（MLR）、偏最小二乘（PLS）、随机森林（RF）模型,结果表明：随着含水率增高,3种模型的建模集和预测集决定系数R2基本呈减小趋势;在2~2.5mm粒度梯度下,3种模型的建模集和预测集R2最低,在0~0.6mm梯度下,建模集和预测集R2最高,其余梯度下,建模集和预测集R2接近。结合滤光片带通范围（±15nm）,挑选出水分梯度下相同或者接近的8个土壤有机质特征波长,粒度梯度下选取6个特征波长,最终结合化学键特性在水分梯度和粒度梯度下确定的14个特征波长下剔除了6个,确定8个特征波长：932、999、1083、1191、1316、1356、1583、1626nm。分别建立MLR、PLS、RF模型,结果表明：最终选取的有机质特征波长建立的3种模型建模集R2均不低于0.8、预测集R2均不低于0.75,其中PLS预测效果最佳,建模集、预测集R2分别为0.8809、0.8402。本研究所确定的有机质特征波长建立的模型具有更好的适用性和预测效果,相比于传统方式,一定程度上消除水分、粒度对预测的影响。     

基于RBF神经网络的土壤有机质空间变异研究方法

通过研究土壤性质的空间变异和空间插值方法,快速准确获取土壤性质的空间分布是精确农业和环境保护的基础。该文以四川眉山一块约40 km2的区域为试验区,采集表层土壤（0～20 cm）样点80个,利用径向基函数(RBF)神经网络建立空间坐标和邻近样点与土壤有机质间的非线性映射关系（RBF2）,模拟土壤有机质的空间分布。与普通克里法（OK）和仅以坐标为网络输入的神经网络方法（RBF1）相比,RBF2的插值精度有显著的提高;相同样点密度下其相对预测误差分别较OK和RBF1减小了9.87%、1.97%（样本A）和13.09%、2.36%（样本B）;即使样点数减半的情况下RBF2的相对预测误差也分别较OK和RBF1减小了10.23%和2.33%,并且插值图差异相对较小,可以更好地反映土壤有机质空间分布的异质性。因此,利用以坐标和邻近样点为输入的神经网络方法可以相对准确、快速地获取区域土壤性质空间分布的异质性信息。