引言

通過定期監測土壤養分狀況而合理調控施肥,是實現作物高產優質且環境友好的重要保證,但土壤養分含量的快速測定一直是農業信息獲取領域的難題。最常用的土壤化學檢測手段測定過程復雜且所需時間較長,效率較低?？梢?近紅外光譜技術\\(VIS/NIRS\\)具有實時、快速、精確、無損及易于實現原位分析等優點,已在農業、煙草、食品、醫藥等行業中得到了廣泛的應用。

20世紀80年代,國外學者就利用VIS/NIRS技術對土壤水分、有機碳和總氮含量進行了估測。近年來利用VIS/NIRS技術建立土壤有機質、全氮、全磷和全鉀回歸估測模型的研究表明,可以實現對土壤有機質、全氮、全磷和全鉀的快速估測。土壤有效氮、磷、鉀含量的快速監測,對優化施肥措施有直接的指導意義。

Confalonieri等利用VIS/NIRS技術估測不同土壤中可交換鉀和速效磷含量,但其結果表明土壤可交換鉀和速效磷含量的估測效果不理想。李偉等采用偏最小二乘\\(PLS\\)和人工神經網絡法分別建立土壤堿解氮、速效磷和速效鉀的估測模型,結果表明用NIRS技術估測土壤堿解氮含量是可行的,而速效磷、速效鉀估測的可行性還需進一步研究。農田土壤有效氮、磷、鉀含量隨作物生育期而時空變異明顯。當待測養分含量差異顯著,且與光譜數據呈非線性關系時,基于線性模型很難獲得理想的估測效果。人工神經網絡方法對非線性函數可任意逼近,但是神經網絡泛化能力較弱,存在過擬合問題。局部回歸方法可以較好地處理這種非線性關系,即根據相似性判據選取定標集與估測集性質相近的部分樣品作為定標子集建模,從而解決由于樣品濃度范圍過大或樣品間差異過大等原因引起的非線性響應。

研究從光譜預處理、波段選擇、回歸方法等各個建模環節,研究用于分析不同生育期、不同施氮水平下植煙土壤有效氮、磷、鉀含量的可見/近紅外光譜建模方法,探索土壤養分狀況快速、準確的診斷方法。

1、實驗部分

1.1土壤光譜采集和化學分析

田間實驗在云南省玉溪煙草科技示范園趙桅基地進行。土壤類型為水稻土,設計6個施氮水平處理,獲取了煙草各生育期共計144個土樣。土樣自然風干,去雜研磨后過0.25mm孔徑篩,充分混勻后等分為兩份。分別用于土壤化學分析和土壤光譜采集。

采用FieldSpec3便攜式分光輻射光譜儀\\(ASD\\)測量土壤光譜。該儀器的波長范圍為350~2500nm,波長采樣間隔為1.4nm\\(350~1050nm\\)和2nm\\(1050~2500nm\\)。將土樣裝入小培養皿,壓實土壤并使之與培養皿邊緣持平,用高強度接觸式探頭直接接觸土壤測定光譜反射率。每個土樣重復測定3次,每次采集2條光譜。使用ViewSpecPro5.7.2軟件進行有效性檢查,取平均值后將數據導出。

土壤有效氮、磷、鉀的檢測方法分別為堿解擴散法、GB12297-1990\\(中華人民共和國國家標準,石灰性土壤有效磷測定法\\)、NY/T889-2004\\(中華人民共和國農業部農業行業標準,土壤速效鉀和緩效鉀含量測定法\\)。

1.2土壤光譜建模方法

利用MATLAB神經網絡工具箱提供的神經網絡設計、訓練以及仿真的函數實現BP神經網絡建模\\(表1\\)。

全局BP神經網絡回歸建模以預處理和優選波段后的定標集\\(120╳400\\)作為輸入層。局部BP神經網絡回歸建模采用交互檢驗法確定局部建模的定標子集,即采用PLS法提取前兩個主成分\\(累積貢獻率N:98.6%,P:97.2%,K:96.4%\\)構建主成分特征空間;計算每個樣品與其余樣品在主成分空間的歐氏距離\\(ED\\),根據ED將所有樣品劃分為4組;每組限定ED值為5~40間距為5的8個值,選取8個局部建模的定標子集,以定標子集作為BP神經網絡輸入層,建立局部模型估測樣品,累積估測標準差最小的ED值即為各組優選局部定標子集的ED值\\(表2\\)。根據主成分空間的ED值判斷每個估測樣品所屬組分,利用各組選取局部定標子集的ED值選取每個估測樣品的建模子集,依次建立局部BP神經網絡回歸模型。

建立回歸模型之前,采用一階導數\\(FD\\)、二階導數\\(SD\\)、多元散射校正\\(MSC\\)和Savitzky-Golay\\(SG\\)平滑四種預處理方法單獨或組合對土壤光譜進行預處理;分析可見光、近紅外和可見-近紅外波段與各個測定指標之間的相關性,通過相關分析找出各個測定指標的特征波段;選出最優的光譜預處理方法和特征波段。利用Kennard-Stone法劃分定標集\\(120個\\)和估測集\\(24個\\)。

2、結果與討論

2.1土壤有效氮、磷、鉀含量的化學分析結果

采集的土樣化學分析結果表明,土壤有效氮、磷、鉀含量的變幅較大\\(表3\\)。

2.2土壤反射光譜及其預處理

采集的土樣原始光譜反射率見圖1\\(a\\)。采用MSC可以有效地消除基線漂移[圖1\\(b\\)],采用FD不僅能有效消除基線漂移,還強化了原始光譜中的吸收峰[圖1\\(c\\)],SG平滑能有效地提高光譜的信噪比[圖1\\(d\\)]。比較單一預處理及其組合的BP神經網絡建模估測精度,單一預處理建模精度以FD最佳;兩種預處理方法組合建模精度以MSC加FD最優;三種預處理方法組合的建模精度均較好。通過綜合比較,選擇MSC加FD對土樣光譜數據進行預處理。

2.3特征波段的選擇

在可見光、近紅外和可見-近紅外波段范圍建立土壤有效氮、磷、鉀的全局BP神經網絡模型\\(表4\\),比較估測精度,以使用可見-近紅外波段范圍光譜反射率建模效果最好。在可見-近紅外波段統計分析經過MSC加FD預處理的光譜與各個測定指標之間的相關性,逐波段相關分析找出各個測定指標的特征波段。

2.4全局和局部

BP神經網絡回歸建模比較全局和局部BP神經網絡回歸建模結果\\(圖2\\)可知,局部BP神經網絡回歸模型的估測效果優于全局BP神經網絡回歸模型。局部BP神經網絡回歸模型對土壤有效氮、磷、鉀含量的估測相關系數r分別為0.90,0.82和0.94,估測標準差RMSEP分別為5.7,29.4和78.1mg·kg-1,與全局BP神經網絡回歸模型相比,估測精度提高幅度分別為40.63%,28.64%,22.90%。

3、結論

采用全局和局部BP神經網絡法,建立了土壤有效氮、磷、鉀含量的快速估測模型,將BP神經網絡法結合局部回歸建模應用于土壤光譜定量分析。結果表明,局部建模比全局建模的估測效果更佳,對于土壤養分含量差異較大的土樣,對每個估測樣品建立專一定量估測模型可有效提高估測精度。

局部回歸建模方法中采用主成分空間的歐氏距離作為相似性判據,采用交叉檢驗法確定選取定標子集的最優歐式距離。根據交叉檢驗法及主成分空間的歐氏距離所選擇的定標子集可以很好地反映估測集樣品和定標集樣品之間的相似性,減少了樣品間差異性對建模的影響,使局部建模估測結果比全局建模有更高的精確性。

不同生育期、不同施氮水平下的植煙土壤有效氮、磷、鉀含量時空變異明顯,土壤光譜反射率與土壤養分含量之間有一定的非線性關系,采用BP神經網絡結合局部回歸建模能較好地處理這種非線性關系,更好地實現對土壤有效氮、磷、鉀含量的估測。

致謝:李軍會副教授在論文撰寫中提供了幫助。