土壤硝态氮含量原位检测系统设计

针对现阶段土壤硝态氮测量成本较高、无法长期原位测量等问题,该研究提出了一种使用钛烧结滤芯收集土壤溶液,通过近红外光谱法检测土壤溶液中的硝酸根浓度进而得到土壤中硝态氮含量的方法,并设计了相应的检测装置。通过试验对比陶土头与钛烧结滤芯在不同土壤条件下的土壤溶液收集效果,选用钛烧结滤芯作为土壤溶液采集器收集土壤溶液,以近红外LED作为测量光源,采集人工配置土壤溶液的光谱数据,利用BP神经网络进行预训练建立硝态氮含量预测模型。建立的硝态氮含量预测模型其训练集皮尔逊相关系数、测试集皮尔逊相关系数、预测均方根误差分别达到0.997、0.995、3.43。实地测量土壤溶液并与硝酸根离子电极以及土壤养分速测仪进行对比,最大相对偏差为5.9%,可满足实际测量准确性要求。该套检测设备在深度为10～40 cm、含水率为15%以上的土壤中有较好的土壤溶液采集效果;检测装置的长期测量标准差为0.006,动态响应时间为1.4 s,具有良好的检测特性。试验结果表明,使用溶液吸光度数据建立的硝态氮预测模型具有较好的预测效果,可以应用于土壤溶液硝态氮原位监测,为长期自动测量土壤硝态氮及水肥一体化系统的搭建提供了一种可行的方案。     

宁夏引黄灌区日光温室集约种植区浅层地下水硝态氮含量与耕层土壤硝态氮含量的关系

  目的  探讨宁夏引黄灌区日光温室集约种植区地下水硝态氮污染现状及其与土壤硝态氮含量之间的关系,为有效防治地下水硝态氮污染及土壤盐渍化提供理论依据。  方法  通过抽样调查方法,采集7个典型日光温室集约种植区不同时期的214个地下水样及102个0 ~ 20 cm土壤样品,分析了地下水和土壤的硝态氮含量及电导率等。  结果  地下水样本硝态氮含量超过Ⅲ类水标准的达53.3%;近80%的土壤样本呈现出不同程度的盐渍化,其中中度盐化土占57%。当地下水硝态氮含量大于40 mg L?1时,地下水电导率、土壤电导率和土壤硝态氮含量均随地下水硝态氮浓度增加而急剧增加。土壤电导率与土壤硝态氮含量之间呈极显著线性函数关系,决定系数达0.376。土壤硝态氮含量与地下水硝态氮含量之间呈极显著的指数函数关系,土壤电导率与地下水电导率之间呈极显著的线性函数关系。  结论  宁夏典型日光温室集约种植区的地下水硝态氮污染和次生盐渍化严重,并与土壤硝态氮含量和盐渍化密切相关。     

不同施N量对土壤中硝态氮积累的影响

５种不同施Ｎ量的土壤中，硝态氮的积累变化为一指数曲线，随着施Ｎ量的增加，硝成氮积累增加，但Ｔ１／２相同。     

生物固体对土壤氮循环和硝态氮淋洗的影响

根据近２０余年有关生物固体对土壤中氮循环及硝态氮淋洗的献综述了有关的研究结果。从生物固体中氮的形态，矿化作用，氮被植物的摄取，氨的挥发，氮的固定与储存，硝化作用，反硝化作用及铵的淋洗介绍了氮的循环，从林地及农田的生物固体施用量，植被，季节及土壤的特征介绍了硝酸盐的淋洗状况，这对于生物固体合理的土地利用，发挥其正效应，以及保护环境可供参考与研究。     

双波长分光光度法测定土壤硝态氮

研究了双波长分光光度法测定土壤中的硝态氮，结果与酚二磺酸法相符，样品标准加入回收率为90％-109％，PSD）为2．22％-3．45％。结果表明；该方法具有选择性好、灵敏度高、操作简便、测定范围宽、能有效消除亚硝酸盐、氯离子、有机物的干扰等优点。     

旱地土壤硝态氮残留淋溶及影响因素研究

在我国北方旱地,施入土壤而未被作物吸收利用的肥料N,主要以NO3--N的形式残留于土壤中。残留的NO3--N如不及时被作物吸收利用,在降水或灌水的作用下,会淋入土壤深层,或随径流进入地表水体,或经反硝化形成N2O进入大气,对土壤、水体和大气环境构成严重威胁。本文分析了旱地农田生态系统中,NO3--N在土壤剖面的残留淋溶与施肥、灌溉/降水、耕作、土壤、植物等因素的关系。提出在今后的研究工作中应特别注意的问题:①建立长期定位试验,确定NO3--N淋溶阈值,评价和预测NO3--N残留和淋失的趋势;②优化作物栽培和养分资源管理措施,提高作物利用土壤NO3--N的能力;③改进N肥施用技术,加强N素管理,防止NO3--N在土壤中大量累积。     

双波长分光光度法测定土壤硝态氮

研究了双波长分光光度法测定土壤中的硝态氮,结果与酚二磺酸法相符,样品标准加入回收率为90%~109%,RSD为2.22%~3.45%。结果表明:该方法具有选择性好、灵敏度高、操作简便、测定范围宽、能有效消除亚硝酸盐、氯离子、有机物的干扰等优点。     

基于漫反射光谱的初制绿茶含水率无损检测方法

茶叶含水率是影响茶叶加工品质的一项重要指标。为了实现茶叶加工中含水率的快速检测,该文提出了一种应用漫反射光谱技术的绿茶初制过程中含水率无损检测方法。采用波长范围在325～1 075 nm 的可见-短波近红外光谱仪,对炒青绿茶在8个加工工序中随机抽取的568个茶叶样本进行漫反射光谱扫描,光谱扫描后立即测量样本的含水率。对于得到的光谱数据,采用小波变换降低其信息维度并提取小波系数,比较小波低频系数对于光谱特征信息的提取能力,结果显示,小波低频系数能够有效提取原始光谱数据中的特征信息。采用3种回归算法：偏最小二乘回归、神经网络和支持向量机分别建立含水率的测量模型。比较发现支持向量机回归模型的结果最优,建模相关系数为0.9985,预测相关系数为0.9875。研究结果表明,漫反射光谱可以用于绿茶含水率的无损、快速检测,小波变换是一种有效的光谱特征提取算法,而且支持向量机回归算法具有高精度和强泛化能力,可广泛用于回归分析。     

基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

近红外光谱技术结合人工神经网络判别普洱茶发酵程度

为了实现对普洱茶发酵程度快速判别,该研究提出了利用近红外光谱结合人工神经网络的方法。普洱茶是中国特有的茶类,发酵是普洱熟茶品质形成的关键工序,目前对于发酵程度的评价主要依赖感官审评,缺乏客观的量化依据。试验以轻度发酵、适度发酵和过度发酵3个不同发酵程度的普洱茶为研究材料。首先对采集得到的原始光谱进行标准归一化（SNV）预处理,利用人工神经网络（ANN）模式识别方法构建普洱茶发酵程度鉴别模型,在模型建立过程中,通过交互验证的方法对模型的最佳主成分因子数（PCs）进行优化。当主成分因子数为9时,ANN模型所得到的结果最佳,模型交互验证识别率和预测识别率分别为98.9%和97.8%。研究结果表明,近红外光谱技术结合模式识别能够实现对普洱茶发酵质量的快速判别,评判结果具有较高的准确性,优于感官审评。     

基于近红外光谱和正交信号-偏最小二乘法对土壤的分类

不同质地的土壤,由于蓄水能力和土壤颗粒大小的不同使得其光谱特性不同,这为采用近红外光谱技术对土壤质地进行判别分析提供了依据。该研究利用正交信号校正(OSC)方法可以获得与浓度有关的谱图信息这一优势,将其与偏最小二乘方法(PLS)结合,采用近红外光谱技术对不同质地的土壤:砂土、壤土、黏土进行判别分析。结果表明:建模样本的相关系数可达0.965,采用该模型对其余45个样本分别进行了预测,三种土壤预测样本的判别正确率分别为:93.3%,86.6%和86.6%。说明OSC方法可以提取谱图中的微弱的质地信息,实现土壤质地的快速鉴别分析。     

近红外光谱和机器视觉信息融合的土壤含水率检测

为了精确、快速和稳定测定土壤含水率以及扩大所建模型的适应性,该文提出了机器视觉与近红外光谱技术融合的土壤含水率分析方法。通过试验建立了湖北地区主要土壤基于近红外光谱的土壤含水率分析模型、基于土壤表层图像特征参数的含水率分析模型和机器视觉与近红外光谱信息融合的土壤含水率分析模型。结果表明,基于近红外光谱含水率分析模型虽然具有较高的精度,但该模型预测非建模样品黄绵土误差均大于4%;以图像特征参数H,S和V所建BP人工神经网络非线性预测模型最优,模型的决定系数R2为0.9849,但当土壤水分饱和（达到20%以上）时存在分析误差;而所建立的土壤的近红外光谱与机器视觉BP神经网络信息融合模型可预测非建模样品黄绵土与水分饱和达20%以上土壤,决定系数R2可达到0.9961,融合模型分析精度均高于单独使用近红外光谱或机器视觉分析模型。     

基于机器视觉和近红外光谱技术的杏干品质无损检测

干果品质直接影响其市场销售。该研究以杏干为对象探讨用机器视觉和近红外光谱技术快速无损检测干果内外品质的方法。拍摄杏干4个不同位置的彩色图像,用基于区域骨架化的填充法分割杏干,提取每种角度下的面积。从100个正常杏干样本中随机挑选75个为校正集,25个为预测集,用多元线性回归对杏干的实际质量和4个面的面积建模,得到校正集和预测集相关系数分别为0.9374和0.9307,杏干质量分级的准确率为90%。提出用基于平均灰度的区域增长法提取杏干缺陷,缺陷检测的准确率为84.5%。采用SNV对杏干近红外光谱进行预处理,然后分别采用偏最小二乘法(PLS)、向后区间偏最小二乘法(biPLS)及联合区间偏最小二乘法(siPLS)建立杏干糖度预测模型。结果表明,当全光谱范围被划分为22个子区间,优选出区间[17、2、3、9、20、13、7、18、15、11、6],主因子数为10时建立的biPLS糖度模型性能最好。其校正集相关系数和校正均方根误差分别为0.8983和1.23,预测集相关系数和预测均方根误差分别为0.8814和1.46。研究表明,机器视觉结合近红外光谱技术能对杏干内外品质进行综合检测,也可为其他干果的品质检测提供借鉴。     

土壤硝态氮含量检测和分布图生成中的最优样本量

土壤参数的时空变异是实施精细农业时要考虑的重要因素，在土壤检测的栅格采样中有必要确定最优样本量。本研究的试验田是一块生长中的玉米地块，试验区的面积为4.2 m×4.2 m，该试验区被假定为土壤采样中的一个栅格，该栅格又被细分为49个0.6 m×0.6 m的子栅格。采样时，所分析的土壤参数为土壤硝态氮含量，从播种到收获共进行了7次采样。通过对土壤样本土壤硝态氮时空变异的分析，揭示了样本量和土壤硝态氮含量预测误差之间的相关关系。土壤硝态氮含量呈非正态分布，通过对玉米各个生长期获得的数据分析表明：含量水平的预测误差随深度的增加而增大；当从一个栅格只采集1个土壤样本时(样本量为1)，预测误差基本在50％左右(显著水平：α≈0.10)，而当从一个栅格采集5个土壤样本时(样本量为5)，预测误差将降至25％左右。另一方面，当要求预测误差低于30％时，对于普通生长条件下的土壤需要从1个栅格至少采集3个样本，而对于追肥后的土壤则至少需采集15个样本。     

可见/近红外光谱快速鉴别米粉辐照剂量

为了实现对不同剂量辐照处理后米粉的快速鉴别,提出了一种基于可见-近红外光谱技术的快速、无损检测方法。试验先利用不同剂量的60Coγ-射线对米粉进行辐照处理,得到了4种样品共200个样本。再应用ASD可见-近红外光谱仪获取所有样本的反射光谱数据,并采用主成分分析方法对数据进行聚类分析,将提取的前6个主成分作为BP神经网络的输入值,建立不同米粉样品的鉴别模型。结果表明,在设定偏差标准为±0.1的情况下,利用该模型对预测集样本进行鉴别,识别率达到100%。该文提出的方法具有很好的分类和鉴别作用,为快速鉴别米粉类产品是否经辐照灭菌及处理剂量等提供了新的技术方法。     

茶叶咖啡碱近红外光谱模型简化方法

该文以茶叶为研究对象,以近红外光谱分析技术快速检测茶叶中的咖啡碱含量为目的,采用一种小波包分析-移动窗口偏最小二乘法（WPA-MWPLS）的处理光谱数据方法,即利用小波包精细的多层分解功能扣除背景、降低噪声的影响,利用移动窗口偏最小二乘法（MWPLS）挑选与茶叶中咖啡碱相关性较大的波数区间使用偏最小二乘法建立校正模型。与只经过Savitzky–Golay预处理后直接利用PLS所建模型相比,采用小波包分析-移动窗口偏最小二乘法使得预测相关系数R由0.9170提高到了0.9625;预测均方差RESEP由0.3071下降为0.2463。该结果表明：该方法具有预处理简单、优选参数和建模变量少等特点,能在很大程度上简化建模过程、提高建模和分析速度。