隨著經濟和科技的發(fā)展,傳統(tǒng)的粗放式農業(yè)已無法滿足現代人對于環(huán)境、資源、健康以及經濟效益等的綜合需求。精準農業(yè)模式應運而生,成為現代農業(yè)發(fā)展中的一個重要方向。精準農業(yè)中需要針對田間每一操作單元的不同土壤與作物條件,調整各項農業(yè)物資投入以獲得最大經濟效益和生態(tài)效益。土壤作為農業(yè)生產的基礎,為作物生長提供必要的營養(yǎng)和環(huán)境條件,對其肥力的快速定量檢測是實現精準農業(yè)的前提。傳統(tǒng)化學方法測試需要將土樣采回至實驗室進行分析,雖然測試精度高,但需要大量人力成本與測試時間,時效性低,無法滿足快速獲取測試結果的需求。近年來飛速發(fā)展的土壤可見-近紅外（Vis-NIR）光譜技術克服了傳統(tǒng)方法成本高、周期長的缺點,在農業(yè)生產中獲得廣泛應用。本研究以河南省許昌市試驗田為樣區(qū),在樣區(qū)內采集240個土壤樣品分別進行光譜測量和化學分析,探究不同光譜預處理方法與建模方法對土壤有機質（Soil organic matter,SOM）、全氮（Total nitrogen,TN）以及p H預測的適用性以及去除野外原位光譜中水分影響的方法。在此研究基礎上,以平板電腦、Ocean Optics USB2000+VIS-NIR-ES... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：99 頁

【學位級別】：碩士

【部分圖文】：

可見近紅外光譜波長范圍Fig.1-1WavelengthrangeofVis-NIRspectra

浙江大學碩士學位論文第二章實驗數據與方法介紹14第二章實驗數據與方法介紹2.1土壤樣本采集與化學測試河南省許昌市地區(qū)地處黃淮沖積平原，屬于北暖溫帶季風氣候區(qū)，獨特的地形與氣候條件，使其成為一個農業(yè)大市，小麥和玉米是兩大主要糧食作物。許昌市耕地總面積337.89千公頃，其中水澆地面積250.23千公頃。憑借良好的農業(yè)生產條件和當地政府的大力推進，許昌市在農業(yè)機械化上發(fā)展迅速，目前擁有河南省最完整的農機產業(yè)鏈，農機研發(fā)、生產、銷售及社會化服務基礎較好，更是于2017年與中國農業(yè)機械化科學研究院簽訂了戰(zhàn)略合作框架，成為現代農業(yè)信息技術的一個示范基地。行進式土壤屬性快速預測設備和田間信息管理系統(tǒng)的研發(fā)，需要良好的農業(yè)基礎和信息化基礎，因此本研究將試驗田選擇在許昌市。土壤樣本均采集許昌市建安區(qū)試驗田內，該試驗田經緯度范圍及周邊環(huán)境如圖2-1所示。該地土壤類型為潮土，質地變化較多，呈中性至弱堿性，試驗田的種植模式為冬小麥夏玉米輪作模式，南北向種植，種植間距60cm左右。圖2-1研究區(qū)位置概況Fig.2-1Locationofthestudyarea土壤采樣點采用網格布點法，在研究區(qū)內設置20m網格，每個網格中心設為一個采樣點。采樣過程中，用取樣器獲取0~20cm土層，分別在0、5、10、15、20cm處取等量土樣，除去碎石、根系等雜物后混合均勻并裝袋密封作為一

浙江大學碩士學位論文第二章實驗數據與方法介紹15份樣本，本次共采集土壤樣本240份，樣點實際田間分布情況如圖2-2所示。土樣運輸至實驗室后，需經過風干、研磨及過篩（2mm孔徑）等處理，之后采用四分法將每份樣品一分為二，一份用于化學分析法測定土壤理化值，另一份則用于室內光譜測試。圖2-2樣點分布圖Fig.2-2Soilsamplingsites土壤理化值的測試項目為SOM、TN以及pH值，測試方法均采用常規(guī)化學分析方法：土壤有機質含量測定采用外加熱-重鉻酸鉀容量法；土壤全氮含量測定采用凱氏定氮法；土壤pH值測定采用5.0:1.0水土比電極測定法（鮑士旦，2000）。測定結果統(tǒng)計數據如表2-1所示。表2-1土壤化學分析結果統(tǒng)計Table2-1Statisticsofsoilchemicalanalysisresults土壤理化值最小值最大值平均值標準差SOM（g·kg-1）9.1025.8018.192.87TN（g·kg-1）0.822.331.340.17pH7.118.637.770.342.2土壤可見-近紅外光譜測量2.2.1光譜儀簡介本研究采用美國ASD公司產品FieldSpecProFR型可見-近紅外光譜儀配以

【參考文獻】：
期刊論文
[1]基于可見-近紅外光譜預處理建模的土壤速效氮含量預測[J]. 方向,金秀,朱娟娟,李紹穩(wěn).  浙江農業(yè)學報. 2019(09)
[2]化肥農藥減量與農用地土壤污染治理研究[J]. 叢曉男,單菁菁.  江淮論壇. 2019(02)
[3]基于高光譜遙感技術對土壤氮磷鉀的估算[J]. 喬璐,陳立新,董誠明.  森林工程. 2018(06)
[4]基于CWT的黑土有機質含量野外高光譜反演模型[J]. 林鵬達,佟志軍,張繼權,趙云升,李向前,朱曉萌.  水土保持研究. 2018(02)
[5]基于田間原位土壤含水量估測的可見/近紅外光譜建模方法[J]. 劉廣霖,郭焱,勞彩蓮,徐興陽,秦春麗.  中國農業(yè)大學學報. 2016(08)
[6]土壤有機質含量田間實時測定方法[J]. 何東健,陳煦.  農業(yè)機械學報. 2015(01)
[7]光譜多元分析校正集和驗證集樣本分布優(yōu)選方法研究[J]. 劉偉,趙眾,袁洪福,宋春風,李效玉.  光譜學與光譜分析. 2014(04)
[8]基于可見–近紅外光譜的水稻土全磷反演研究[J]. 周鼎浩,薛利紅,李穎,楊林章.  土壤. 2014(01)
[9]基于變量選擇的偏最小二乘回歸法和田間行走式近紅外光譜進行土壤碳含量測定研究[J]. 沈掌泉,盧必慧,單英杰,許紅衛(wèi).  光譜學與光譜分析. 2013(07)
[10]土壤成分與特性參數光譜快速檢測方法及傳感技術[J]. 李民贊,鄭立華,安曉飛,孫紅.  農業(yè)機械學報. 2013(03)

博士論文
[1]基于光譜分析技術的土壤養(yǎng)分檢測方法與儀器研究[D]. 賈生堯.浙江大學 2015
[2]基于野外vis-NIR高光譜的土壤屬性預測及田間水分影響去除研究[D]. 紀文君.浙江大學 2014
[3]基于可見近紅外光譜檢測土壤養(yǎng)分及儀器開發(fā)[D]. 劉雪梅.東華大學 2014

碩士論文
[1]臍橙果園土壤養(yǎng)分可見/近紅外光譜快速檢測及可視化表達[D]. 姜小剛.華東交通大學 2016
[2]基于可見近紅外光譜的土壤有機質快速檢測方法和儀器研究[D]. 祝旻.浙江工業(yè)大學 2015
[3]土壤可見—近紅外光譜響應測量分析系統(tǒng)的試驗與研究[D]. 楊凌.山西農業(yè)大學 2004



本文編號：3534757