论文部分内容阅读
近年来,化肥的盲目投入导致环境问题也日益严重,精准施肥的目的是要识别并量化田间存在的差异,理解这些差异可能造成的影响及引起差异的原因,并针对这些差异进行变量管理,最终获得良好的经济与生态效益。本研究通过利用光谱分析技术快速、简便、无损和绿色的特点,对新疆不同质地土壤的全氮含量进行光谱预测模型的构建,并且通过实际样本验证其模型的准确性。通过田间实际应用效果的研究,更好的为作物变量施肥和精准施肥奠定基础。主要结论如下:1、不同土壤质地的对比试验表明,不同质地土壤的原始光谱反射率差异较大。较细颗粒组成的土壤(砂土),光谱曲线较平滑,具有较高的反射率;而较粗糙土壤(砾石土)光谱曲线波动较大,尤其在1300nm、1800nm和2200nm处有明显的吸收谷。不同氮、磷、钾含量的土壤与其光谱反射率之间存在着较好的负相关性;2、不同变换条件下,土壤光谱反射率与土壤全氮、全磷、全钾含量之间呈较好的相关性。全氮含量与土壤原始光谱反射率在1867nm处呈极显著负相关,相关系数达到-0.9392;以反射率倒数的二阶导数进行变换后与TN相关性最好,光谱反射率倒数的一阶微分和二阶微分更进一步地增强了与土壤全磷含量的相关性,与TN相关性最好,土壤全钾(TK)含量与光谱反射率一阶导数变换后相关关系最优,在1517nm处达到0.9979极显著正相关。3、估测土壤全氮含量指数函数模型复相关系数(R2=0.7982)最高,以指数函数关系模型(YTN=0.0005e4.7003xNDI)为预测全氮最优模型;土磷全磷含量估算模型中,一元三次函数模型复相关系数(R2=0.5631)最高;以一元三次函数(YTP=802.27xNDI3-412.32xNDI2+72.357xNDI-3.3189)最优;土壤全钾含量估算模型中,一元三次函数模型的复相关系数(R2=0.5150)最高,一元三次函数关系模型的预测效果为最佳(YTK=80189xNDI3-11471xNDI2+490.57xNDI+13.879)。4、土壤全氮含量的估算模型预测效果最好,预测精度为78.1430%,且相对误差最小,为21.8570%;其次是土壤全磷量的估测模型的预测精度也较高,达到75.6690%;其中,土壤全钾含量的预测值与实测值之间的相对误差较大,为29.7039%,其估算模型的预测精度也较低,仅为70.2961%。利用光谱技术对农田土壤进行特征信息的实时监测、快速提取、准确预测、反演模拟是可行的。