土壤成分与特性参数光谱快速检测方法及传感技术

被引:43
作者
李民赞
郑立华
安晓飞
孙红
机构
[1] 中国农业大学现代精细农业系统集成研究教育部重点实验室
关键词
土壤; 近红外光谱; 土壤传感器; 精细农业;
D O I
暂无
中图分类号
X833 [土壤监测];
学科分类号
0903 ;
摘要
近红外光谱技术在分析土壤成分含量以及理化特性参数方面获得了良好的预测精度。人工神经网络、遗传算法、小波变换和支持向量机等现代数据处理算法的应用,最大限度消除了光谱外界干扰、提取了光谱有效信息,使得土壤特性参数预测分析模型更准确、稳定。在进行土壤参数原位实时光谱检测时,如何消除土壤含水率、土壤粒度等的影响,还需要技术突破。开发便携式或车载式农田土壤光谱实时分析仪,是促进精细农业实践的重要措施,已开发的车载式土壤在线光谱仪可以实现多个土壤参数的分析,并达到了相当高的精度。进一步开发多功能土壤在线检测系统,利用土壤介电特性或机械特性与光谱特性测量结果相互补偿与校正以消除误差并提高测量精度,是未来的发展方向之一。光声光谱、激光诱导击穿光谱和太赫兹光谱技术等现代光谱分析方法在土壤成分与特性参数分析方面表现出很强的能力,开展基础研究,揭示这些光谱技术在不同土壤类型、不同土壤成分条件下的吸收特征参数,是未来的研究方向。
引用
收藏
页码:73 / 87
页数:15
相关论文
共 56 条
[31]  
近红外光谱小波分析在土壤参数预测中的应用[J]. 郑立华,李民赞,潘娈,孙建英,唐宁.光谱学与光谱分析. 2009(06)
[32]   基于近红外傅里叶特征提取方法的土壤含水率检测 [J].
李小昱 ;
肖武 ;
李培武 ;
雷廷武 ;
王为 ;
冯耀泽 .
农业机械学报, 2009, 40 (05) :64-67
[33]   基于近红外光谱土壤水分检测模型的适应性 [J].
肖武 ;
李小昱 ;
李培武 ;
雷廷武 ;
王为 ;
刘洁 ;
冯耀泽 .
农业工程学报, 2009, 25 (03) :33-36
[34]   红外光谱在土壤学中的应用 [J].
邓晶 ;
杜昌文 ;
周健民 ;
王火焰 ;
陈小琴 .
土壤, 2008, 40 (06) :872-877
[35]   基于近红外光谱技术的土壤参数BP神经网络预测 [J].
郑立华 ;
李民赞 ;
潘娈 ;
孙建英 ;
唐宁 .
光谱学与光谱分析, 2008, (05) :1160-1164
[36]   水稻测土配方施肥3414试验初报 [J].
张灶秀 ;
李名钦 ;
易克阳 ;
余春美 .
江西农业学报, 2008, (05) :126-127
[37]   精细农业特征、现状与发展 [J].
李民赞 .
农机市场, 2008, (03) :38-41
[38]   近红外光谱技术实时测定土壤中总氮及磷含量的初步研究 [J].
陈鹏飞 ;
刘良云 ;
王纪华 ;
沈涛 ;
陆安祥 ;
赵春江 .
光谱学与光谱分析, 2008, (02) :295-298
[39]   基于OSC和PLS的土壤有机质近红外光谱测定 [J].
宋海燕 ;
何勇 .
农业机械学报, 2007, (12) :113-115+189
[40]   基于光谱技术的土壤有机质快速测定仪的开发 [J].
唐宁 ;
李民赞 ;
孙建英 ;
郑立华 ;
潘娈 .
光谱学与光谱分析, 2007, (10) :2139-2142