土壤中氮素的豐缺是指導(dǎo)科學(xué)施肥、實(shí)現(xiàn)作物高產(chǎn)、保證安全、有效生產(chǎn)的重要基礎(chǔ),也是掌握農(nóng)田信息,精準(zhǔn)施肥過程中具有重要指導(dǎo)作用的養(yǎng)分指標(biāo)之一。傳統(tǒng)的化學(xué)分析法過程復(fù)雜、周期長(zhǎng)、實(shí)時(shí)性差,而且成本高,很難大規(guī)模的應(yīng)用。光譜學(xué)方法是一種快速、無損的檢測(cè)技術(shù),由于各種形態(tài)的氮素分子在近紅外、中紅外波段存在指紋圖譜特征,因而,可以用吸收、散射等光譜學(xué)現(xiàn)象來快速測(cè)量土壤中的氮素含量。本文以土壤中的全氮、速效氮為研究對(duì)象,圍繞分子光譜的多種測(cè)量方式展開相關(guān)研究,并設(shè)計(jì)開發(fā)一款快速檢測(cè)土壤養(yǎng)分的小型儀器。同時(shí)將顯微成像光譜技術(shù)應(yīng)用于土壤和作物中顯微尺度的氮素成像分析,為研究氮素在作物和土壤中的運(yùn)移規(guī)律提供一種方法和實(shí)驗(yàn)基礎(chǔ)。本研究的主要內(nèi)容包括:(1)土壤全氮和速效氮的中紅外光譜測(cè)量方法研究。采用中紅外光譜技術(shù)中衰減全反射(ATR)和漫反射(DRIFT)兩種不同的測(cè)量方法獲取土壤光譜數(shù)據(jù),并比較兩種不同測(cè)量方法在土壤氮素測(cè)量中的優(yōu)勢(shì)和區(qū)別,采用不同的預(yù)處理方法進(jìn)行去噪分析,并分別建立相應(yīng)的定量化計(jì)量模型。研究結(jié)果表明,在文中使用的諸多預(yù)處理方法中,多元散射校正(MSC)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)這兩種...

【文章頁(yè)數(shù)】：116 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖1一1氮素測(cè)量及成像研究技術(shù)路線圖

以及其他儀器配件；設(shè)計(jì)并開發(fā)出一款便攜式多波段土壤養(yǎng)分檢測(cè)儀；在??田間實(shí)驗(yàn)中驗(yàn)證了儀器的性能及對(duì)全氮測(cè)量的有效性。??１．４．?２技術(shù)路線??

圖２－１隨機(jī)森林建模流程圖??Ｆｉｇ．２－１?Ａ?ｆｌｏｗ?Ｃｈａｒｔ?ｏｆ?Ｒａｎｄｏｍ?Ｆｏｒｅｓｔ?ｍｏｄｅｌｌｉｎｇ??

數(shù)據(jù)集的分類和回歸過程，通過對(duì)分類回歸樹（Ｃｌａｓｓｉｆｉｃａｔｉｏｎ?Ａｎｄ?Ｒｅｇｒｅｓｓｉｏｎ?Ｔｒｅｅ，??ＡＲＴ）模型的集成來提高預(yù)測(cè)精度。它借助Ｂｏｏｔｓｔｒａｐ重抽樣的方法有放回的從原始樣??集中抽�。蝹�(gè)樣本子集，創(chuàng)建Ｎ棵決策樹，分別進(jìn)行決策樹ＣＡＲＴ訓(xùn)練，并從Ｎ個(gè)....

圖２－２?ＢＰ神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)??Ｆｉｇ．２－２?Ｔｏｐｏｌｏｇｉｃａｌ?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＢＰ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ??

Ｐｒｏｐａｇａｔｉｏｎ，?ＢＰ）神經(jīng)網(wǎng)絡(luò)是其中應(yīng)用較為廣泛的一種系統(tǒng)。??ＢＰ神經(jīng)網(wǎng)絡(luò)是一種根據(jù)誤差進(jìn)行反向訓(xùn)練的前饋型多層神經(jīng)網(wǎng)絡(luò)，包括輸入層、??隱含層和輸出層三部分。圖２－２為ＢＰ神經(jīng)網(wǎng)絡(luò)算法的經(jīng)典拓?fù)浣Y(jié)構(gòu)。在正向傳播工作??信號(hào)過程中，輸入層輸入數(shù)據(jù)變量，經(jīng)過權(quán)重分配進(jìn)入....

圖3-1ATEill最原理圖

Ｆｉｇ．３－１?Ｔｈｅ?ｐｒｉｎｃｉｐｌｅ?ｏｆ?ＡＴＲ?ｍｅａｓｕｒｅｍｅｎｔ??于在ＡＴＲ測(cè)量模式下，需要樣品與ＡＴＲ晶體表面緊密接觸，所以，對(duì)于測(cè)量、或表面光滑的固態(tài)樣品，ＡＴＲ光譜ｕｆ以得到攜帶樣品信息多的高質(zhì)量光譜。粗糙或體積微量的樣品，叫以使用單次反射ＡＴＲ附件并通過....

本文編號(hào)：4035667