收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于光谱分析的农田土壤水分与养分测定方法研究

高瞻  
【摘要】:精准施肥作为现代精准农业的一个重要组成部分,要求能根据土壤中水分和各种养分的盈亏情况,进行科学灌溉与配方施肥,从而达到资源的充分利用,有效的提高效率并减小污染。而精确施肥的前提是对土壤成分含量的准确测定。传统土壤的常规分析在化学实验室进行,分析周期长、成本高,并且不具实时性,而光谱分析技术具有在线、快速和无需化学处理等特点,可以实现土壤成分含量的快速检测。故本文基于成熟的紫外/可见光与近红外光谱分析技术,对影响作物生长较大的土壤水分、有机质、速效氮、速效磷进行检测。并通过预处理与外部参数正交的方法,提高了预测模型的精度与可靠性。 本文的主要工作与结论有如下几点: (1)针对既有应用光谱分析检测土壤水分的研究中水分含量梯度较窄、分布不均匀的情况,在实验室条件下采用配方的方式,使样本水分含量在干旱与饱和之间均匀分布。分别使用可见光与近红外光谱对样本水分进行预测,并优选了光谱预处理方法。使用了偏最小二乘法(PLS)和人工神经网络的建模方式。取得最优预测效果为预测集相关系数平方R_p~2与预测集均方根误差RMSEP分别为0.984和0.0001 (2)使用近红外光谱检测了土壤养分含量。建立了对作物生长有直接影响同时研究较少的速效氮和速效磷的预测模型,也建立了土壤有机质预测模型。建模过程中优选了预处理方法与模型标定方法,最优的预测效果为有机质(R_p~2=0.910,RMSEP=0.047)、速效氮(R_p~2=0.882,RMSEP=16.63)、速效磷(R_p~2=0.812,RMSEP=5.248)。 (3)针对外部参数对近红外模型影响较大的问题,提出了使用EPO算法解决土壤成分检测中外部参数干扰的方法,并分别以土壤水分与温度两个主要外部参数为例使用此方法对建模过程进行了优化。验证了使用EPO法对多个外部参数进行综合处理的可行性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张昱;陆英;;基于支持向量回归(ε-SVR)预测的分布式机器视觉算法的研究[J];工业控制计算机;2010年10期
2 陈蓉;宋俊德;;基于SVM分块回归分析的话务量预测模型[J];计算机应用;2008年09期
3 刘玉兵;张宗扬;吴国军;;基于径向基函数神经网络的发动机磨损预测分析[J];润滑与密封;2009年01期
4 王吉芳;徐小力;费仁元;刘鑫;;基于径向基神经网络的设备运行状态新信息加权预测模型研究[J];制造业自动化;2011年07期
5 杨超;王志伟;;经GA优化的WNN在交通流预测中的应用[J];计算机工程;2011年14期
6 曾鸣;刘宝华;徐志勇;袁德;;基于混沌模糊神经网络方法的短期负荷预测[J];湖南大学学报(自然科学版);2008年01期
7 李松;刘力军;谷晨;;混沌时间序列预测模型的比较研究[J];计算机工程与应用;2009年32期
8 桂洁;段继光;杨素科;;客户流失预测数据挖掘方法对比分析[J];电脑学习;2010年04期
9 张齐;许志坚;赵坤荣;;基于Elman神经网络的污染源数据预测[J];华南理工大学学报(自然科学版);2009年05期
10 张坤;郁湧;李彤;;基于小波和神经网络相结合的股票价格模型[J];计算机工程与设计;2009年23期
11 达新宇;王艳岭;;一种新的Ka频段雨衰预测模型[J];空军工程大学学报(自然科学版);2010年05期
12 王秋萍;刘素兵;王晓峰;张军;曾涛;;图书出版量的优化组合预测模型及其应用[J];计算机工程与应用;2008年12期
13 孙凤琪;;AdaBoost集成神经网络在冲击地压预报中的应用[J];吉林大学学报(信息科学版);2009年01期
14 李战江;吴公华;;基于BP神经网络的内蒙古第三产业增加值预测模型[J];内蒙古农业大学学报(自然科学版);2009年04期
15 底欣;张百海;;无线传感器网络寿命预测模型[J];计算机工程与设计;2010年22期
16 王华;;煤自然发火期的主成分神经网络预测模型[J];计算机工程与应用;2011年26期
17 吕清勇;齐砚勇;封培然;;BP神经网络在水泥熟料强度预测中的应用[J];微计算机信息;2010年28期
18 王观玉;郭勇;;支持向量机在电信客户流失预测中的应用研究[J];计算机仿真;2011年04期
19 张香林;胡宾伟;李耐根;;基于包衣机系统的喷枪堵塞预测与仿真[J];计算机仿真;2011年06期
20 曾庆山;全书鹏;靳志强;;融合BP神经网络与ARIMA的短时交通流预测[J];郑州大学学报(工学版);2011年04期
中国重要会议论文全文数据库 前10条
1 王梅娟;王慧芳;张青珍;莫爱勰;;最优子集回归模型在豫西汛期旱涝冷暖趋势预测中的应用[A];天气、气候与可持续发展——河南省气象学会2010年年会论文集[C];2010年
2 李梗;董新宁;张天宇;周浩;陈欢;;最优子集回归模型在重庆汛期旱涝冷暖趋势预测中的应用[A];中国气象学会2007年年会气候学分会场论文集[C];2007年
3 王玮;何建新;许丽生;;基于RBF神经网络的气温预报模型的研究[A];中国气象学会2008年年会第二届研究生年会分会场论文集[C];2008年
4 梁启华;;一种基于Ito方程的广告效应预测模型[A];2005中国控制与决策学术年会论文集(上)[C];2005年
5 孙颖;张袅娜;王玉华;卢秀和;杨洪侠;;基于多输入层小波神经网络的选矿厂能源消耗预测模型[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
6 华丽;鲍一笑;刘全华;;汉族儿童哮喘易感基因预测模型的初步建立[A];中华医学会2010年全国变态反应学术会议暨中欧变态反应高峰论坛参会指南/论文汇编[C];2010年
7 盛刚;孙彦广;梁青艳;;钢铁企业电力负荷分析与预测模型的探讨[A];全国冶金自动化信息网2011年年会论文集[C];2011年
8 马培蓓;纪军;;基于时间序列的航空备件消耗预测[A];中国系统工程学会决策科学专业委员会第六届学术年会论文集[C];2005年
9 陈亮;杜尚丰;;温室环境神经网络预测控制[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第五分册[C];2005年
10 刘静;杨月欣;;膳食血糖生成指数预测模型的建立[A];中国营养学会第十次全国营养学术会议暨第七届会员代表大会论文摘要汇编[C];2008年
中国博士学位论文全文数据库 前10条
1 孙通;梨可溶性固形物和酸度的可见/近红外光谱静态和在线检测研究[D];浙江大学;2011年
2 陈华舟;光谱分析的化学计量学研究及其在土壤近红外分析中的应用[D];上海大学;2011年
3 吕燕;基于动态PLS方法的建模及预测控制器设计[D];浙江大学;2013年
4 杨林楠;三化螟和斑潜蝇发生预测模型研究与应用[D];电子科技大学;2010年
5 尹浩;地中海贫血筛查指标的FTIR/ATR光谱分析方法研究[D];暨南大学;2010年
6 高宏岩;融合移动信号流的高速公路交通拥挤预警与调控[D];山东科技大学;2011年
7 陈为真;大型结构振动信号处理与模态参数识别研究[D];华中科技大学;2010年
8 张瑞;不常用备件需求预测模型与方法研究[D];华中科技大学;2011年
9 陈玲;风电场风速和风功率预测方法研究[D];武汉大学;2012年
10 颜辉;植物油的亚油酸、亚麻酸红外光谱融合和模型优化方法的研究[D];江苏大学;2010年
中国硕士学位论文全文数据库 前10条
1 高瞻;基于光谱分析的农田土壤水分与养分测定方法研究[D];西北农林科技大学;2013年
2 张翼飞;三种呼吸道传染病发病情况时间序列预测研究[D];第三军医大学;2008年
3 邹强;基于高光谱图像技术的番茄叶片和植株抗氧化酶系统活性测定研究[D];浙江大学;2012年
4 林溯;ε-支持向量回归在时间序列型数据预测上的应用[D];四川大学;2007年
5 田妮莉;基于小波和FIR神经网络的流量预测模型研究[D];华中科技大学;2007年
6 李俊;基于支持向量机的船舶交通事故预测研究[D];武汉理工大学;2008年
7 陈蓉;话务量分析和多种预测模型的比较研究[D];北京邮电大学;2008年
8 杜贤利;基于最小二乘小波支持向量机的股票期货市场预测[D];江苏大学;2008年
9 高峰;基于灰色理论的潜油电泵振动状态预测研究[D];北京化工大学;2010年
10 魏伟;智能型河北电网日负荷预测系统的研究和应用[D];华北电力大学(河北);2003年
中国重要报纸全文数据库 前10条
1 本报记者 张超;预测模型:推算SARS起落潮[N];科技日报;2003年
2 刘庆;“预测模型”要缓行[N];网络世界;2006年
3 海通期货研究所;沪深300行业指数β系数预测模型之比较[N];期货日报;2009年
4 王雪飞;儿童多动症有了疗效预测模型[N];健康报;2006年
5 本报记者 段佳;机器“品肉师”替您“尝鲜”[N];大众科技报;2010年
6 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
7 国联基金管理有限公司 俞文冰;数据挖掘在投资中的应用[N];上海证券报;2006年
8 国联基金管理有限公司 俞文冰;以数据挖掘为基础建立投资组合[N];中国证券报;2006年
9 本报记者 谢飞;行业预测模型试水 数量化投资武装基金业[N];21世纪经济报道;2004年
10 杜鹏徐泽平;封闭式基金无风险套利新模式[N];中国证券报;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978