【技术实现步骤摘要】
本专利技术涉及土壤有机质含量估测，尤其涉及一种土壤有机质含量的估测方法。
技术介绍
1、土壤有机质在土壤健康和植物生长中起着重要作用。有机质能够改善土壤的结构，增加土壤的通气性和保水能力。它可以形成稳定的土壤团结体，提供良好的根系生长环境，并减少土壤侵蚀和水分流失。有机质是土壤中重要的养分库，其中包含植物所需的氮、磷、钾等营养元素。有机质的降解释放出养分，并提供植物生长所需的微量元素。有机质的含水量较高，能够吸附和保持水分，有助于提高土壤的保水能力。这对于干旱地区的植物生长尤为重要。有机质为土壤中的微生物提供了能量和营养物质，促进了微生物的生长和活动。微生物对有机质的降解和转化作用，有助于维持土壤的生态平衡和营养循环。有机质可以缓冲土壤酸碱度的变化，保持适宜的土壤ph值。这对于许多植物的生长和养分吸收至关重要。总而言之，土壤有机质的存在对土壤质量、植物生长和生态系统的健康具有重要影响。因此，保护和增加土壤有机质含量是可持续农业和土地管理的关键。
2、目前，土壤有机质的评估依赖于传统的实地数据采集方法，可以提供准确的土壤有机质含量数据，并且适用于对土壤进行定量和质量评估，但是这些方法相对费时费力。相对来说，利用可见-近红外反射高光谱技术，通过遥感卫星或地面传感器获取土壤有机质含量等信息具有快速、成本较低等特点。在实际应用中，通过采集大量土壤样本并对其进行高光谱分析，可以建立土壤反射光谱与有机质含量等土壤属性之间的关系模型。通过这个模型，可以对反射光谱进行解析，并推断土壤有机质含量等相关的土壤属性。可见-近红外反射高光谱
3、土壤水分对土壤有机质光谱监测的精度具有一定的影响。土壤水分含量的变化可以影响土壤颗粒表面的反射特性和光传输过程，进而影响土壤样品的光谱特征。因此，当进行土壤有机质光谱监测时，需要考虑土壤水分对光谱信号的干扰。土壤水分的变化会引起光的吸收和散射的变化，从而影响土壤样品在可见-近红外光谱范围内的反射光谱。水分的增加会导致土壤颗粒表面的反射能力增强，光的吸收增加，光谱曲线会向红外方向移动。反之，水分的减少则会导致反射能力减弱，光的吸收减少，光谱曲线会向可见光方向移动。这样的变化可能掩盖了土壤有机质所带来的特征，降低了光谱监测的精度和准确性。为了减少土壤水分对土壤有机质光谱监测的影响，常用的方法是进行水分校正。例如利用外部参数正交化算法（epo）去除水分的影响，提高有机质预测精度；或者利用采用奇异值分解（svd）对土壤含水量分组并对有机质进行预测等方法。但这些方法多是利用全谱段的光谱数据对有机质含量进行预测，存在信息冗余的问题。因此，亟待一种能够提取土壤光谱特征光谱，减小土壤光谱建模输入量，提高建模效率的土壤有机质快速、高精度反演方法。
技术实现思路
1、本专利技术为解决上述问题，提供一种土壤有机质含量的估测方法。
2、本专利技术目的在于提供一种土壤有机质含量的估测方法，包括如下步骤：
3、s1.采集土壤样本，通过对所述土壤样本进行光谱测量，获得所述土壤样本的500～2400nm波段光谱的反射率光谱数据；
4、s2.对所述反射率光谱数据进行两两组合，组合后计算土壤比值指数、土壤差值指数和土壤归一化指数，得到土壤有机质的二波段混合光谱；
5、s3.在所述二波段混合光谱中选择相关系数绝对值大于0.85的二波段光谱指数，组成二波段光谱指数矩阵；
6、s4.利用外部参数正交化算法，将所述二波段光谱指数矩阵作为所述外部参数正交化算法的输入进行处理；
7、s5.处理过的光谱指数矩阵进行偏最小二乘预测，构建出偏最小二乘回归估算模型，得到土壤有机质含量的估测结果。
8、优选的，步骤s1具体包括如下步骤：
9、s11.采集土壤样本，进行烘干或自然风干处理，研磨，分成若干份，其中一份作为干土样本，再将其他样本分别加入不同量的水，得到不同水分梯度的湿土样本；
10、s12.对asd光谱仪进行预热和白板标定处理；
11、s13.使用所述asd光谱仪对所述干土样本及所述湿土样本进行光谱测量，将测量得到的多条光谱曲线的算术平均值作为所述反射率光谱数据，并对所述反射率光谱数据进行savitzky-golay平滑预处理。
12、优选的，在进行所述savitzky-golay平滑预处理前，利用viewspec pro光谱处理软件查看各样本光谱并剔除异常光谱曲线。
13、优选的，光谱测量的条件如下：光谱范围为350~2500nm，入射角度为45°，光源距离样本18~22cm。
14、优选的，水分梯度为六个，含水量分别为12%、14%、16%、18%、20%、22%。
15、优选的，土壤比值指数的计算公式如下：
16、；
17、所述土壤差值指数的计算公式如下：
18、；
19、所述土壤归一化指数的计算公式如下：
20、；
21、式中，、表示任意两个波长的反射率值，λ1-λ2≠0；和的取值范围为500~2400nm。
22、优选的，步骤s4中的外部参数正交化算法具体包括如下步骤：
23、s401.将所述干土样本表示为n×m，计算所述干土样本的平均光谱1×m；
24、s402.将所述湿土样本表示为n×m，计算出不同水分梯度的样本平均光谱h×m；
25、s403.计算所述干土样本和所述湿土样本的差值矩阵dh×m；
26、s404.计算dh×mtdh×m，对dh×mtdh×m做主成分分析，得到矩阵vm×m；
27、s404.定义所述外部参数正交化算法的维度为g，计算所述矩阵vm×m的一个子集vsm×g；
28、s404.根据公式q=vsm×gvsm×gt，计算受土壤含水量影响产生的无用信息投影矩阵q；
29、s405.计算对土壤有机质有用信息的投影矩阵p，计算公式为：p=i-q；式中，i为一个单位矩阵。
30、优选的，湿土样本的二波段光谱指数矩阵的计算公式如下：
31、x=xp+xq；
32、式中，x表示所述湿土样本的二波段光谱指数矩阵，p为在x中对土壤有机质有用信息的投影矩阵，q为受土壤含水量影响产生的无用信息的投影矩阵。
33、优选的，偏最小二乘回归估算模型中需要的优化参数包括：外部参数正交化算法的维度g和偏最小二乘回归最佳因子数k；所述偏最小二乘回归估算模型的评价指标包括：决定系数r2和均方根误差rmse。
<本文档来自技高网...【技术保护点】
1.一种土壤有机质含量的估测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种土壤有机质含量的估测方法，其特征在于，所述步骤S1具体包括如下步骤：
3.根据权利要求2所述的一种土壤有机质含量的估测方法，其特征在于：在进行所述Savitzky-Golay平滑预处理前，利用ViewSpec Pro光谱处理软件查看各样本光谱并剔除异常光谱曲线。
4.根据权利要求3所述的一种土壤有机质含量的估测方法，其特征在于：所述光谱测量的条件如下：光谱范围为350~2500nm，入射角度为45°，光源距离样本18~22cm。
5.根据权利要求4所述的一种土壤有机质含量的估测方法，其特征在于：所述水分梯度为六个，含水量分别为12%、14%、16%、18%、20%、22%。
6.根据权利要求5所述的一种土壤有机质含量的估测方法，其特征在于：所述土壤比值指数的计算公式如下：
7.根据权利要求1-6任意一项所述的一种土壤有机质含量的估测方法，其特征在于，所述步骤S4中的外部参数正交化算法具体包括如下步骤：
8.根
9.根据权利要求8所述的一种土壤有机质含量的估测方法，其特征在于：所述偏最小二乘回归估算模型中需要的优化参数包括：外部参数正交化算法的维度g和偏最小二乘回归最佳因子数k；所述偏最小二乘回归估算模型的评价指标包括：决定系数R2和均方根误差RMSE。
10.根据权利要求9所述的一种土壤有机质含量的估测方法，其特征在于：所述外部参数正交化算法的维度g和所述偏最小二乘回归最佳因子数k的最佳组合采用留一交互验证法；误差和根据公式计算得到；
...【技术特征摘要】
1.一种土壤有机质含量的估测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种土壤有机质含量的估测方法，其特征在于，所述步骤s1具体包括如下步骤：
3.根据权利要求2所述的一种土壤有机质含量的估测方法，其特征在于：在进行所述savitzky-golay平滑预处理前，利用viewspec pro光谱处理软件查看各样本光谱并剔除异常光谱曲线。
4.根据权利要求3所述的一种土壤有机质含量的估测方法，其特征在于：所述光谱测量的条件如下：光谱范围为350~2500nm，入射角度为45°，光源距离样本18~22cm。
5.根据权利要求4所述的一种土壤有机质含量的估测方法，其特征在于：所述水分梯度为六个，含水量分别为12%、14%、16%、18%、20%、22%。
6.根据权利要求5所述的一种土壤有机质含量的估测...
【专利技术属性】
技术研发人员：颜昌翔，徐嘉蔚，袁静，刘雨腾，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。