本文關(guān)鍵詞：近紅外光譜（NIRs）在測定森林土壤碳氮磷含量中的應用研究

  更多相關(guān)文章： 亞熱帶森林 土壤有機碳 全氮 全磷 近紅外光譜技術(shù) 偏最小二乘法

【摘要】：土壤養(yǎng)分是反映土壤肥力的重要指標,為植物生長提供養(yǎng)分來源。測定土壤碳(C)、氮(N)、磷(P)等養(yǎng)分含量主要采用化學分析方法,該方法的工作量大,程序繁瑣,成本較高。已有研究表明近紅外光譜(NIRs)技術(shù)具有測試速度快,效率高,污染較小等優(yōu)點,可用來測定土壤養(yǎng)分含量。但NIRs方法需要大量的樣本及其測定的養(yǎng)分和光譜數(shù)據(jù),還需要對光譜數(shù)據(jù)進行預處理,然后建立模型,對模型進行檢驗和優(yōu)化后,才能用來測定土壤養(yǎng)分含量。因此,研究NIRs方法測定森林土壤C、N、P含量具有較大的應用價值。本研究選擇已建立的南酸棗落葉闊葉林和石櫟-青岡常綠闊葉林的長期觀測樣地,分別在100m×100m樣地內(nèi)已劃分100個10m×10m小樣方的中心采集0-10cm、10-20cm和20-30cm的土壤樣品,采用化學方法測量土壤有機C、全N、全P的含量,然后用傅立葉紅外光譜儀測定各土樣的近紅外光譜特征和吸收值,采用偏最小二乘法(PLS)建立土壤C、N、P含量預測模型。主要研究結(jié)果為:(1)各土壤樣品近紅外光譜信息集中在4000nm-11000nm之間,采用直線減差法、矢量歸一法、最小最大歸一法、多元散射校正、一階導數(shù)、二階導數(shù)等6種方法進行預處理后,光譜的大多數(shù)信息集中在4000nm-7000nm之間,明顯吸收峰4400nm-5400nm之間,特征明顯的光譜集中于4400nm-5400nm之間,預處理后的光譜基本保留了原始光譜的吸收特征,能更好地判斷其光譜特征。(2)土壤樣品數(shù)越多,模型擬合度越高,樣品數(shù)達到一定數(shù)量(400個土壤樣品)后,模型的決定系數(shù)(R2)達到0.9以上并趨于穩(wěn)定。對兩種林分的土壤樣品分別建模后,石櫟-青岡常綠闊葉林土壤養(yǎng)分含量預測模型的擬合度比南酸棗落葉闊葉林土壤養(yǎng)分含量預測模型的低。兩種林分土壤樣品數(shù)據(jù)整合到一起后,模型的擬合度比南酸棗的低,但比石櫟-青岡的高�？赡苁且驗槭瘷�-青岡林的土壤較為復雜,養(yǎng)分含量相對較難用線性的方法來擬合,同時表明不同林分土壤用同一個預測模型會有不同的擬合度。(3)土壤有機C和全N含量預測模型的擬合度比土壤全P含量預測模型的高,土壤有機C和全N含量預測值更接近真值,預測模型決定系數(shù)(R2)在0.8-0.9之間,交叉檢驗均方根誤差(RMSECV)相對較小(4.4),相對分析誤差(RPD)在可用范圍(2.0),表明土壤中含C-H,N-H和O-H鍵的組分更適用于NIRs技術(shù)來測定其含量,建立的預測模型的重現(xiàn)性好,能夠被應用于森林土壤的養(yǎng)分測定。(4)在OPUS軟件中,6種預處理方法的效果來看,使用多元散射校正方法預處理后,建立預測模型的維數(shù)和決定系數(shù)(R2)較高,交叉檢驗均方根誤差(RMSECV)相對很小,相對分析誤差(RPD)比較高。采用多種預處理方法將會對模型的擬合度和精準度有進一步的提高,建議采用多元散射校正和矢量歸一法同時來做預處理。
【學位授予單位】：中南林業(yè)科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：S714

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 顧小曼,陳傳波;紅外光譜譜庫的建立[J];華中農(nóng)業(yè)大學學報;1988年01期

2 平樹水;用近紅外光譜劃分葡萄干等級[J];新疆農(nóng)墾科技;1997年01期

3 李永祥;李美齡;李貞景;張曉清;王斌;張玄和;羅成;;源于不同數(shù)據(jù)庫的食源性有機分子紅外光譜比較[J];農(nóng)業(yè)工程;2013年06期

4 高繼紅;;紅外光譜圖分析中量的規(guī)范化表示[J];山東省農(nóng)業(yè)管理干部學院學報;2011年01期

5 吳保國,劉貴生;我國七種重要材種的二氧六環(huán)木素的紅外光譜[J];東北林業(yè)大學學報;1986年S3期

6 湯彥豐;王志寶;唐恩松;范國強;;中草藥大黃小波變換的近紅外光譜聚類分析[J];湖北農(nóng)業(yè)科學;2013年16期

7 黃凌霞;金航峰;金佩華;;基于可見—近紅外光譜的蠶繭含水率無損檢測研究[J];蠶桑通報;2013年04期

8 王鳳嶺;周建科;吳婧;郁露;孫素琴;;栽培與野生丹參的紅外光譜三級鑒定研究[J];現(xiàn)代儀器;2006年05期

9 梁奇峰;彭夢俠;林鵑;;純蜂蜜與摻假蜂蜜的紅外光譜鑒別研究[J];安徽農(nóng)業(yè)科學;2009年01期

10 袁石林;馬天云;宋韜;何勇;鮑一丹;;土壤中總氮與總磷含量的近紅外光譜實時檢測方法[J];農(nóng)業(yè)機械學報;2009年S1期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 甄夢章;;紅外光譜解析程序[A];全國第六屆分子振動光譜學術(shù)報告會文集[C];1990年

2 崔繼承;趙振武;丁東;唐玉國;;納米自潔凈玻璃近紅外光譜特性分析[A];第三次全國會員代表大會暨學術(shù)會議論文集[C];2002年

3 吳婧;郁露;孫素琴;;栽培與野生丹參的紅外光譜三級鑒定研究[A];第十四屆全國分子光譜學術(shù)會議論文集[C];2006年

4 梁逸曾;范偉;陳愛明;張志敏;;近紅外光譜軟件的設計和實現(xiàn)[A];第九屆全國計算（機）化學學術(shù)會議論文摘要集[C];2007年

5 譚福元;李夢龍;馮曉瑜;張婧;;紅外光譜譜構(gòu)關(guān)系探討[A];第九屆全國計算（機）化學學術(shù)會議論文摘要集[C];2007年

6 杭義萍;王海水;;紅外光譜:消除水溶液中水吸收峰干擾的新方法[A];中國化學會第28屆學術(shù)年會第9分會場摘要集[C];2012年

7 王海水;席時權(quán);;紅外光譜與長烴鏈化合物的結(jié)構(gòu)[A];全國第13屆分子光譜學術(shù)報告會論文集[C];2004年

8 謝狄霖;;紅外光譜信息管理系統(tǒng)[A];全國第13屆分子光譜學術(shù)報告會論文集[C];2004年

9 邱江;潘紅春;葉勤;張嗣良;;紅外光譜監(jiān)測糖化酶發(fā)酵過程[A];全國第10屆分子光譜學術(shù)報告會論文集[C];1998年

10 孫寧邦;;氣相色譜或放出氣體分析與付立葉變換紅外光譜聯(lián)用的模塊式接口[A];全國第五屆分子光譜學術(shù)報告會文集[C];1988年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 李犁;近紅外光譜專業(yè)委員會云南物聯(lián)站成立[N];云南日報;2011年

2 陳銳;紅外光譜三分鐘診腫瘤[N];健康報;2004年

3 馬斌睿;紅外光譜用于中藥質(zhì)控大有可為[N];中國中醫(yī)藥報;2003年

4 陳銳 郭曉斌;紅外光譜快速準確診斷腫瘤[N];家庭醫(yī)生報;2004年

5 張東風 本報記者　　;紅外光譜能否成為中藥檢測標準[N];中國中醫(yī)藥報;2005年

6 史春香 楊悅武 郭祝元;近紅外光譜用于中藥質(zhì)控前景廣闊[N];中國醫(yī)藥報;2006年

7 陳銳 郭曉斌;只用3～5分鐘紅外光譜實現(xiàn)快速準確診斷腫瘤[N];醫(yī)藥經(jīng)濟報;2004年

8 記者 張東風;紅外光譜可用于中藥生產(chǎn)質(zhì)控[N];中國中醫(yī)藥報;2011年

9 陳銳;紅外光譜——診斷腫瘤又一利器[N];大眾衛(wèi)生報;2004年

10 龔翔;中藥快速識別的“武器”[N];中國醫(yī)藥報;2003年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 龔祖永;光學和振動分子光譜的理論研究[D];中國科學技術(shù)大學;2016年

2 王安靜;基于物理模型的污染氣體云團紅外光譜仿真研究[D];中國科學技術(shù)大學;2017年

3 薛曉康;電化學表面增強紅外光譜的應用與發(fā)展[D];復旦大學;2008年

4 杜國榮;復雜體系近紅外光譜建模方法研究[D];南開大學;2012年

5 郝勇;近紅外光譜微量分析方法研究[D];南開大學;2009年

6 程旺興;醌類中藥小分子電子轉(zhuǎn)移機理研究—紅外光譜電化學循環(huán)伏吸法和導數(shù)伏吸法[D];安徽大學;2012年

7 賀英;基于半監(jiān)督和遷移學習的近紅外光譜建模方法研究[D];中國海洋大學;2012年

8 王金意;鈀、鎳及其非金屬合金電極的表面紅外光譜與應用研究[D];復旦大學;2010年

9 單瑞峰;近紅外光譜建模方法及溫度效應研究[D];南開大學;2014年

10 劉海;基于變分模型的紅外光譜超分辨率方法研究[D];華中科技大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 白沙沙;雙邊夾原理在紅外光譜中的應用[D];華南理工大學;2015年

2 劉明地;紅外光譜結(jié)合計算機解析技術(shù)對青海枸杞的鑒別研究[D];青海民族大學;2015年

3 徐娟;云南不同類型土壤的元素含量測定及紅外光譜分析[D];云南師范大學;2015年

4 汪銳;太陽系天體有機物質(zhì)的芳香性與脂肪性[D];南昌大學;2015年

5 彭惜媛;12種種子類藥材多級紅外光譜分析與鑒定[D];佳木斯大學;2015年

6 洪向前;頻域近紅外光譜醫(yī)用檢測系統(tǒng)的研究[D];電子科技大學;2015年

7 王昱陸;基于可見/近紅外光譜的生鮮豬、牛、羊肉識別方法研究[D];新疆農(nóng)業(yè)大學;2015年

8 馬曉晨;近紅外光譜無損檢測霉變板栗的研究[D];北京林業(yè)大學;2016年

9 周銘;血小板聚集功能的檢測—光譜學及軟X線成像研究[D];安徽醫(yī)科大學;2016年

10 李祥輝;近紅外光譜在食品檢驗及生物分析中的應用研究[D];福州大學;2013年

，

本文編號：1301105