【技术实现步骤摘要】
本专利技术涉及土壤养分检测，更具体的说是涉及一种土壤主要养分含量估测方法、系统及设备。
技术介绍
1、在农业和环境科学中，土壤养分的含量对植物生长和土壤健康至关重要。随着对可持续农业和环境保护的关注不断增强，科学界越来越重视对土壤主要养分(如氮、磷、钾等)的定量估测，其含量直接影响作物的产量和质量。然而，传统的土壤养分测定方法，如化学分析法，虽然准确度高，但操作复杂、耗时较长且成本较高，难以满足大规模、快速、实时的土壤养分监测需求。
2、近年来，光谱技术，特别是多光谱和高光谱技术，因其非侵入性和快速获取数据的能力而广泛应用于土壤分析中。然而，现有的多光谱研究主要集中在土壤含盐量、含水量和重金属的估测模型上，而针对土壤主要养分含量的研究相对缺乏，难以满足大规模、快速、实时的土壤养分监测需求。
3、因此，如何提供一种能够解决上述问题的土壤主要养分含量估测方法、系统及设备，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种土壤主要养分含量估测方法、系统及设备，利用多光谱技术建立土壤养分含量的定量估测模型，实现对土壤氮、磷、钾等主要养分含量的快速、准确估测。
2、为了实现上述目的，本专利技术提供如下技术方案：
3、一种土壤主要养分含量估测方法，包括以下步骤：
4、采集目标区域的光谱影像数据，并对所述光谱影像数据进行预处理；
5、采集目标区域的土样数据，并对所述光谱影像数据进行预处理；p>
6、确定目标区域土壤主要养分含量，并将预处理后的光谱影像数据和土样数据与所述土壤主要养分含量进行相关性分析，筛选土壤养分含量的特征波段；
7、基于筛选出的特征波段，构建土壤养分含量的多元线性回归模型；
8、利用多元线性回归模型对待测区域的土壤养分含量进行估测，并利用估测结果制作土壤养分含量分布图。
9、优选地，所述采集目标区域的光谱影像数据，并对所述光谱影像数据进行预处理，包括：
10、使用无人机对目标区域进行光谱影像数据采集；
11、对所述光谱影像数据进行辐射率转换、反射率转换、几何校正、大气校正、镶嵌和裁剪处理。
12、优选地，所述采集目标区域的土样数据，并对所述光谱影像数据进行预处理，包括：
13、使用地面光谱仪对目标区域进行土样数据采集；
14、对所述光谱影像数据进行白板校正、光谱反射曲线优化处理。
15、优选地，确定目标区域土壤主要养分含量，并将预处理后的光谱影像数据和土样数据与所述土壤主要养分含量进行相关性分析，筛选土壤养分含量的特征波段，包括：
16、确定目标区域土壤主要养分含量，所述土壤主要养分含量包括：氮、磷以及钾；
17、提取预处理后的光谱影像数据中的各个波段数据；
18、将各个波段数据与土壤主要养分含量进行整合，形成波段数据集；
19、使用皮尔逊相关系数计算各波段与土壤养分含量之间的相关性；
20、根据相关性与预设的相关系数阈值进行比较，将相关系数阈值的绝对值大于相关性的波段作为土壤养分含量的特征波段。
21、优选地，使用envi软件或arcgis软件提取预处理后的光谱影像数据中的各个波段数据。
22、优选地，所述使用皮尔逊相关系数计算各波段与土壤养分含量之间的相关性，包括
23、计算皮尔逊相关系数，得到各波段与土壤养分含量之间的相关程度，表达式为：
24、
25、式中，xi表示某一波段数据的第i个观测值；yi表示某一波段数据对应土壤主要养分含量的第i个观测值，和分别是观测值的均值，n表示观测值的数量。
26、优选地，基于筛选出的特征波段，构建土壤养分含量的多元线性回归模型，包括；
27、将筛选出的特征波段作为自变量，其中，每个特征波段对应一个自变量；
28、将土壤养分含量作为因变量；
29、构建土壤养分含量的多元线性回归模型为：
30、y＝β0+β1x1+β2x2+…+βnxn+∈；
31、式中，y表示土壤养分含量，x1,x2,…,xn表示筛选出的特征波段的光谱反射率，β0,β1,…,βn表示多元线性回归模型参数，∈表示随机误差项。
32、优选地，还包括：对多元线性回归模型进行验证，根据验证结果，对模型进行优化和调整，得到优化后的多元线性回归模型。
33、一种土壤主要养分含量估测系统，包括：
34、数据采集模块：采集目标区域的光谱影像数据以及土样数据；
35、数据处理模块：对光谱影像数据以及土样数据进行预处理；
36、数据筛选模块：确定目标区域土壤主要养分含量，并将预处理后的光谱影像数据和土样数据与所述土壤主要养分含量进行相关性分析，筛选土壤养分含量的特征波段；
37、构建模块：基于筛选出的特征波段，构建土壤养分含量的多元线性回归模型；
38、估测输出模块：利用多元线性回归模型对待测区域的土壤养分含量进行估测，并利用估测结果制作土壤养分含量分布图。
39、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述土壤主要养分含量估测方法。
40、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种土壤主要养分含量估测方法、系统及设备，建立的多元线性回归模型为土壤养分含量是多个特征波段光谱反射率的线性组合加上一个常数项和随机误差项。通过求解多元线性回归模型的参数，可以建立特征波段与土壤养分含量之间的定量关系，从而实现土壤养分含量的快速估测。
本文档来自技高网...【技术保护点】
1.一种土壤主要养分含量估测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，所述采集目标区域的光谱影像数据，并对所述光谱影像数据进行预处理，包括：
3.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，所述采集目标区域的土样数据，并对所述光谱影像数据进行预处理，包括：
4.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，确定目标区域土壤主要养分含量，并将预处理后的光谱影像数据和土样数据与所述土壤主要养分含量进行相关性分析，筛选土壤养分含量的特征波段，包括：
5.根据权利要求4所述的一种土壤主要养分含量估测方法，其特征在于，使用ENVI软件或ArcGIS软件提取预处理后的光谱影像数据中的各个波段数据。
6.根据权利要求4所述的一种土壤主要养分含量估测方法，其特征在于，所述使用皮尔逊相关系数计算各波段与土壤养分含量之间的相关性，包括
7.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，基于筛选出的特征波段，构建土壤养分含量
8.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，还包括：对多元线性回归模型进行验证，根据验证结果，对模型进行优化和调整，得到优化后的多元线性回归模型。
9.一种利用权利要求1至8任一项所述的土壤主要养分含量估测方法的土壤主要养分含量估测系统，其特征在于，包括：
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一所述的土壤主要养分含量估测方法。
...【技术特征摘要】
1.一种土壤主要养分含量估测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，所述采集目标区域的光谱影像数据，并对所述光谱影像数据进行预处理，包括：
3.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，所述采集目标区域的土样数据，并对所述光谱影像数据进行预处理，包括：
4.根据权利要求1所述的一种土壤主要养分含量估测方法，其特征在于，确定目标区域土壤主要养分含量，并将预处理后的光谱影像数据和土样数据与所述土壤主要养分含量进行相关性分析，筛选土壤养分含量的特征波段，包括：
5.根据权利要求4所述的一种土壤主要养分含量估测方法，其特征在于，使用envi软件或arcgis软件提取预处理后的光谱影像数据中的各个波段数据。
6.根据权利要求...
【专利技术属性】
技术研发人员：王建雄，魏宾，叶远辉，徐国龙，简操锐，杨丽菊，施丽珠，
申请(专利权)人：新坐标科技有限公司，
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。