探索土壤養(yǎng)分狀況快速、準(zhǔn)確的光譜診斷方法,農(nóng)業(yè)基礎(chǔ)科學(xué)論文通過定期監(jiān)測(cè)土壤養(yǎng)分狀況而合理調(diào)控施肥,是實(shí)現(xiàn)作物高產(chǎn)優(yōu)質(zhì)且環(huán)境友好的重要保證,但土壤養(yǎng)分含量的快速測(cè)定一直是農(nóng)業(yè)信息獲取領(lǐng)域的難題。最常用的土壤化學(xué)檢測(cè)手段測(cè)定經(jīng)過復(fù)雜且所需時(shí)間較長(zhǎng),效率較低。可見/近紅外光譜技術(shù)(VIS/NIRS)具有實(shí)時(shí)、快速、精到準(zhǔn)確、無損及易于實(shí)現(xiàn)原位分析等優(yōu)點(diǎn),已在農(nóng)業(yè)、煙草、食品、醫(yī)藥等行業(yè)中得到了廣泛的應(yīng)用。20世紀(jì)80年代,國(guó)外學(xué)者就利用VIS/NIRS技術(shù)對(duì)土壤水分、有機(jī)碳和總氮含量進(jìn)行了估測(cè)。近年來利用VIS/NIRS技術(shù)建立土壤有機(jī)質(zhì)、全氮、全磷和全鉀回歸估測(cè)模型的研究表示清楚,能夠?qū)崿F(xiàn)對(duì)土壤有機(jī)質(zhì)、全氮、全磷和全鉀的快速估測(cè)。土壤有效氮、磷、鉀含量的快速監(jiān)測(cè),對(duì)優(yōu)化施肥措施有直接的指導(dǎo)意義。Confalonieri等利用VIS/NIRS技術(shù)估測(cè)不同土壤中可交換鉀和速效磷含量,但其結(jié)果表示清楚土壤可交換鉀和速效磷含量的估測(cè)效果不理想。李偉等采用偏最小二乘(PLS)和人工神經(jīng)網(wǎng)絡(luò)法分別建立土壤堿解氮、速效磷和速效鉀的估測(cè)模型,結(jié)果表示清楚用NIRS技術(shù)估測(cè)土壤堿解氮含量是可行的,而速效磷、速效鉀估測(cè)的可行性還需進(jìn)一步研究。農(nóng)田土壤有效氮、磷、鉀含量隨作物生育期而時(shí)空變異明顯。當(dāng)待測(cè)養(yǎng)分含量差異顯著,且與光譜數(shù)據(jù)呈非線性關(guān)系時(shí),基于線性模型很難獲得理想的估測(cè)效果。人工神經(jīng)網(wǎng)絡(luò)方式方法對(duì)非線性函數(shù)可任意逼近,但是神經(jīng)網(wǎng)絡(luò)泛化能力較弱,存在過擬合問題。局部回歸方式方法能夠較好地處理這種非線性關(guān)系,即根據(jù)類似性判據(jù)選取定標(biāo)集與估測(cè)集性質(zhì)相近的部分樣品作為定標(biāo)子集建模,進(jìn)而解決由于樣品濃度范圍過大或樣品間差異過大等原因引起的非線性響應(yīng)。研究從光譜預(yù)處理、波段選擇、回歸方式方法等各個(gè)建模環(huán)節(jié),研究用于分析不同生育期、不同施氮水平下植煙土壤有效氮、磷、鉀含量的可見/近紅外光譜建模方式方法,探尋求索土壤養(yǎng)分狀況快速、準(zhǔn)確的診斷方式方法。1、實(shí)驗(yàn)部分1.1土壤光譜采集和化學(xué)分析田間實(shí)驗(yàn)在云南省玉溪煙草科技示范園趙桅基地進(jìn)行。土壤類型為水稻土,設(shè)計(jì)6個(gè)施氮水平處理,獲取了煙草各生育期共計(jì)144個(gè)土樣。土樣自然風(fēng)干,去雜研磨后過0.25mm孔徑篩,充分混勻后等分為兩份。分別用于土壤化學(xué)分析和土壤光譜采集。采用FieldSpec3便攜式分光輻射光譜儀(ASD)測(cè)量土壤光譜。該儀器的波長(zhǎng)范圍為350~2500nm,波長(zhǎng)采樣間隔為1.4nm(350~1050nm)和2nm(1050~2500nm)。將土樣裝入小培養(yǎng)皿,壓實(shí)土壤并使之與培養(yǎng)皿邊緣持平,用高強(qiáng)度接觸式探頭直接接觸土壤測(cè)定光譜反射率。每個(gè)土樣重復(fù)測(cè)定3次,每次采集2條光譜。使用ViewSpecPro5.7.2軟件進(jìn)行有效性檢查,取平均值后將數(shù)據(jù)導(dǎo)出。土壤有效氮、磷、鉀的檢測(cè)方式方法分別為堿解擴(kuò)散法、GB12297-1990(中國(guó)國(guó)家標(biāo)準(zhǔn),石灰性土壤有效磷測(cè)定法)、NY/T889-2004(中國(guó)農(nóng)業(yè)部農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn),土壤速效鉀和緩效鉀含量測(cè)定法)。1.2土壤光譜建模方式方法利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱提供的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)、訓(xùn)練以及仿真的函數(shù)實(shí)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)建模(表1)。全局BP神經(jīng)網(wǎng)絡(luò)回歸建模以預(yù)處理和優(yōu)選波段后的定標(biāo)集(120╳400)作為輸入層。局部BP神經(jīng)網(wǎng)絡(luò)回歸建模采用交互檢驗(yàn)法確定局部建模的定標(biāo)子集,即采用PLS法提取前兩個(gè)主成分(累積奉獻(xiàn)率N:98.6%,P:97.2%,K:96.4%)構(gòu)建主成分特征空間;計(jì)算每個(gè)樣品與其余樣品在主成分空間的歐氏距離(ED),根據(jù)ED將所有樣品劃分為4組;每組限定ED值為5~40間距為5的8個(gè)值,選取8個(gè)局部建模的定標(biāo)子集,以定標(biāo)子集作為BP神經(jīng)網(wǎng)絡(luò)輸入層,建立局部模型估測(cè)樣品,累積估測(cè)標(biāo)準(zhǔn)差最小的ED值即為各組優(yōu)選局部定標(biāo)子集的ED值(表2)。根據(jù)主成分空間的ED值判定每個(gè)估測(cè)樣品所屬組分,利用各組選取局部定標(biāo)子集的ED值選取每個(gè)估測(cè)樣品的建模子集,依次建立局部BP神經(jīng)網(wǎng)絡(luò)回歸模型。建立回歸模型之前,采用一階導(dǎo)數(shù)(FD)、二階導(dǎo)數(shù)(SD)、多元散射校正(MSC)和Savitzky-Golay(SG)平滑四種預(yù)處理方式方法單獨(dú)或組合對(duì)土壤光譜進(jìn)行預(yù)處理;分析可見光、近紅外和可見-近紅外波段與各個(gè)測(cè)定指標(biāo)之間的相關(guān)性,通過相關(guān)分析找出各個(gè)測(cè)定指標(biāo)的特征波段;選出最優(yōu)的光譜預(yù)處理方式方法和特征波段。利用Kennard-Stone法劃分定標(biāo)集(120個(gè))和估測(cè)集(24個(gè))。2、結(jié)果與討論2.1土壤有效氮、磷、鉀含量的化學(xué)分析結(jié)果采集的土樣化學(xué)分析結(jié)果表示清楚,土壤有效氮、磷、鉀含量的變幅較大(表3)。2.2土壤反射光譜及其預(yù)處理采集的土樣原始光譜反射率見圖1(a)。采用MSC能夠有效地消除基線漂移[圖1(b)],采用FD不僅能有效消除基線漂移,還強(qiáng)化了原始光譜中的吸收峰[圖1(c)],SG平滑能有效地提高光譜的信噪比[圖1(d)]。比擬單一預(yù)處理及其組合的BP神經(jīng)網(wǎng)絡(luò)建模估測(cè)精度,單一預(yù)處理建模精度以FD最佳;兩種預(yù)處理方式方法組合建模精度以MSC加FD最優(yōu);三種預(yù)處理方式方法組合的建模精度均較好。通過綜合比擬,選擇MSC加FD對(duì)土樣光譜數(shù)據(jù)進(jìn)行預(yù)處理。2.3特征波段的選擇在可見光、近紅外和可見-近紅外波段范圍建立土壤有效氮、磷、鉀的全局BP神經(jīng)網(wǎng)絡(luò)模型(表4),比擬估測(cè)精度,以使用可見-近紅外波段范圍光譜反射率建模效果最好。在可見-近紅外波段統(tǒng)計(jì)分析經(jīng)過MSC加FD預(yù)處理的光譜與各個(gè)測(cè)定指標(biāo)之間的相關(guān)性,逐波段相關(guān)分析找出各個(gè)測(cè)定指標(biāo)的特征波段。2.4全局和局部BP神經(jīng)網(wǎng)絡(luò)回歸建模比擬全局和局部BP神經(jīng)網(wǎng)絡(luò)回歸建模結(jié)果(圖2)可知,局部BP神經(jīng)網(wǎng)絡(luò)回歸模型的估測(cè)效果優(yōu)于全局BP神經(jīng)網(wǎng)絡(luò)回歸模型。局部BP神經(jīng)網(wǎng)絡(luò)回歸模型對(duì)土壤有效氮、磷、鉀含量的估測(cè)相關(guān)系數(shù)r分別為0.90,0.82和0.94,估測(cè)標(biāo)準(zhǔn)差RMSEP分別為5.7,29.4和78.1mgkg-1,與全局BP神經(jīng)網(wǎng)絡(luò)回歸模型相比,估測(cè)精度提高幅度分別為40.63%,28.64%,22.90%。3、結(jié)論采用全局和局部BP神經(jīng)網(wǎng)絡(luò)法,建立了土壤有效氮、磷、鉀含量的快速估測(cè)模型,將BP神經(jīng)網(wǎng)絡(luò)法結(jié)合局部回歸建模應(yīng)用于土壤光譜定量分析。結(jié)果表示清楚,局部建模比全局建模的估測(cè)效果更佳,對(duì)于土壤養(yǎng)分含量差異較大的土樣,對(duì)每個(gè)估測(cè)樣品建立專一定量估測(cè)模型可有效提高估測(cè)精度。局部回歸建模方式方法中采用主成分空間的歐氏距離作為類似性判據(jù),采用穿插檢驗(yàn)法確定選取定標(biāo)子集的最優(yōu)歐式距離。根據(jù)穿插檢驗(yàn)法及主成分空間的歐氏距離所選擇的定標(biāo)子集能夠很好地反映估測(cè)集樣品和定標(biāo)集樣品之間的類似性,減少了樣品間差異性對(duì)建模的影響,使局部建模估測(cè)結(jié)果比全局建模