科研之友
微信
新浪微博
Facebook
分享链接
摘要
土壤全氮是重要的养分指标，利用高光谱技术研究并构建砂姜黑土全氮含量高光谱估测模型，为作物施肥及发展精确农业提供参考。尝试研究离散小波估测土壤全氮含量的可行性，以河南省商水县不同小麦氮肥处理为试验区，采集100份0～20 cm的砂姜黑土，土壤样本风干并经研磨过筛等处理后，在实验室暗室内采集光谱。利用含量梯度法，将总样本(100个砂姜黑土)划分为建模集75个和验证集25个。将原始光谱进行一阶导数变换，并对一阶导数光谱分别进行相关分析和离散小波变换，同时结合支持向量机和K邻近算法构建高光谱土壤全氮估测模型。系统分析了原始光谱和一阶导数光谱的单波段与土壤全氮的相关性，结果表明，经一阶导数变换后的光谱与土壤全氮有更好的相关性，在1 373 nm处相关系数达到最高为0.84。利用离散小波算法对一阶导数光谱进行最佳母小波和分解层次选择，结果显示，经sym8函数分解的小波系数能较好的重构土壤全氮光谱信息，进一步基于分解层L1—L11的低频系数分别建立支持向量回归和K邻近回归土壤全氮含量估测模型，比较全部估测模型，以分解层L5的低频系数结合K邻近构建的模型最优，建模决定系数为0.90,均方根偏差为0.09 g·kg-1,相对分析误差为3.78,验证决定系数为0.97,均方根偏差为0.05 g·kg-1,相对分析误差为4.30。同时与全波段和经相关分析后挑选出的敏感波段作为输入构建的模型进行比较，K邻近模型精度提高了3.2%和9%,支持向量机模型精度提高了6.7%和11.6%。研究结果表明一阶导数变换与离散小波技术可有效减少噪声影响，提高土壤全氮含量的估测精度，又实现了光谱数据降维，简化了模型复杂度，为砂浆黑土全氮含量的精确估测提供参考。
- 出版日期2023
- 单位河南农业大学
