[发明专利]一种实时预测土壤水分和全氮含量的方法

说明书

本发明提出了一种实时预测土壤水分和全氮含量的方法，对土壤样本进行数据采集，以水分敏感波长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；根据该模型建立多输出变量的预测模型；根据该预测模型的输出结果预测土壤水分和全氮含量。本发明基于不同类型土壤，通过敏感波长选择建立了一种通用型的光谱预测模型，无需进行复杂的光谱数据预处理和水分修正的工作，即可实现对不同类型土壤水分和全氮含量进行预测。相比于采集样本后再进行分析，本发明可在现场连续采集光谱信息的同时可以同步连续输出水分和全氮含量，保证了数据的实时性、真实性和可持续性，拓展了土壤水分和全氮含量的原位、实时和可持续监测应用。

技术领域

本申请涉及土壤检测分析领域，尤其涉及一种实时预测土壤水分和全氮含量的方法。

背景技术

土壤中的水分和氮素对作物的生长和果实的发育有着至关重要的作用。了解土壤水和全氮含量，因地合理灌溉和施肥，可以降低经济上的损失同时减少因过度施肥对环境产生的恶劣影响。所以发展快速、实时、原位、连续且无污染的检测方法具有重要的现实意义。

近红外光谱分析是集计算机科学、光谱学和化学计量学等多种学科知识的一种先进分析技术。因其无损、快速、无污染的特点，近些年在农业领域的应用受到了广泛的关注和研究。近红外光的波长范围为780nm至2560nm，其光谱信息主要是含氢基团，如C-H、O-H、N-H等化学键振动产生的合频与倍频的吸收。这些近红外光谱吸收蕴含着丰富的分子结构、组成状态等信息，这就为光谱技术定量分析样品的物理性质及化学成分提供了理论基础。

目前，采用近红外光谱分析技术判定土壤类型，检测土壤有机碳、水分和全氮等含量具有较高的检测精度，但是研究主要集中在实验室进行，并且通常建立的仅仅是针对某一块田地的局部光谱模型，很难在实际中应用施行。此外，大多研究选择全波长范围建模，通过繁琐的土样数据预处理，建立的模型较为繁冗，而且全波长范围建模因为包含太多无用光谱信息，反而降低了模型的预测精度。

近些年，有研究通过对水分、氮特征波长的选取，采用线性或非线性的方法对土壤水分和全氮含量进行预测，但是预测的方法是针对不同的参数采用不同的方法建立预测模型，若同时测量水分和全氮，需要分别对其进行建模分析。此外，因水分对全氮含量预测存在严重的干扰，通常在含水状态下对全氮含量预测需要进行水分修正处理，以消除水分影响，使得数据处理和建模分析更为繁琐、复杂。

发明内容

为解决上述技术问题之一，本发明提供了一种实时预测土壤水分和全氮含量的方法。

本发明实施例提供了一种实时预测土壤水分和全氮含量的方法，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；

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；

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。

优选地，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N1、N2和N3；

将三组中的其中两组进行二次分组分为N21至N2i和N31至N3i；

在所述N21至N2i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N31至N3i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。

优选地，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：