水分对土壤有机质影响的二维相关近红外光谱解析及抗干扰模型

Soil Organic Matter (SOM) content is an important indicator for soil fertility evaluation. Rapid determination of SOM content based on Near Infrared Reflectance (NIR) spectral technology has the most development potential.To solve the key problems in this research will make it be more attractive. The purposes of this project are: (1) to search for a scientific basis for the changes that happen in soil spectra and their effect on SOM prediction in NIR research when soil sample has different moisture content, (2) to build an anti moisture disturbance soil organic matter content prediction model, which has strong robustness to the complexity, variability of test conditions when use NIR technology. Soil spectra with different moisture content were examined by NIR spectroscopy, and the experimental spectra were analyzed by two-dimensional correlation near infrared spectroscopy (2D-NIR) and chemometric methods, such as multiple scatter correction, and orthogonal signal correction. Synchronous, asynchronous near infrared correlation spectroscopy of 2D-NIR were applied to explain the dynamic changes and the main reasons of this effect from molecular level. Then moisture correction model based on moisture difference spectra was presented to eliminate the effect of moisture content on SOM prediction. Finally, anti-jamming model was established, and field test was carried out to ensure the accuracy of the model. This research will promote the development of field testing technology and it is very important for balance fertilization and precise management.

探测土壤有机质含量是了解土壤肥力的重要途径。基于近红外光谱的土壤有机质快速测定技术目前最具发展潜力，而解决其研究过程中的关键问题会使其更具魅力。本项目试图解决在使用该技术时水分对其预测精度的影响。找到影响根源是项目开展的关键，本研究引入二维相关近红外光谱技术，视水分为外部干扰，获取相同有机质含量时不同含水率的土壤动态光谱图，通过对二维相关近红外光谱中同步、异步相关光谱的解析，从微观分子水平分析其影响机理，探明产生影响的主要原因。在此基础上提出以水分含量差谱图为切入点，构建水分修正模型，进而建立抗水分干扰土壤有机质近红外预测模型，并对该模型进行田间试验验证。最终获得一套对测试条件复杂性、易变性具有强鲁棒性的土壤有机质近红外预测模型。项目的开展将会推动田间土壤信息快速准确获取技术的发展，进而为平衡施肥、配方施肥，实现精确管理提供有力的依据。

采用可见近红外光谱技术对土壤有机质进行定性定量分析已经开展了大量的研究工作，然而如何解决水分对其预测精度的影响始终是基于光谱技术的土壤有机质快速测试仪研发的瓶颈。本课题选择了51个典型样本，分别配制了含水率为17%（在本研究中，当含水率为20%时，大部分样本发生饱和）、15%、10%、5%、和0%的土样，在室内采用ASD公司的光谱仪获取了所有土样的光谱图。然后分别视水分和土壤有机质为外部干扰，通过对谱图的同步异步二维相关光谱图分析，得到1929nm 处对应的官能团对水分最敏感，2210nm 处次之，1415nm 处最不敏感，且随着含水率的升高，在可见光波长600nm左右形成的与土壤有机质变化敏感的强自相关峰和1660nm左右形成的弱自相关峰均被上述与水分有关的吸收峰掩盖。随后本项目以上述结论为依据，为了消除水分影响，提高模型对不同含水率下土壤有机质的预测精度，将田间近似最大含水率，即本研究中含水率为17%的样本参与建模(0%+17%样本)，采用偏最小二乘定量分析方法在550~650nm、1610~1710nm波段内建立了抗水分干扰土壤有机质预测模型，并对不同含水率下的土壤有机质含量进行了预测，预测相关系数为0.954，标准偏差为0.744%，标准差为0.844%，预测效果明显提高。当采用上述模型对额外批次的土样进行验证时，没得到满意的效果。扩大模型波段范围（550-2500nm）经FIR模型传递后，虽然预测精度有所提高，但结果仍不满意，有待进一步研究。对干土样本（0%）在波段780-2500nm范围内却找到了比较满意的效果，建模样本的相关系数为0.962，标准差为0.383%，标准偏差为0.358%。采用上述模型对额外批次的土样进行预测，经FIR模型传递后预测相关系数达到0.706，标准差为0.662%，标准偏差为0.430%，明显优于无任何处理的预测精度。信息处理方法在煤粉发热量、番茄叶片施磷水平、山西特色产品醋成分检测等领域开展了研究工作，均有较大突破。另外以600nm为中心波段，还开展了基于LED的便携式土壤有机质测试仪的研制工作，对采集的5个样本进行了简单测试，仪器性能还需进一步提高和完善。上述研究方法和结论可为新建或提升抗水分干扰土壤有机质预测模型提供参考。