邢华铭
摘 要:随着经济的发展,我国的科学技术水平也取得了長足的发展,因此在现代化的农业发展中,科学技术越来越发挥着重要的作用,尤其是在红外光谱技术,其在现阶段的土地土壤的具体成分,以及涉及到的具体的参数分析研究中,可以精确的计算出研究对象的实际含水量、颗粒成分等情况,促进了我国农业产业的现代化发展。基于此,本文对该种方法具体应用时的方法,以及传感技术进行了分析。
关键词:土壤;光谱;检测;传感
中图分类号:P182.3+1 文献标识码:A DOI:10.11974/nyyjs.20171232015
目前,我国农业的发展趋势是逐步向着精细化的方向发展,以此来提高农产品的质量和产量,促进农业资源的合理配置。在进行农作物种植时,需要根据土壤条件,以及作物的生长需要,及时进行施肥、灌溉处理。但是这两项工作开展的质量,易受到具体土壤环境的影响,因此需要对其土壤的成分情况,以及肥力参数情况,应用近红外光谱分析技术进行研究。同时,还需要借助于光谱分析传感器,对土壤条件,做进一步的详细研究。
1 土壤光谱分析的快速检测方法研究
该种检测技术,在国内外均有着广泛的研究,且已经显著的发展成果。国外的研究,始于20世纪80年代,研究人员多应用了多元回归线性算法,进行了建模,以此来对获得的数据进行计算。在该时期的研究中,对于土壤含有的肥力情况未进行实时测量。而后,研究人员将土壤的成分、理化特性、营养成分等情况使用上述方法进行了研究。在20世纪90年代,科研人员研究出了应用化学计量学,这一新的算法来进行数据计算,为光谱测量出的相关数据的精确计算提供了巨大的帮助。美国农业部也在同一时期,开始进行了土壤中含有的营养成分的光谱快速检测,以及传感技术的研究,在具体的检测中,研究人员选取了土壤样本,应用光谱仪进行了测量,对其中含有的有机质的具体质量,构建了PLS预测模型。该模型中,包含着较多的光谱数据,因此在实验室中,可以实现快速的数据测量。此外,其根据研究的数据结果,进行了有机质含量的传感器研制。
我国从20世纪90年代开始了该项内容的研究。其中于飞建、闵顺耕等人,应用了光谱分析技术,对样本土壤中含有的有机质、全氮含量数据进行了分析,并使用了PLS算法,进行了模型的构建。之后的沙晋明、陈鹏飞等人,继续对土壤中的有机质含量,与光谱值之间的关系,以及含氮、磷的含量,进行了研究,对于建模的结果进行了明确的处理。而李小昱等人,对于土壤中的情况,使用傅里叶变换光谱仪进行了光谱的测量,之后应用了PLS分析算法, 建立了含水量的分析模型,对于农田灌溉工作进行了用水量的把握。此外,浙江大学的何勇等人,对于土壤信息的研究中,除了采用了上述的实验室检测方法以外,还借助了具有着近地遥感功能的分析仪,对有关于土壤含水量、有机质含量、营养成分含量、田间温度与肥力的实时测量工作,进行了详细的算法、建模分析,最终获得结果精确度极高。李民赞等人,基于农业的精细化发展的需要,对于土壤参数,以及所包含的氮磷钾肥力的成分,应用光谱分析技术进行了分析。该团队根据获得的数据,进行了分析,以此研发出了土壤有机质、全氮含量的实时分析的仪器,进一步便捷了田间土壤实时数据测量结果的精准性。在该内容的研究中,土壤中的含水情况,以及具体颗粒,会对其他的光谱分析模型分析的数据结果,有着一定的影响。因此这是目前基于光谱分析法,测量土壤相关信息的一项重要的研究工作。根据该问题研究的现状可知,其使用的是小波包分析法。对于土壤的光谱曲线,进行了结点的分解处理,将分析中,处于最高、低频的结点,记录下来,以此形成该曲线变化图。对结果进行分析可知,含水率会引起该曲线的总体变化,土壤颗粒,会造成其具体结点的高低变化。将最高、最低频去掉,即可在降低这两方面因素影响的前提下,获取精准的结果。综上所述,在对该内容的研究中,基于光谱技术的土壤分析仪、算法,对于土壤相关的成分分析,以及实时情况的分析中,结果较为理想,满足了精细化农业肥力提高,以及水利供给的需要[1]。
2 土壤光谱传感技术的研究
在对土壤的各项条件,进行实时的测量时,需要借助于传感技术进行数据的获取,因此基于光谱的实时数据传感器的研究,经过了便携式、车载式的广泛发展,使得土壤的施肥配比、参数测量逐步从实验室,走向了田间地里,使得数据结果可以更好的为土壤的精细化耕作服务。在目前的研究中,车载式在线光谱仪,其可以对土壤中的参数信息,实现精准的分析。因此需要将在线土壤光谱分析仪不断在精细化农业生产中,进行宣传和普及。同时,在传感技术的研究中,目前也对含有着多项功能的土壤在线检测系统,进行了相应的研发,针对以往检测中的一些无法精确计算的问题,其可以通过机械特性分析,以及介电特性分析,实现优势互补,最终获得具有着较高精度的数据。
3 结束语
对于土壤的成分、参数,除了可以使用光谱测量方法、传感技术,进行分析,还可以使用目前极为先进的光声光谱分析技术、THZ技术,做以研究。
参考文献
[1]周萍.高光谱土壤成分信息的量化反演[D].北京:中国地质大学,2006.