一种基于近红外光谱的土壤水解性氮的计算方法、预测方法和预测系统

文档序号：1935569 发布日期：2021-12-07 浏览：17次 >En<

阅读说明：本技术 一种基于近红外光谱的土壤水解性氮的计算方法、预测方法和预测系统 (Near infrared spectrum-based soil hydrolyzable nitrogen calculation method, prediction method and prediction system ) 是由李�杰彭海根王艳黄果王铎喻曦王戈白羽翔陈琼花杨子孔于 2021-09-23 设计创作，主要内容包括：本发明“一种基于近红外光谱的土壤水解性氮的计算方法、预测方法和预测系统”属于土壤检测技术领域。所述计算方法的特征是：采用下述公式I对目标区域的土壤的水解性氮的含量进行计算；公式I中,Y为目标区域的土壤的水解性氮的无量纲数值,x-(1)、x-(2)……x-(59)为目标区域的土壤的近红外光谱的特征波段的点数。采用本发明的方法和系统对土壤的水解性氮进行计算和预测,仅仅只需取样在近红外光谱仪下进行近红外光谱数据测定,不再需要进行任何化学实验、无需使用任何化学试剂,环保安全、方便快捷,值得广泛推广应用。(The invention discloses a method for calculating soil hydrolyzable nitrogen based on near infrared spectrum, a method for predicting soil hydrolyzable nitrogen based on near infrared spectrum and a system for predicting soil hydrolyzable nitrogen based on near infrared spectrum, and belongs to the technical field of soil detection. The calculation method is characterized in that: calculating the content of the hydrolyzable nitrogen of the soil in the target area by adopting the following formula I; in formula I, Y is a dimensionless number of hydrolyzable nitrogen in the soil of the target area, x 1 、x 2 ……x 59 The number of points in the characteristic band of the near infrared spectrum of the soil in the target area. The method and the system of the invention are adopted to calculate and predict the hydrolyzable nitrogen of the soil, only sampling is needed to carry out near infrared spectrum data determination under a near infrared spectrometer, no chemical experiment is needed, no chemical reagent is needed, and the method and the system are environment-friendly, safe, convenient and quick, and are worthy of wide popularization and application.)

技术领域

本发明属于土壤检测技术领域，具体涉及一种基于近红外光谱的土壤水解性氮的计算方法、预测方法和预测系统。

背景技术

植烟土壤是烤烟生长的基础，土壤的理化性状对烤烟生长产生直接的影响，与烤烟的产量、质量及风格形成密切相关。

土壤水解性氮，亦称土壤有效氮，包括铵态氮、硝态氮和部分有机物中易分解的、比较简单的氨基酸氮、酰胺以及易水解蛋白质氮。土壤水解性氮是评价土壤属性的重要指标，也是土壤环境条件的重要影响因素。土壤水解性氮不仅影响土壤生物活性，而且与土壤养分的形成、转化、有效性及作物生长发育密切相关。传统的土壤水解性氮测定方法有酸水解法和碱水解法。酸水解法一般是用稀硫酸在一定温度下水解，然后用铁粉(或其他还原剂，如戴氏合金)将硝态氮还原成铵，再用氧化剂将水解的有机氮也氧化成铵，最后蒸馏定氮。碱水解法又分为碱解蒸馏法和碱解扩散法。碱解蒸馏法是用一定浓度的氢氧化钠和还原剂在蒸馏器中碱解和蒸馏定氮；碱解扩散法则是将土壤和氢氧化钠溶液及还原剂在扩散皿中于40℃下保温24h，同时进行水解、还原、扩散和吸收，最后用酸标准溶液滴定，计算水解性氮，亦称碱解氮。酸水解法对低有机质土壤的测定结果与作物的相关性不理想，同时上述两类现有的测定方法测定步骤较为复杂、测定时间较长、需要使用化学试剂，不适合大规模快速测定要求。

因此本领域亟需开发一种无需使用化学试剂、可快速高效准确地预测土壤尤其是土壤水解性氮的方法和系统。

发明内容

基于本领域现有技术的上述空白，本发明提供一种基于近红外光谱的土壤水解性氮预测方法和系统。

本发明的技术方案如下：

一种基于近红外光谱的土壤水解性氮的计算方法，其特征在于，采用下述公式I对目标区域的土壤的水解性氮的含量进行计算：

公式I：

Y＝10.3098x₁-42.4784x₂+51.0755x₃+28.0307x₄+70.2843x₅-45.5027x₆-23.7491x₇-24.4559x₈-24.5916x₉-24.3227x₁₀-23.856x₁₁-22.9758x₁₂-21.539x₁₃-20.2036x₁₄-19.494x₁₅-19.0637x₁₆-31.7123x₁₇-33.8618x₁₈+43.0176x₁₉-34.2903x₂₀-13.4066x₂₁+44.9829x₂₂+48.1193x₂₃+30.6831x₂₄+34.7542x₂₅+44.9715x₂₆+19.3005x₂₇-16.3375x₂₈-18.388x₂₉+25.3382x₃₀+22.8391x₃₁+20.861x₃₂-22.6667x₃₃+15.5656x₃₄+16.9775x₃₅+18.1029x₃₆+20.147x₃₇+20.4145x₃₈+24.8051x₃₉+27.0216x₄₀+32.6909x₄₁+33.4229x₄₂+32.475x₄₃+28.697x₄₄-16.3851x₄₅-42.8647x₄₆-32.062x₄₇-25.6364x₄₈-48.7665x₄₉-44.6191x₅₀+49.7776x₅₁-54.7819x₅₂-47.6881x₅₃+28.2085x₅₄+36.8441x₅₅+33.3235x₅₆+34.5734x₅₇+34.1352x₅₈+34.21x₅₉；

其中，Y为目标区域的土壤的水解性氮的无量纲数值，x₁、x₂……x₅₉为目标区域的土壤的近红外光谱的特征波段的点数。

所述近红外光谱的特征波段的点数指：

x₁代表4118.215cm^-1波段的点数；x₂代表4156.382cm^-1波段的点数；x₃代表4240.349cm^-1波段的点数；x₄代表4526.602cm^-1波段的点数；x₅代表4599.119cm^-1波段的点数；x₆代表4637.286cm^-1波段的点数；x₇代表4866.288cm^-1波段的点数；x₈代表4870.104cm^-1波段的点数；x₉代表4873.921cm^-1波段的点数；x₁₀代表4877.738cm^-1波段的点数；x₁₁代表4881.554cm^-1波段的点数；x₁₂代表4885.371cm^-1波段的点数；x₁₃代表4889.188cm^-1波段的点数；x₁₄代表4893.004cm^-1波段的点数；x₁₅代表4896.821cm^-1波段的点数；x₁₆代表4900.638cm^-1波段的点数；x₁₇代表5205.974cm^-1波段的点数；x₁₈代表5209.79cm^-1波段的点数；x₁₉代表5232.69cm^-1波段的点数；x₂₀代表5263.224cm^-1波段的点数；x₂₁代表5305.208cm^-1波段的点数；x₂₂代表5381.542cm^-1波段的点数；x₂₃代表5385.358cm^-1波段的点数；x₂₄代表5389.175cm^-1波段的点数；x₂₅代表5419.708cm^-1波段的点数；x₂₆代表5469.326cm^-1波段的点数；x₂₇代表5476.959cm^-1波段的点数；x₂₈代表5702.144cm^-1波段的点数；x₂₉代表5705.96cm^-1波段的点数；x₃₀代表5763.211cm^-1波段的点数；x₃₁代表5774.661cm^-1波段的点数；x₃₂代表5778.478cm^-1波段的点数；x₃₃代表5843.362cm^-1波段的点数；x₃₄代表5904.429cm^-1波段的点数；x₃₅代表5908.246cm^-1波段的点数；x₃₆代表5912.062cm^-1波段的点数；x₃₇代表5915.879cm^-1波段的点数；x₃₈代表5923.512cm^-1波段的点数；x₃₉代表5942.596cm^-1波段的点数；x₄₀代表5946.413cm^-1波段的点数；x₄₁代表5965.496cm^-1波段的点数；x₄₂代表5969.313cm^-1波段的点数；x₄₃代表5973.129cm^-1波段的点数；x₄₄代表6984.554cm^-1波段的点数；x₄₅代表7041.804cm^-1波段的点数；x₄₆代表7045.621cm^-1波段的点数；x₄₇代表7072.338cm^-1波段的点数；x₄₈代表7076.155cm^-1波段的点数；x₄₉代表7160.122cm^-1波段的点数；x₅₀代表7163.938cm^-1波段的点数；x₅₁代表7194.472cm^-1波段的点数；x₅₂代表7282.256cm^-1波段的点数；x₅₃代表7331.873cm^-1波段的点数；x₅₄代表8579.933cm^-1波段的点数；x₅₅代表8614.283cm^-1波段的点数；x₅₆代表8633.366cm^-1波段的点数；x₅₇代表8656.267cm^-1波段的点数；x₅₈代表8660.083cm^-1波段的点数；x₅₉代表8663.9cm^-1波段的点数。

所述近红外光谱的特征波段的点数为目标区域的土壤在近红外光谱仪下测定的数值。

所述土壤水解性氮的量纲为mg/kg。含义为：1kg土壤中含有多少mg水解性氮。

一种基于近红外光谱的土壤水解性氮的预测方法，其特征在于，包括：测定目标区域的土壤的近红外光谱数据，再将所述近红外光谱数据代入下述公式I计算出目标区域的土壤的水解性氮含量：

其中，Y为目标区域的土壤的水解性氮的无量纲数值，x₁、x₂……x₅₉为近红外光谱数据中特征波段的点数。

所述近红外光谱数据中特征波段的点数指：

所述近红外光谱数据为目标区域的土壤在近红外光谱仪下测定的数值。

所述土壤水解性氮的量纲为mg/kg。

一种基于近红外光谱的土壤水解性氮的预测系统，包括计算机可读存储介质；其特征在于，所述计算机可读存储介质存储有计算机程序；所述计算机程序被处理器运行时执行所述的一种基于近红外光谱的土壤水解性氮的计算方法。

所述的一种基于近红外光谱的土壤水解性氮的计算方法、或，所述的一种基于近红外光谱的土壤水解性氮的预测方法、或，所述的一种基于近红外光谱的土壤水解性氮的预测系统在检测、筛选土壤方面的用途。

本发明经过大量土壤的实地取样、测定，获取一定规模的土壤近红外光谱数据及其水解性氮的原始数据，形成数据样本库，并以土壤的红外光谱数据为自变量、以土壤的水解性氮为因变量，将大量数据进行拟合、反演等建模处理，最终从土壤的近红外光谱中筛选得到59个与土壤水解性氮的含量实质相关的特征波段，并最终获得近红外光谱59个波段点数与土壤水解性氮的关系表达式。基于所述关系表达式，本发明提供一种土壤的水解性氮含量的计算方法、预测方法及预测系统，仅仅需要将目标区域的土壤取样并测定其近红外光谱数据代入上述关系表达式即可计算出该目标区域土壤中水解性氮的含量。

本发明利用所述计算方法、预测方法和预测系统，对多个目标区域的土壤进行取样测定其近红外光谱数据，并分别对各目标区域土壤的水解性氮含量进行计算和预测获得预测值，再经过大量常规的水解性氮测定方法测定土壤中水解性氮的实际含量即实测值，发现预测值与实测值之间差异不显著，充分证明本发明的预测方法在预测土壤的水解性氮含量方面准确率极高。不仅如此，采用本发明的方法和系统对土壤的水解性氮进行计算和预测，仅仅只需取样在近红外光谱仪下进行近红外光谱数据测定，不再需要进行任何化学实验、无需使用任何化学试剂，环保安全、方便快捷，值得广泛推广应用。

具体实施方式

下面结合具体实施例对本发明的详细内容做进一步具体描述，但并不以此限制本发明的保护范围。

第1组实施例、本发明的土壤水解性氮的计算方法

本组实施例提供一种基于近红外光谱的土壤水解性氮的计算方法。本组实施例都具备如下共同特征：采用下述公式I对目标区域的土壤的水解性氮的含量进行计算：

公式I：

其中，Y为目标区域的土壤的水解性氮的无量纲数值，x₁、x₂、x₃、x₄、x₅、x₆、x₇、x₈、x₉、x₁₀、x₁₁、x₁₂、x₁₃、x₁₄、x₁₅、x₁₆、x₁₇、x₁₈、x₁₉、x₂₀、x₂₁、x₂₂、x₂₃、x₂₄、x₂₅、x₂₆、x₂₇、x₂₈、x₂₉、x₃₀、x₃₁、x₃₂、x₃₃、x₃₄、x₃₅、x₃₆、x₃₇、x₃₈、x₃₉、x₄₀、x₄₁、x₄₂、x₄₃、x₄₄、x₄₅、x₄₆、x₄₇、x₄₈、x₄₉、x₅₀、x₅₁、x₅₂、x₅₃、x₅₄、x₅₅、x₅₆、x₅₇、x₅₈、x₅₉为目标区域的土壤的近红外光谱的特征波段的点数。

在具体的实施例中，所述近红外光谱的特征波段的点数指：目标区域的土壤样品通过红外光谱仪测出的红外光谱中，特征波段下的光谱数值。具体如下：

在一些实施例中，所述近红外光谱的特征波段的点数为目标区域的土壤在近红外光谱仪下测定的数值。

在另一些实施例中，所述土壤水解性氮的量纲为mg/kg。

第2组实施例、本发明的土壤水解性氮的预测方法

本组实施例提供一种基于近红外光谱的土壤水解性氮的预测方法。本组实施例具备如下共同特征：所述一种基于近红外光谱的土壤水解性氮的预测方法包括：测定目标区域的土壤的近红外光谱数据，再将所述近红外光谱数据代入下述公式I计算出目标区域的土壤的水解性氮含量：

其中，Y为目标区域的土壤的水解性氮的无量纲数值，x₁、x₂……x₃₉为近红外光谱数据中特征波段的点数。

在一些实施例中，所述近红外光谱数据中特征波段的点数指：

在另一些实施例中，所述近红外光谱数据为目标区域的土壤在近红外光谱仪下测定的数值。

在具体的实施例中，所述土壤水解性氮的量纲为mg/kg。

在本发明所有的实施例中，所述土壤具体为植烟土壤。

第3组实施例、本发明的土壤水解性氮的预测系统

本组实施例提供一种基于近红外光谱的土壤水解性氮的预测系统。本组所有的实施例都具备如下共同特征：所述一种基于近红外光谱的土壤水解性氮的预测系统包括计算机可读存储介质；其特征在于，所述计算机可读存储介质存储有计算机程序；所述计算机程序被处理器运行时执行第1组实施例任一项所提供的一种基于近红外光谱的土壤水解性氮的计算方法。

实验例、本发明土壤水解性氮的预测方法的准确性验证

取不同地点不同区域的植烟土壤做为样品，进行编号；每个区域的土壤样品分为6组，其中3组采用近红外光谱仪测定它们的近红外光谱数据，并获取特征波段的点值，采用本发明的预测方法代入公式I中计算出土壤中的水解性氮含量，3组为3个重复，取平均值，获得水解性氮含量的预测值(如下表3的“水解性氮含量的预测值”一列所列数据)；

另外3组采用本领域常规测定土壤水解性氮含量的方法(标准方法，例如《土壤水解性氮的测定凯氏定氮仪法》DB64/T 1734-2020标准文件中记载的方法)进行土壤水解性氮含量测定，3组为3个重复，取平均值，获得水解性氮含量的实测值(如下表3的“水解性氮含量的参考值”一列所列数据)；

具体数值如下表3所示：

表3

将上表3中两列数据输入SPSS统计软件进行差异显著性分析，得出结果如下表4所示：

表4

由上表3可知，采用本发明的预测方法预测得到的土壤样品中的水解性氮含量的预测值与常规方法(碱水解法)实际测定的参考值，两组数据之间的相对偏差平均值在16.93％，根据本领域一般经验，相对偏差平均值在20％以下结果可信。

不仅如此，表4的差异性分析结果显示，P值大于0.05，说明两组数据之间差异不显著，进一步表明，本发明土壤水解性氮的预测方法预测计算得到的土壤水解性氮含量数值相比标准方法实际测定的参考值之间差异不显著，本发明的预测方法具有准确性。

13页详细技术资料下载

上一篇：一种医用注射器针头装配设备

下一篇：酒驾检测方法及系统

一种基于近红外光谱的土壤水解性氮的计算方法、预测方法和预测系统

相关技术

网友询问留言