[发明专利]一种实时预测土壤水分和全氮含量的方法

权利要求书

1.一种实时预测土壤水分和全氮含量的方法，其特征在于，所述方法包括：

对土壤样本进行数据采集，根据所述数据采集结果获取水分敏感波长和氮敏感波长；

以所述水分敏感波长的吸光度值和氮敏感波长的吸光度值作为输入自变量，建立含水状态下的土壤全氮含量预测模型；

所述建立含水状态下的土壤全氮含量预测模型的具体过程为：

以所述水分敏感波长的吸光度值和氮敏感波长的吸光度值作为输入自变量，土壤全氮含量作为输出因变量，采用第一误差反向传播神经网络和非线性最小二乘算法进行模型训练，建立含水状态下的土壤全氮含量预测模型；

所述第一误差反向传播神经网络结构包括一个隐含层、三个隐含节点和一个输出层，所述隐含层使用tanh激活函数作为传递函数，学习率为0.1，输出层函数为线性函数，迭代次数最大为1000次；

根据所述含水状态下的土壤全氮含量预测模型建立多输出变量的预测模型；

所述建立多输出变量的预测模型的具体过程为：

以所述水分敏感波长的吸光度值和氮敏感波长的吸光度值作为输入自变量，土壤水分含量和土壤全氮含量作为输出因变量，采用第二误差反向传播神经网络和非线性最小二乘算法进行模型训练，建立多输出变量的预测模型；

所述第二误差反向传播神经网络结构包括一个隐含层、五个隐含节点和两个输出层，所述隐含层使用tanh激活函数作为传递函数，学习率为0.1，输出层函数为线性函数，迭代次数最大为1000次；

根据所述多输出变量的预测模型的输出结果获取预测土壤水分和全氮含量。

2.根据权利要求1所述的方法，其特征在于，在所述对土壤样本进行数据采集之前，所述方法还包括对所述土壤样本进行预处理的过程，所述对所述土壤样本进行预处理的具体过程为：

对所述土壤样本一次分组分为三组、和；

将三组中的其中两组进行二次分组分为至和至；

在所述至中分别添加含量不同的蒸馏水，混合均匀后静置一段时间；

在所述至中分别添加含量不同的尿素溶液，混合均匀后静置一段时间。

3.根据权利要求2所述的方法，其特征在于，所述对土壤样本进行数据采集，根据所述数据采集结果获取水分敏感波长的具体过程为：

对添加有蒸馏水的至组土壤样本进行光谱分析，获取波长范围为350nm至2500nm的可见-近红外吸收光谱数据；

将添加有蒸馏水的至组土壤样本进行烘干，获取含水率数据；

将烘干后的至组土壤样本碾磨后进行光谱分析和全氮检测，获取波长范围为350nm至2500nm的可见-近红外吸收光谱数据以及全氮含量数据；

根据可见-近红外吸收光谱数据获取不同含水率的土壤中含水率与吸收峰强度之间的关系；

根据所述不同含水率的土壤中含水率与吸收峰强度之间的关系获取所述水分敏感波长。

4.根据权利要求2或3所述的方法，其特征在于，所述对土壤样本进行数据采集，根据所述数据采集结果获取氮敏感波长的具体过程为：

将添加有尿素溶液的至组土壤样本进行光谱分析，获取波长范围为350nm至2500nm的可见-近红外吸收光谱数据；

将添加有尿素溶液的至组土壤样本进行烘干，获取含水率数据；

将烘干后的至组土壤样本碾磨后进行光谱分析和全氮检测，获取波长范围为350nm至2500nm的可见-近红外吸收光谱数据以及全氮含量数据；

根据可见-近红外吸收光谱数据获取不同全氮含量的土壤中全氮含量与吸收峰强度之间的关系；

根据所述不同全氮含量的土壤中全氮含量与吸收峰强度之间的关系获取所述氮敏感波长。