土壤質量是農業(yè)生產中保證農作物產量及品質的重要決定因素,總氮和有機質是評價土壤品質的兩大重要成分指標,在農作物生長、發(fā)育、收獲的過程中起著不可或缺的作用,快速獲取土壤總氮含量及有機質含量,對于科學精準施肥,加快智慧農業(yè)發(fā)展進程具有重要意義。近紅外光譜成分分析技術具有快速無損分析的優(yōu)點,有望應用于大規(guī)模,大面積土壤成分檢測。根據分光原理的不同,近紅外光譜分析儀器可分色散型光譜儀、濾光片型光譜儀及干涉型近紅外光譜儀等三類。目前,國內外尚未有可供使用的土壤有機質及全氮含量近紅外光譜分析模型數據庫,主要原因有兩點:一是土壤樣本數量較少,尚未實現覆蓋較大區(qū)域的土壤有機質及全氮的近紅外光譜采集;二是現有近紅外光譜分析模型只能用于同型號甚至同臺儀器,無法遷移通用,這也使得近紅外光譜分析應用面臨成本高、重復建模等問題。本論文針對以上問題,對土壤中有機質和全氮近紅外光譜定量分析模型進行了系統深入研究。基于兩臺不同原理、不同結構的光譜儀,本文研究了不同種光譜進行模型遷移的可能性和遷移效果,論文主要內容如下:(1)對小型光柵型近紅外光纖光譜儀和傅里葉變換近紅外光譜儀的光譜分析模型進行了比較和差異成因分析。分別...

【文章頁數】：66 頁

【學位級別】：碩士

【部分圖文】：

圖１．１自１９９６年以來關于近紅外光譜分析的研宄成果（圖示結果來源于Ｗｅｂ??ｏｆ?Ｓｃｉｅｎｃｅ）??１．２．１近紅外光譜分析技術在農業(yè)方面的研究現狀??國外利用近紅外光譜技術在農業(yè)領域的研究開展的較早，在上世紀６０年代??

山東大學碩士學位論文??隨著大數據技術的飛速發(fā)展，共享數據將是必然趨勢，不同研宄機構使用的光??譜儀的種類和相關參數不可能完全一致，導致這些光譜儀獲取的光譜信息存在差??異。因此，要搭建滿足需求的土壤成分光譜數據庫，必須實現光譜相互轉換的轉??換（遷移）模型。??１．２國內外研究....

圖１．２近年來近紅外光譜分析技術在農業(yè)方面的研宄成果（數據來源于Ｗｅｂ??Ｏｆ?Ｓｃｉｅｎｃｅ）??

外預測模??型負相關系數為０．９２１，標準誤差（誤差越小，預測結果越準確）為０．２８％，?土壤??總氮近紅外預測模型負相關系數為０．９２８，標準誤差為０．０４６％。??１００－??９０－??８０－??７０＊??６０＞??５〇－?（?ｖ?‘ｙ?］?＇；??４０?…：??３〇－?．?....

圖２．１神經元模型??

山東大學碩士學位論文??２近紅外光譜數據處理與分析??２．１近紅外光譜處理方法與建模方法??主成分分析（ＰＣＡ），ＢＰ神經網絡［２９］等方法是經常被使用的光譜數據處理方??法與建模方法。本文主要使用主成分分析法提取光譜特征分別搭建光譜轉換模型??和光譜分析模型，建模方法采用ＢＰ神....

圖２．４約束條件２??本研究中處理的光譜數據為離散點數據，故需要對原本經驗模態(tài)分解過程加以??改變

山東大學碩士學位論文??ｒ＼ｉ／＾?ｘ??圖２．３約束條件１??上一－＾??：Ｗ！，（ｆ）Ｊ?圖２．４約束條件２??本研究中處理的光譜數據為離散點數據，故需要對原本經驗模態(tài)分解過程加以??改變。結合原理與實際情況，改變后的算法如下：??（１）對于每條待分解的光譜數據，求解光譜數據....

本文編號：4021671