[发明专利]一种基于多传感器融合的土壤属性预测方法

说明书

本发明公开了一种基于多传感器融合的土壤属性预测方法。对采集的土壤样本进行风干、研磨并通过孔筛，然后进行土壤光谱测定，分别测定土壤样本的可见‑近红外光谱、中红外光谱、X射线荧光光谱和激光诱导击穿光谱，光谱数据采用不同的预处理方法进行分别预处理，进行特征波段筛选；建立融合的土壤属性预测模型，构建训练获得每个土壤属性各自对应一种光谱数据的单传感器预测模型，构建训练获得每个土壤属性的融合传感器预测模型，采用融合传感器预测模型和单传感器预测模型进行预测处理。本发明利用多传感融合技术解决了单一传感器检测土壤属性稳定性低的问题，提高了土壤属性预测精度和稳定性。

技术领域

本发明涉及波谱分析技术、多传感融合技术，尤其涉及了一种基于多传感器融合的土壤属性预测方法。

背景技术

土壤有机质、pH和全氮是重要的土壤肥力指标，其准确、快速获取，对农田管理、土壤保护等都具有重要意义。传统的测量方法虽然能获取较高精度，但田间土壤取样和实验室化学分析周期长、成本高、过程复杂、实时性差。受实际分析样本数量的限制，很难客观地反映大面积农田的实际土壤养分分布情况。此外，大量的土壤化验分析产生的酸碱废弃物，处理不当也易引起环境污染。而波谱技术监测土壤属性信息具有快速、简便、非接触、不破坏且能同时测量多种土壤属性等优点。各国科学研究人员已经对此进行了大量研究和实验，成果显著。但土壤是一个复杂的综合体，采样区域及采样点的差异都会造成预测模型精度的差异，利用单一传感器建立的预测模型稳定性和普适性低，无法满足土壤复杂性的要求。因此，有学者开始开展利用多传感融合技术进行土壤属性预测研究(Wang,D.,Chakraborty,S.,Weindorf,D.C.2015.Synthesized use of VisNIR DRS and PXRF forsoil characterization:Total carbon and total nitrogen.Geoderma,243,pp 157-167.)(O'Rourke,S.M.,Stockmann,U.,Holden,N.M.2016.An assessment of modelaveraging to improve predictive power of portable vis-NIR and XRF for thedetermination of agronomic soil properties.Geoderma,279,pp 31-44.)利用多传感融合进行土壤属性预测已有了一定的发展，但研究仅基于两种传感器的融合，利用可见-近红外光谱、中红外光谱、X射线荧光光谱和激光诱导击穿光谱的融合进行土壤属性预测尚未有公开文献报道。

发明内容

为了解决背景技术中存在的问题，本发明提供了一种利用多传感器融合技术进行土壤属性预测的方法。

本发明提出利用以上四种传感器融合技术来进行多种土壤属性的同时预测分析，先利用偏最小二乘回归算法分别建立四种传感器的预测模型，再利用贝叶斯模型平均方法进行四种传感器预测结果的融合，从而得出最后的预测结果，这种思路和方法尚未见公开报道。

首先利用遗传–偏最小二乘算法筛选特征波段，从而减少数据冗余，提高运算效率；然后将筛选出的特征波段作为自变量，利用偏最小二乘回归算法建立各单传感的土壤属性预测模型；最后利用贝叶斯模型平均进行四种传感器的融合，得出最后预测结果。

本发明采用的技术方案的步骤如下：

步骤(1)土壤光谱数据获取：对采集的土壤样本进行风干、研磨并通过孔筛，然后进行土壤光谱测定四种光谱，分别测定土壤样本的可见-近红外光谱、中红外光谱、X射线荧光光谱和激光诱导击穿光谱；

具体实施中，将土壤样本分为两部分，一部分采用传统化学测定方法测量所有土壤样本的pH、有机质和全氮含量。另一部分用来进行土壤四种光谱测定。两部分共同作为训练集和验证集。

步骤(2)光谱数据预处理：将步骤(1)中获取的光谱数据采用不同的预处理方法进行分别预处理；