论文部分内容阅读
土壤总氮是衡量土壤肥力的重要指标,在作物生长过程中起到至关重要的作用。高光谱具有分辨率高、波段连续、图谱合一等特点,可以快速有效地检测土壤总氮含量。由于高光谱信息量大,数据复杂,极易导致光谱数据存在共线性和冗余,严重影响土壤总氮高光谱预测模型的效果。因此,如何解决光谱数据存在共线性和冗余,构建高精度的土壤总氮高光谱检测模型是迫切需要解决的问题。本研究针对基于高光谱技术检测土壤总氮含量精确度不高的问题,以皖北地区砂姜黑土中的土壤总氮为研究对象,重点解决构建土壤总氮高光谱检测模型中的两个关键问题——土壤总氮光谱特征波长的提取问题和土壤总氮高光谱检测建模方法的优选问题,研究了土壤总氮的光谱特征波长提取方法、土壤总氮高光谱检测最优模型方法,研制开发了土壤总氮高光谱数据分析系统。论文研究的主要内容及成果如下:(1)研究了土壤总氮的光谱特征波长提取方法。分别应用竞争性自适应重加权算法、连续投影算法、随机森林算法对土壤总氮特征波长进行选择。并通过特征波长建立了土壤总氮高光谱检测模型,以最少的特征波长数量建立最高精确度的模型。(2)研究了构建土壤总氮高光谱检测最优模型方法。在特征波长提取的基础上,分别建立偏最小二乘法、支持向量机回归以及Lasso回归模型对土壤总氮含量进行检测,建立了光谱与土壤总氮含量之间的映射关系,并通过映射关系预测土壤总氮含量。对比上述三种建模方法,找出了Lasso回归模型为预测精确度最高的模型,能够准确地检测出土壤中氮元素的含量,为合理施肥奠定了基础。(3)开发了土壤总氮高光谱数据分析系统。在Eclipse平台上利用IDL、Java、MATAB语言,开发完成了土壤总氮高光谱数据分析系统,该系统解决了处理数据依赖众多软件的协同工作,各软件间的数据格式不兼容,数据传递过程中的精度丢失等问题。利用该系统处理分析本研究的高光谱数据并且得到有效验证。论文研究成果对于构建土壤总氮高光谱快速无损检测模型,在合理施肥、保护环境、提高作物生产量等方面具有重要的理论价值和实际意义。