基于近红外光谱技术的土壤参数BP神经网络.pdfVIP

第28卷，第5期 光谱学与光谱分析 00 and 2 8年5月 SpectroscopySpectralAnalysis May，2008 基于近红外光谱技术的土壤参数BP神经网络预测 郑立华，李民赞。，潘 娈，孙建英，唐 宁 中国农业大学现代精细农业系统集成研究教育部重点实验室，北京100083 摘要利用BP神经网络预测方法，建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析 模型。试验共测量了150个田间土壤样本的近红外光谱，首先采用局部加权散点图平滑滤波法对光谱曲线 进行了平滑处理，然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱，最后将反射光谱数据 进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析，然后提 取贡献率超过99．98％的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为 0．999，预测精度达到0．854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1，预测精度达到了 0．808。研究表明，基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错 能力。 关键词光谱分析；土壤有机质；土壤全氮；BP神经网络 中图分类号：0657．3文献标识码：A 文章编号：1000-0593(2008)05—1160-05 测模型。因此进行相关研究是必要的。 引 言 1材料和方法 对土壤养分的时空差异特性的科学认识促进了精细农业 的发展，其中对土壤水分、有机质、全氮含量等养分的实时 土样采集于位于北京郊区的中国农业大学一块试验麦 监测，进而根据监测结果进行变量施肥是实施精确农业的关 田，共采集了150个土样，在保持其原始状态的条件下在试 键技术[1]，因而建立有效而精确的土壤参数预测模型是非常 Nico- 验室中迅速测定了其近红外光谱。仪器是美国Thermo 必要的。 let公司生产的Antaris型傅里叶变换近红外光谱仪，它配有 近红外光谱技术是一种快速、简便及无破坏性的测量方 光导纤维探头，可以直接将探头插入土中进行测量。光谱仪 000～4000 500 法，使用该技术进行测量之前，无需对样本进行任何预处 的光谱测量范围为12 crn．1(833～2rim)}分 理，非常适合于实时监测[2]。早在20世纪在六七十年代，国辨率为2cm-1；波数精度为0．1咖_1；扫描次数为32。 外学者就对土壤成分含量与土壤多光谱辐射特征作过研究。 在实验室中利用化学方法对风干后的土样进行了有机质 1972年，AI-Abhas等分别研究发现土壤有机质在近红外区 含量(SOM)和土壤全氮含量(TN)的测定。测定有机质使用 具有与有机化合物几种官能团相关的特征纹迹[33；1999年， 完全湿烧法，对于土壤全氮则利用半微量开氏法测定[6]。 Li等使用光谱分析技术对土壤的硝态氮(N0f—N)、有机质 (SOM)、电导率(EC)、pH等进行了分析预测，分别对于各 2结果和讨论 参数的敏感光谱波段进行了分析研究[43；2006年，孙建英使 500 用波长范围为830～2nlTl的光谱仪测定实时土壤反射光2．1光谱数据的预处理 谱，并对土壤含水率、有机质含量以及全氮的含量进