一种利用中红外漫反射光谱监测土壤碳组分的方法技术

本发明专利技术公开了属于土壤检测技术领域的一种利用中红外漫反射光谱技术监测土壤碳组分的方法。具体说是一种利用中红外漫反射光谱仪快速检测农田土壤总碳、有机碳、无机碳含量变化的方法。本发明专利技术采用漫反射光谱法，以化学法土壤碳测定值为基础，结合偏最小二乘回归(PLSR)算法，建立曲周县土壤总碳、有机碳、无机碳三种土壤碳组分的中红外光谱(MIR)模型，从而建立快速、精确、高效检测土壤总碳、有机碳、无机碳含量的方法。本发明专利技术可以快速、准确的实现三种土壤碳组分的测定，分析效率大大优于传统方法，为我国开展大面积土壤碳含量变化实时监测提供了一种可行的方法，也为精准农业、土壤数字制图、农业生态环境保护以及土壤健康评价等工作提供新的技术手段。

【技术实现步骤摘要】
一种利用中红外漫反射光谱监测土壤碳组分的方法
本专利技术属于土壤检测
，特别涉及一种利用中红外漫反射光谱监测土壤碳组分的方法。具体说是一种利用傅里叶变换中红外漫反射光谱仪快速检测县域农田土壤总碳、有机碳、无机碳含量变化的方法。
技术介绍
土壤碳作为土壤的关键属性之一，在土壤结构形成、土壤肥力保持、全球气候变化调节及维持陆地生态系统稳定性方面起着重要的作用，是土壤质量的核心，更是可持续农业的重要基础。土壤碳，特别是有机碳，直接参与土壤的各种物理、化学和生物过程，分析不同土壤碳组分含量对于确定土壤碳来源、及时掌握土壤质量变化指导农业生产具有重要意义，一直是农业、环境等学科领域的重要研究内容。目前，对土壤碳的常规化学分析方法，如重铬酸钾氧化法测定土壤总碳、有机碳含量存在测定效率低、实时性差、有污染等缺点，因此，常规化学分析方法不能满足快速高效监测土壤碳含量变化的需求，严重阻碍了大面积土壤碳的研究和监测工作的开展。基于分子内部振动产生基频吸收理论的中红外光谱法，以其光谱特征性强、信息提取更容易、重现性好，操作简便、测试速度快、样品用量少、绿色环保以及适合批量样品测定的特点，在土壤碳分析中的应用日益增多，逐渐成为国内外学者研究的重点。本专利技术采用中红外漫反射光谱法，其基本原理为：当光线照射到样品经折射进入样品内部，与样品分子作用，发生反射、折射、衍射和吸收现象，最后光线由样品表面散向空间各个方向的光称为漫反射光，由于漫反射光曾进入样品内部，与样品分子发生作用，因此漫反射光载有样品的结构和组成信息，这就是漫反射光谱仪技术工作的基础。目前，国内基于中红外漫反射光谱法定量土壤碳的研究还较少。因此，本专利技术以曲周县土壤为研究对象，采用漫反射光谱法，以传统方法土壤碳测定值为基础，结合PLSR算法，建立曲周县土壤总碳、有机碳、无机碳的MIR预测模型，从而实现多种土壤碳组分指标的快速测定，并对进一步开展中红外光谱技术在我国土壤碳测定方面的研究，以及发展绿色农业、数字农业等具有重要意义和实用价值。
技术实现思路
本专利技术的目的是提出一种利用中红外漫反射光谱监测土壤碳组分的方法，其特征在于，采用中漫反射光谱法，以化学法土壤碳测定值为基础，结合PLSR算法，建立土壤总碳、有机碳、无机碳的MIR预测模型，从而建立快速、精确、高效检测土壤总碳、有机碳、无机碳含量的方法，包括如下步骤：(1)农田土壤样本采集与制备：采用1km×1km网格调查法进行县域土壤样本采集，按照采样顺序进行编码并详细记录样品信息，具体包括：样品编号、采集日期、采样深度、经纬度、海拔高度、土地利用方式以及采样人；对采集的所有土壤样本进行风干、去除植物残体、砾石等杂物，研磨并全部通过2mm孔径尼龙筛，保存备用；(2)采集全部土壤样品中红外波段的漫反射谱图，得到原始谱图：采用德国Bruker公司研制生产的TensorⅡ傅里叶变换中红外光谱仪测定土壤样品光谱，该仪器具有由液氮冷却的MCT(碲化汞镉)检测器，采集7500～600cm-1，分辨率4cm-1,扫描32次；每个土壤样品测定两份光谱数据，以算数平均后的数据作为该土样的原始光谱数据；数据存储使用OPUS格式存储。但是，对于光谱分析和建模，仅使用中红外波段光谱的4000～600cm-1；(3)代表性样品筛选：使用KS法，在光谱特征空间内均匀选取样本以筛选出代表性强的土壤样品用于土壤碳化学法的测定及MIR建模；(4)光谱预处理方法选择：为减小光谱仪状态、测量环境以及磨样过筛的影响，对所有光谱数据进行基线校正、散射校正、尺度缩放3类光谱预处理，每一类又包括多种预处理方法。基线校正包括一阶导数、二阶导数，主要是扣除仪器背景或漂移对光谱信号的影响；散射校正包括多元散射校正(MSC)、标准正态变量变换(SNV)，主要是消除由于颗粒分布不均匀及颗粒大小不同所产生的散射对光谱的影响；尺度缩放包括最大最小归一化、消除常数偏移量、减去一条直线，主要是消除尺度差异过大带来的不良影响。将光谱预处理后建立的模型与无预处理建立的模型进行比较，从中选出各土壤碳组分的最优光谱预处理方法；(5)光谱预测模型构建：根据KS法将步骤(3)中筛选出的代表性样本划分为校正集和验证集，采用PLSR算法，以校正集土壤样本的中红外光谱数据自变量，土壤碳含量为因变量，建立光谱信号与组分含量之间的回归关系，利用独立验证集检验模型的精度。在进行PLSR建模时，最为重要的是因子数选取。设置最大因子数为20，借助留一交叉验证法确定，最佳因子数为RMSECV值最小时对应的因子数；留一交叉验证的具体过程包括：每次从校正集选择一个样本测试模型预测好坏，其余样本用来训练数据，重复该过程直至完成每个样本均被设置为测试数据，计算RMSECV；(6)模型评价：利用验证集的Rp2、RMSEP、RPD三个参数进行模型评价。其中，R2评价模型的拟合性，R2值越高表明模型的拟合效果越好，模型的解释因变量的能力越强；RMSE评价模型的稳定性，RPD评价模型的预测性，RPD值越高，RMSE越低，模型越优；此外，进一步使用RPD值对模型进行质量类别划分：当RPD≥3.0，定标效果良好，建立的定标模型可以用于实际检测；当2.5<RPD<3.0，定量分析可行，但预测精度有待于提高；当RPD≤2.5，难以用于定量分析。本专利技术的有益效果：1.可以实现快速、准确的预测土壤总碳、有机碳和无机碳三种土壤碳组分含量。2.弥补了常规实验室化学分析方法存在的不足。3.从大量样本中挑选代表性强的土壤样品用于化学法土壤碳的测定及MIR建模，大大提高了模型建立速度、减少模型库的存储空间、便于模型的更新和维护。4.取样范围覆盖整个曲周县，可以实现县域范围土壤碳组分含量变化实时监控。5.有望推广至华北地区乃至全国农田以及草地、森林等其他生态系统中土壤碳分析。附图说明图1土壤总碳光谱模型预测值与真实值相关性示意图。图2土壤有机碳碳光谱模型预测值与真实值相关性示意图。图3土壤无机碳光谱模型预测值与真实值相关性示意图。具体实施方式本专利技术提出一种利用中红外漫反射光谱技术监测土壤碳组分的方法，下面结合实施例对本专利技术予以进一步说明。本专利技术选择我国粮食主产区黄淮海平原的典型农业县曲周县作为研究区域。研究区域概况：曲周县地处华北平原中部，辖5镇5乡、342个行政村,土地总面积为667km2，耕地面积47782hm2；成土母质为河流的洪积物和冲积，土壤类型以潮土、盐土和褐土为主，土壤质地有砂土、砂壤土、轻壤土、中壤土和黏土；区域农作物以小麦、玉米、棉花和蔬菜为主，复种指数高、土地投入大、农业集约化程度较高。(1)土壤样品采集与制备取样方法：采用1km×1km网格调查法采集农田土壤样品，曲周全县总面积667km2，共设置730个网格，县域边缘网格不进行采样，去除后约剩下580个网格，在选定农田采用S型采样法采集土壤样品，每块农田土壤采集5个土样，采用四分法制成1份土壤样品。本文档来自技高网...

【技术保护点】
1.一种利用中红外漫反射光谱技术监测土壤碳组分的方法，其特征在于，采用漫反射光谱法，以传统方法土壤碳测定值为基础，结合PLSR算法，建立土壤碳的MIR预测模型，从而建立快速、精确、高效检测土壤总碳、有机碳、无机碳三种土壤碳组分含量的方法；包括如下步骤：/n(1)土壤样本采集与制备：采用1km×1km网格调查法在县域内采集土壤样品，按照采样顺序进行编码并详细记录样品信息；对采集的所有土壤样本进行风干、去除植物残体、砾石一类杂物，研磨并全部通过2mm孔径尼龙筛，保存备用；/n(2)采集全部土壤样品中红外波段的漫反射谱图，得到原始谱图：波长范围设置为7500～600cm

【技术特征摘要】
1.一种利用中红外漫反射光谱技术监测土壤碳组分的方法，其特征在于，采用漫反射光谱法，以传统方法土壤碳测定值为基础，结合PLSR算法，建立土壤碳的MIR预测模型，从而建立快速、精确、高效检测土壤总碳、有机碳、无机碳三种土壤碳组分含量的方法；包括如下步骤：
(1)土壤样本采集与制备：采用1km×1km网格调查法在县域内采集土壤样品，按照采样顺序进行编码并详细记录样品信息；对采集的所有土壤样本进行风干、去除植物残体、砾石一类杂物，研磨并全部通过2mm孔径尼龙筛，保存备用；
(2)采集全部土壤样品中红外波段的漫反射谱图，得到原始谱图：波长范围设置为7500～600cm-1，分辨率4cm-1,扫描32次；但是，对于光谱分析和建模，仅使用中红外波段光谱的4000～600cm-1；
(3)代表性样品选择：使用基于变量之间欧式距离的KS(Kennard-Stone)法，在光谱特征空间内均匀选取样本以筛选出代表性强的土壤样品用于土壤碳化学法的测定及MIR建模；
(4)光谱预处理方法选择：为减小光谱仪状态、测量环境以及磨样过筛的影响，对所有光谱数据进行基线校正、散射校正、尺度缩放3类光谱预处理，根据建模效果从中选出各土壤碳组分的最优光谱预处理方法；
(5)光谱预测模型构建：建模方法采用光谱分析中的经典方法PLSR，建模过程中将所有样本分为校正集和验证集，校正集为70％、56个样本，验证集为30％、24个样本；对于校正集和验证集样本的选择，根据化学参考值范围结合KS法进行划分；
(6)模型评价：利用决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)为精度评价指标综合判定模型质量；其中，R2评价模型的拟合性，R2值越高表明模型的拟合效果越好，...

【专利技术属性】
技术研发人员：袁会敏，王君玮，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京;11