[00727543]基于近红外光谱的土壤营养指标多层次定量检测及其模型稳定性分析

土壤是农业可持续发展中最重要的组成部分，是现代农业环境的重要要素和诸多生态问题的集中体现者。实现对土壤成分的实时快速定量检测是发展精准农业的必要手段。 该项目研究了基于近红外(NIR)光谱的土壤营养指标多层次定量检测的计量学方法，建立直接快速的NIR光谱定标检测模型，实现对土壤各营养成分(有机质、总氮等)的指标多层次定量测定，并分析了模型稳定性。一方面，研究了Savitziky-golay滤波、Whittaker平滑、竞争自适应加权抽样(CARS)、移动窗口(Moving Window)等技术，确定光谱预处理与信息子波段联合筛选的综合优化模式，实现数据降噪和特征提取；另一方面，研究了若干线性和非线性的光谱建模计量学方法，如偏最小二乘(PLS)、支持向量机(SVM)、随机森林(RF)、BP神经网络(BPNN)等，实现了多重计量学方法组合的步进网格式参数优化，并提出了基于网络深度学习模式的特征变量筛选方法，从各成分独立、双成分组合和多成分融合的多个层次上对土壤或以土壤为载体的农作物的营养成分指标实现NIR定量分析，建立具有较高预测精度的、多层次适用的NIR定标模型；进一步利用实验重复性和建模不确定性理论进行NIR定标模型的稳定性分析，找到了待测营养成分的近红外多层次定量预测的标定范围。使近红外光谱指标多层次定量分析技术成为能够快速检测土壤营养成分的农业信息化手段，为土壤质量在线监控提供技术参考。 该项目取得比较丰富的研究成果。在国内外学术期刊上发表论文13篇(其中SCI、EI收录10篇)；参加全国性和国际性会议并发表会议论文1篇；申请国家发明专利3项；获得软件著作权1项；累计培养硕士研究生7名。