土壤含水率对近红外光谱检测土壤氮含量影响研究.docVIP

土壤含水率对近红外光谱检测土壤氮含量影响研究 　　摘 要：土壤水分含量是影响土壤养分检测的重要因素之一，由于土壤水分在近红外波段的吸收系数较高，使土壤水分的差异给测量结果带来了较大误差。文章基于近红外光谱技术，利用PLS法研究不同含水率土壤的吸收光谱与土壤氮含量预测的相关性。实验表明：相同系列氮含量土壤样品在不同含水率下所建立的预测模型差异明显，含水率较高的土壤预测精度较差，证明了土壤含水率对近红外光谱建模精度的影响具有规律性。 　　关键词：土壤含水率；氮含量；近红外光谱；预测精度 　　引言 　　氮含量是土壤养分检测中的一项重要指标，相较于传统检测方法操作过程繁琐、耗时长且实时性差[1]，近红外光谱技术具有快速、无破坏、无污染、不需预处理及实时检测等优点，目前已广泛用于土壤氮含量的检测。由于土壤水分在近红外波段的吸收系数较高，对土壤含氮量的检测产生很大的干扰，因此研究土壤水分对近红外光谱检测土壤养分的影响非常必要。宋海燕等对含水率为20%、15%和10%的土壤进行研究，确定了水分对土壤近红外光谱检测影响的敏感波段和敏感程度[2]。安晓飞等研究了土壤水分对土壤含氮量的影响，得出随着土壤水分的增加，土壤光谱反射率逐渐降低，吸光度逐渐升高[3]；Baumgardner等的研究中，发现1.4和1.9微米这两个波段是土壤中水对光谱影响主要体现的位置[4]。由上述研究可知，土壤水分的含量与光谱反射率之间存在显著的相关性，其必对光谱预测模型造成影响。本课题以检测土壤氮含量为例，基于近红外光谱技术，采用偏最小二乘法（PLS，partial least squares）分别建立不同含水率土壤的光谱预测模型，分析土壤含水率差异对于近红外光谱检测土壤氮含量的影响。 　　1 材料与方法 　　1.1 土样制备 　　实验以有效态成分分析标准物质GBW07412a（辽宁棕壤）为基础土样，取110g此标准土样，将其按质量均等分为22份，通过计算称量给每份土样添加不同质量的尿素（CO（NH2）2）粉末，同时加入去离子水使其达到饱和，待充分混合后静置12小时再完全烘干，配制成土壤氮含量分别为0.08%、0.10%、…、0.50%的22份土壤样品。将每份配制好的土壤样品适度研磨，分别用刻度喷雾式喷壶对土壤进行喷水作业使其质量含水率分别达到0%、5%、10%、15%、20%、25%从而得到每种含氮量各6种不同含水率的土壤，共132个待测土样。 　　1.2 近红外光谱预处理方法 　　1.2.1 基线校正法 　　不管是用透射法测得的红外光谱，还是用红外附件测得的光谱，其吸光度的基线不可能处在0基线上，或透射率光谱的基线不可能处在100%基线上。同时由于仪器、样品背景、噪声等其它因素影响，近红外光谱分析中经常出现谱图的偏移或漂移现象，如不加以处理，同样会影响校正模型建立的质量和未知样品预测结果的准确性[5-7]。基线校正的运用，可有效地消除上述影响。其中，解决基线的偏移可采用一阶微分，解决基线的漂移可采用二阶微分。本实验采用一阶微分进行数据处理。 　　1.2.2 归一化处理法 　　光谱的归一化处理是将光谱的纵坐标进行归一化，是解决测量光程变化比较理想的方法之一，主要用于消除光程变化或样品浓度等变化对光谱产生的影响。常用光谱归一化方法主要有：矢量归一化、最大/最小归一化、回零校正。 　　2 结果与分析 　　2.1 不同含水率土壤样品的光谱特征 　　实验采用美国Perkin Elmer公司的Frontier近红外光谱仪，利用积分球附件采集土壤漫反射光谱数据。仪器扫描范围设为10000-4000cm-1，分辨率为4cm-1。 　　土壤氮含量为0.08%时，不同含水率的样品采集的光谱数据曲线自下向上分别表示含水率为0%、5%、10%、15%、20%、25%的土样测得的光谱数据。从中可以看出，相同氮含量，不同含水率的土壤吸光度存在明显差异，吸光度随土壤含水率的增加而增加。 　　2.2 土壤氮含量预测模型的建立 　　为研究不同含水率土壤光谱特征与土壤氮含量预测的相关性，以同一含水率、不同氮含量土样为样品建立预测模型，并比较预测精度。在PLS分析中，主因子数（Factor）的选取直接关系到模型预测能力的好坏，文章采用归一化、基线校正处理后的全波段光谱数据建模，用最小交叉验证均方根误差RMSECV确定最佳主因子数。实验中将132份土壤样品，按含水率不同分为6组，每组都具有氮含量各不相同的22个待测样品，其中任选14个样品为校正集，8个样品为验证集，进行建模分析。实验结果如表1所示，其中RMSEP为预测均方根误差，R2为决定系数，RMSEP越小，R2越大表明模型的预测精度越高。 　　通过表1可以看出，相同系列氮含量的土壤样品，在含水率不同条件下的建模