[发明专利]基于土壤可见-近红外光谱库的土壤全氮实时检测方法

权利要求书

1.一种基于土壤可见-近红外光谱库的土壤全氮实时检测方法，其特征在于，该方法的步骤如下：

步骤1)测量全国各地土壤样本的可见-近红外光谱数据和全氮含量数据，构建土壤可见近红外光谱-全氮数据库；

步骤2)采集多个待检测土壤样本的可见-近红外光谱数据；

步骤3)采用局部加权回归算法，对每一待检测样本从光谱库中挑选建模样本构成定标子集，从而构建基于土壤可见-近红外光谱数据库的全氮线性回归模型，得出待检测样本的全氮含量，并对预测模型进行精度评定。

2.根据权利要求1所述的一种基于土壤可见-近红外光谱库的土壤全氮实时检测方法，其特征在于，步骤1)中，所述的测量全国各地土壤样本的可见-近红外光谱数据和全氮含量数据，构建土壤可见近红外光谱-全氮数据库的具体步骤如下：

步骤(1.1)采集全国各地土壤样本的光谱数据；

步骤(1.2)用化学方法分析全国各地土壤样本的全氮含量；

步骤(1.3)对所述光谱数据进行预处理，构建土壤可见近红外光谱-全氮数据库。

3.根据权利要求2所述的一种基于土壤可见-近红外光谱库的土壤全氮实时检测方法，其特征在于，所述步骤(1.2)中，所述用化学方法分析是用半微量开氏法测定。

4.根据权利要求2所述的一种基于土壤可见-近红外光谱库的土壤全氮实时检测方法，其特征在于，步骤(1.3)中，所述光谱数据进行预处理的方法为基于最小二乘的Savitzky-Golay经典平滑滤波与一阶微分变换相结合的方法。

5.根据权利要求1所述的基于土壤可见-近红外光谱库的土壤全氮实时检测方法，其特征在于，步骤2)中，所述采集多个待检测土壤样本的可见-近红外光谱数据，采集方法及光谱预处理方法和构建光谱库所述方法一致。

6.根据权利要求1所述的一种基于土壤可见-近红外光谱库的土壤全氮实时检测方法，其特征在于，步骤3)中，所述采用局部加权回归算法，对每一待检测样本从光谱库中挑选建模样本构成定标子集，从而构建基于土壤可见-近红外光谱数据库的全氮线性回归模型，得出待检测样本的全氮含量的具体步骤如下：

①对光谱库所有样本的预处理后光谱数据进行主成分分析(PCA)，定义为得分矩阵，定义为载荷矩阵；

②确定用于每个局部建模集的主成分数(A)和样本数(C)；

对每一个待检测样本：

③计算得分

t^t=xtP^---(1)]]>

其中x是通过与建模矩阵X相同的常数中心化得到的预测光谱；

④从光谱库中找到最接近待检测样本的C个样本用来建模，接近程度通过A个尺度中主成分得分的空间距离测量来定义，计算A个尺度得分向量和所在的所有行之间的距离，并从小到大排序，然后依次选取待检测样本与库中距离最小的C个样本作为建模集；

⑤用最小二乘准则来评估线性回归模型中的未知参数

yc=lq0+T^Cq---(2)]]>

在式中，y_c是C个局部样本中y值的矢量，q是A得分回归系数的对应矢量，表示光谱库中最接近待检测样本的C个建模样本得分矩阵，l是最小二乘的矢量，q₀是截距，如果预定义的加权函数是有效的，那么加权最小二乘可以取代常规最小二乘；

⑥使用估算好的回归系数来预估待检测样本的全氮含量，即值，

y^=q^0+t^tq^---(3)]]>

其中是截距q₀的估测值，是A得分回归系数的对应矢量q的估测值。

7.根据权利要求1所述的一种基于土壤可见-近红外光谱库的土壤全氮实时检测方法，其特征在于，所述步骤3)中，所述预测模型精度评定，其具体过程如下：

预测模型精度统一选用决定系数R²、均方根误差RMSE以及测定值标准偏差与标准预测误差的比值RPD作为评价参数，其具体公式如下：

RMSE=1nΣi=1n(yi-y^i)2---(5)]]>

RPD=SD/RMSE        (6)

其中，y_i是观测值，是yi的预测值，是y_i的平均值，SD是观测值标准偏差，n为样本数，i为从第一个土壤样本到第n个的计数。