基于植物电信号的环境因子预测模型

以采集的植物电信号为生理指标,综合分析其时域、频域和时频域中的典型特征值,利用学习速度快、泛化性能好的极限学习机算法,以电信号的多个特征及环境参数作为输入量,建立适合植物生长的环境因子（温度、湿度、光照度）预测模型。结果表明：通过对采集的碧玉叶面电信号进行不同域的分析,得出植物电信号属于低频微弱信号;利用极限学习机(ELM)分别对适合碧玉生长的温度、湿度及光照度3个环境因子建立预测模型,通过与传统的BP神经网络对比,ELM算法下的均方根误差小于0.97,而决定系数大于0.92,训练所需的时间低于0.03s,验证了此方法的可行性,为科学指导温室环境因子调控提供科学依据。     

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。     

土壤有机质测定方法的分析和探讨

为提高土壤有机质含量检测的工作效率,按照标准方法《土壤检测第6部分：土壤有机质的测定》（NY/T1121.6-2006）中实验步骤增加一种电热消解仪法。将数显恒温油浴锅加热法和电热消解仪加热法的加热方式进行比对。在微沸后计时5min后的两组不同编号的土壤标准物质样品有机质含量结果,不但在标准认定值范围之内,且结果平均值的绝对差值都是0.2g/kg,小于规定的允许绝对差值。实验表明电热消解仪加热法测定出的土壤有机质含量与油浴加热法测出的有机质含量并无显著差异。而电热消解仪加热方式能适应大批量土壤样品,节约时间,更好地提高农业土壤检测水平,进一步促进农业发展。     

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。     

基于光谱FOD与优化指数的银川平原土壤有机质含量反演

土壤有机质（SOM）是土壤肥力的重要组成部分,是作物生长的主要养分来源。为探究分数阶微分（FOD）联合优化光谱指数对低肥力地区SOM的反演效果,以银川平原为研究对象,对野外土壤高光谱反射率原始数据进行0~2阶FOD处理（间隔0.2阶）,构建优化光谱指数DI/RDI、DI/NDI、NDI/RDI、RDI/NDI、DI/GDI和RI/GDI,分析各指数与土壤有机质含量间的二维相关性,筛选出最佳优化光谱指数,并建立基于支持向量机（SVM）的SOM含量反演模型。结果表明：银川平原SOM含量整体偏低,其中93.05%处于四级到六级水平。土壤野外原始光谱反射率吸收特征差异明显,在1400、1900nm处有明显吸收峰。随着分数阶的不断增加,光谱反射率不断趋近于0。土壤DI/NDI、DI/GDI、RI/GDI、NDI/RDI和RDI/NDI在0~2阶最大相关系数绝对值（MACC）均小于0.80,DI/RDI在0.2~2.0阶范围内的MACC为0.9965~0.9986,其敏感波段主要集中在1450~1750nm和2100~2400nm之间。基于0.2阶微分处理的DI/RDI-SVM模型对SOM的反演精度最佳,建模决定系数R2c和验证决定系数R2p分别为0.98和0.99,相对分析误差（RPD）为4.31。研究结果可为低肥力地区的SOM含量快速、准确反演及制图提供科学依据。     

基于人工嗅觉系统的土壤有机质检测方法研究

为了实现土壤有机质快速、准确的测量,提出了一种基于人工嗅觉的土壤有机质含量检测方法。首先,由不同温度控制的10个气体传感器所构成的阵列对土壤样品气体进行采集;然后,提取每个传感器响应曲线上的7个特征(包括最大值、最小值、平均值、平均微分系数、响应面积、第30秒的瞬态值和第60秒的瞬态值),构建嗅觉特征空间;对特征空间优化后,采用回归算法建立预测模型。为减小不同测定算法、异常样本以及冗余特征对模型预测性能的影响,在应用蒙特卡罗抽样(Monte Carlo sampling,MCS)法剔除异常样本的基础上,采用主成分分析(Principal component analysis,PCA)法对特征空间进行降维处理,评估了包括偏最小二乘法回归(Partial least square regression,PLSR)、支持向量机回归(Support vector machine regression,SVR)和BP神经网络(Back propagation neural network,BPNN)等3种建模方法对土壤有机质含量的预测性能,选用决定系数R2、均方根误差(RMSE)和预测偏差比(RPD)评价各模型的预测性能。测试集验证结果表明,PLSR、SVR和BPNN这3种模型的预测值和样本的观测值之间的R2分别为0. 86、0. 91和0. 85,RMSE分别为2. 49、2. 05、2. 68 g/kg,RPD分别为2. 49、3. 02和2. 32。SVR模型的预测性能高于PLSR模型和BPNN模型,可对土壤有机质含量进行准确预测。     

农田土壤有机质和全氮三维空间分布特征研究

以河南省新郑市为研究区,分别采用三维克里格(Kriging)插值法和三维反距离加权(IDW)插值法模拟不同深度土壤有机质和全氮含量的三维空间分布特征,并采用交叉验证法,比较2种三维空间插值方法的预测精度。研究表明,有机质和全氮沿不同土层深度(0~20 cm、20~40 cm、40~60 cm)均表现出明显的空间分布差异,3种深度土壤有机质含量的平均值变化范围为11.31~15.48 g/kg,全氮的变化范围为0.48~0.79 g/kg,均随土层加深而降低;土壤有机质和全氮的三维空间分布表达的信息量更加丰富,可直观展示任意土体切面的养分含量分布信息;通过三维克里格方法得到的有机质插值结果的预测精度高于反距离加权法,全氮亦然,三维克里格插值法更能真实反映土壤养分的三维空间分布特征。     

耕地土壤有机质空间变异性的随机模拟

有机质是土壤重要的肥力特征,研究盐渍土改良区耕地土壤有机质空间变异特征可为土壤质量提升提供科学依据。以山东省禹城市盐渍土改良区典型地块耕地土壤有机质为研究对象,在全面野外调查和室内化验分析以获得大量的土壤有机质相关信息的基础上,运用地统计学方法对有机质进行了序贯高斯模拟各次实现（SGSV）、序贯高斯模拟平均实现（SGSA）和ordinary Kriging插值（OK）,并将SGSV、SGSA、OK与实测数据进行了统计参数、变异函数、空间分布趋势等方面进行了对比分析。结果表明OK、SGSA改变了有机质数据的空间结构,具有“平滑”效应,SGSA在消除平滑影响方面优于Kriging插值;SGSV具有与实测数据相同的空间自相关结构,对预测点的模拟值具有不确定性,为揭示研究区域土壤有机质的空间结构特征提供了有力的工具,对盐渍土改良区土壤有机质空间不确定性的风险研究具有更实际的意义。     

陕西省农田土壤有机质时空变异与驱动因子定量研究

为揭示土壤有机质(Soil organic matter, SOM)时空变异性与驱动因子响应机制,保障区域耕地可持续利用与粮食安全,应用地理探测器、地统计和重心偏移方法对陕西省SOM含量时空变异格局与驱动因子进行研究。结果表明：整体上,陕西省2017年SOM分布呈南高北低格局,平均含量(质量比)为15.63g/kg,较2007年提升8.61%;空间上,2017年SOM含量重心整体向西南偏移,陕南向西迁移,关中向东迁移,陕北向西南偏移;2017年SOM含量空间变异主导驱动因子为土壤全氮含量(q为0.74);2007—2017年间,土壤全氮含量、年平均气温、机械总动力对SOM含量空间变异的驱动力提升较大;2007—2017年,自然与人文因素共同驱动SOM含量时空变异,但人类活动对两因素均具有重要影响。     

土壤有机质含量田间实时测定方法

为了实现对土壤有机质含量的快速测定,以关中塿土为材料,研究基于光谱分析的土壤有机质含量测定方法。首先用机载便携式近红外频谱仪采集土壤样本在波长900~1 700 nm范围的漫反射光谱,并对异常样本进行判别和剔除以提高建模精度,在比较2种不同样本划分方法对模型影响的基础上,用连续投影算法(SPA)对建模变量进行最优波长选择,然后通过3种线性建模方法对有机质含量预测结果进行分析,探明偏最小二乘法(PLS)方法效果最好,并建立了径向基(RBF)神经网络预测模型。测试集样本实验结果表明,用PLS建立的预测模型有机质含量测定值和预测值之间的决定系数为0.801 9,均方根误差为0.179 4;用RBF神经网络建模的决定系数和均方根误差分别为0.828 1和0.164 6,两种模型均具有较高的精度,可对有机质含量进行快速预测。     

基于地形单元的土壤有机质空间变异研究

为克服传统地形分类方法中仅依据单一指标(如高程)的缺点,以钟祥市土壤有机质空间分布为例,综合由30 m精度数字高程模型生成的地形因子,依据其在不同地形条件下的层次组合规律构建地形分类规则,精确地划分为13种典型地形单元,并运用普通克里金法对不同地形单元内的土壤样本插值,获得相应区域的土壤有机质空间分布。通过组合各地形范围下的结果,以获取蕴含地形因素影响的有机质空间分布。研究发现,地形起伏较大的地形单元的预测精度与全局预测结果精度相似度达0.75,而地势平缓区域内的预测精度大幅度提升,比全局预测结果精度提升了16.39%,因此基于地形单元的空间预测可以精确有效地获取土壤有机质空间特征。利用地形分区获取较高精度的有机质空间分布,进一步探讨了有机质地统计学研究中地形的协同影响。     

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。     

基于高光谱反射特性的土壤水盐状况预测模型研究

为了能够及时、精准、动态地监测盐渍土水分和盐分含量变化,以新疆玛纳斯河流域绿洲农田为研究对象,应用高光谱分析技术,采用偏最小二乘回归方法(PLSR)分析土壤反射光谱特征值与水分、盐分含量间的关系,建立盐渍化土壤水、盐含量的高光谱预测模型,并对模型的稳定性和预测能力进行检验。结果表明:12种数据变换中分别采用CR、(lgR)'能够有效提高土壤盐分、含水率预测模型精度。水分预测模型中土壤盐分含量小于等于8.19 dS/m时,R2cal均大于0.79,外部验证R2val均大于0.64,RMSEP间差异不显著,预测精度较好;土壤盐分含量大于等于10.25 dS/m时,外部验证R2val不足0.45,预测精度较差。土壤盐分预测模型中当含水率小于15%时,预测R2cal均大于0.77,外部验证R2val大于0.64,RMSEP小于4.3,预测精度较好,土壤含水率大于15%时,模型预测精度较差。结果表明土壤中水分、盐分含量较大时,对水盐预测模型的估算精度均会产生影响。     

基于多维分形法的土壤养分空间预测

采用多维分形克里格插值法(Multifractal Krige,Mkrige)对土壤有机质、全氮、有效磷和速效钾4种土壤养分进行空间预测,并以普通克里格法为参照对比,从传统统计学参数、积累曲线、多维分形图像、多维分形参数和特异值等方面深入分析Mkrige法空间预测的效果。结果表明:无论何种分形程度的土壤养分,Mkrige法预测值的积累曲线、多维分形参数和多维分形图像都与实测值最接近;Mkrige法较好地保持了原始样本数据的特异值区,真实反映土壤养分空间分布的混沌状态,空间预测效果较优。土壤有效磷、有机质、全氮和速效钾分形程度依次降低;分形程度越高,Mkrige法空间预测效果越优。     

基于阻隔因素的耕地质量分等因素插值方法研究

在山地丘陵区,耕地质量等级调查评价中的分等因素属性值估算受到大、中型山体阻隔影响,造成分等单元各分等因素属性赋值结果的失准。以青海省平安区为研究区,研究基于阻隔因素的分等因素属性值估算方法,并与反距离权重插值、样条函数插值方法进行了交叉验证。结果表明:不同的插值方法对3个分等因素空间分布趋势的模拟基本一致;由于插值原数据的特征与插值原理的不同,导致基于阻隔因素的插值方法对不同的土壤性质表现不一致。土壤有机质和有效土层厚度最适宜的插值方法是基于阻隔因素的样条函数插值,而在土壤pH值插值中,基于阻隔因素的反距离权重插值精度最高;研究区内的土壤有机质含量和有效土层厚度的插值精度比不考虑阻隔因素的样条函数插值的平均绝对误差、平均相对误差、均方根误差、相对均方根误差分别提高了11. 23%、10. 98%、7. 54%、9. 20%和15. 08%、11. 74%、17. 41%、9. 40%;采用基于阻隔因素的样条函数插值方法对有机质含量和有效土层厚度进行插值,二者实测值与预测值之间的决定系数分别为0. 927和0. 901。