在農(nóng)業(yè)生產(chǎn)中，氮素是農(nóng)作物生長、產(chǎn)量和品質(zhì)形成所必需的元素，也是最難有效管理的植物營養(yǎng)元素。如果管理不當(dāng)，其對環(huán)境、產(chǎn)品品質(zhì)以及人類健康將產(chǎn)生諸多不利影響。土壤全氮是表征土壤基礎(chǔ)肥力的一個重要指標(biāo)，若其含量過低，勢必影響作物的生長發(fā)育，造成糧食產(chǎn)量的下降；若其含量過高，多余的氮素可能流失造成地表水富營養(yǎng)化，也可能在下滲水流的作用下滲透到地下水層，造成地下水污染。為了保證土壤的健康，提高土壤的生產(chǎn)效率，對土壤全氮進(jìn)行檢測就顯得很有必要。目前的檢測方式主要以化學(xué)方法為主，不僅費時、費力，實時性差，內(nèi)部組織成分的測定需依靠破壞性檢測方法而且受人工影響很大，這嚴(yán)重影響了對土壤全氮含量進(jìn)行無損、準(zhǔn)確的檢測。那么，尋找一種準(zhǔn)確、方便的檢測方法顯得尤為重要，而集圖像和光譜于一身的高光譜圖像檢測技術(shù)無疑是一個很好的選擇。

*高光譜圖像是一系列光波波長處的光學(xué)圖像，比多光譜圖像的光譜分辨率更高，通常可達(dá)2~3nm。其測量光譜范圍可在紫外、可見光和近紅外區(qū)域叫。高光譜圖像數(shù)據(jù)是三維的，有時稱為圖像塊。其中的二維是圖像像素的橫縱坐標(biāo)信息(以坐標(biāo)x和y表示),第三維是波長信息(以λ表示)12。因此，高光譜圖像技術(shù)結(jié)合了光譜技術(shù)與計算機圖像技術(shù)兩者的優(yōu)點。光譜技術(shù)能檢測待測物物理結(jié)構(gòu)、成分組成等內(nèi)部品質(zhì)信息，計算機視覺技術(shù)又能全面反映待測物的外在特征，所以高光譜圖像能反映待測物的綜合品質(zhì)。近年來，高光譜圖像技術(shù)已經(jīng)應(yīng)用于家禽肉表面污染檢測3,豬、牛肉的品質(zhì)檢測451,水果和蔬菜6-10的品質(zhì)分級研究。該技術(shù)在土壤中礦物成分定量鑒別、土壤含水率、土壤有機質(zhì)等方面也有了一定的研究。但是，基于高光譜圖像技術(shù)的土壤全氮檢測方法在我國鮮有報道。本文提出采用高光譜圖像技術(shù)檢測土壤全氮含量，并比較分析了土壤粒度對模型的影響，可為便攜式儀器的開發(fā)提供技術(shù)支撐。

高光譜圖像技術(shù)檢測土壤全氮含量的研究

本研究應(yīng)用了400-1000nm的高光譜相機，可采用廣東賽斯拜克SineSpec科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。光譜范圍在400-1000nm，波長分辨率優(yōu)于2.5nm，可達(dá)1200個光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

1 材料與方法

1.1土樣采集與處理

試驗材料選用湖北潮土，供試土樣來源于湖北省農(nóng)科院試驗田。所有土壤樣品采樣深度均為0~20cm。樣品經(jīng)風(fēng)干、去雜、研磨后，依次通過5mm、2mm、1mm、

0.5mm、0.25mm標(biāo)準(zhǔn)篩，得到5種不同粒度的土壤樣本

(5~2,2~1,1~0.5,0.5~0.25,<0.25mm),每種粒度下有55個樣本。采用四分法取樣，一式兩份，一份用于土壤全氮含量的測定，另一份用于土壤高光譜圖像的采集。

1.2高光譜圖像采集系統(tǒng)

試驗采用高光譜圖像采集系統(tǒng)，該系統(tǒng)主要由1臺帶有電子倍增電荷耦合器件(EMCCD:Andor Technology

Inc.,USA)的成像光譜儀(VNIR Concentric, Headwallphotonics, USA)、1個35mm鏡頭、1套高光譜自動掃描移動平臺、1個25μm狹縫、以及1臺計算機等組成。高光譜圖像采集系統(tǒng)由基于LabVIEW開發(fā)環(huán)境的Software Development Kits(SDKs)平臺進(jìn)行控制。該平臺能實現(xiàn)成像光譜儀參數(shù)的調(diào)節(jié)、移動平臺位置的控制以及高光譜數(shù)據(jù)的采集。

1.3土壤全氮含量的測定

采用凱式定氮法(GB/T 5009.5-2010)。在有催化劑的條件下，用濃硫酸消化樣品將有機氮都轉(zhuǎn)變成無機銨鹽，然后在堿性條件下將銨鹽轉(zhuǎn)化為氨，隨水蒸氣餾出并為過量的酸液吸收，再以標(biāo)準(zhǔn)堿滴定，計算出土壤全氮含量。

1.4數(shù)據(jù)處理

1.4.1圖像的標(biāo)定

由于高光譜圖像各波段下的光源強度分布不均勻，以及攝像頭中的暗電流的存在和土壤形狀不平整，導(dǎo)致光強分布較弱的波段下的圖像噪聲較大，因此必須對圖像進(jìn)行校正，以消除噪聲和暗電流對圖像的影響。

1.4.2光譜的提取及預(yù)處理

高光譜圖像中每一個像素點都對應(yīng)一條光譜。選取土樣感興趣區(qū)域，計算該區(qū)域內(nèi)所有像素點所對應(yīng)光譜的平均值，作為土壤樣品的光譜。

提取出來的原始光譜信號是由散布在一定時間、波長范圍或距離(空間)內(nèi)的一系列數(shù)據(jù)組成，其不僅包含物質(zhì)化學(xué)結(jié)構(gòu)等相關(guān)信息，還包括其它噪聲信號，所以必須對土壤光譜進(jìn)行預(yù)處理。本文采用平滑(Smoothing)、正交信號校正(OSC)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、標(biāo)準(zhǔn)化(Autoscale)、均值中心化(Mean center)、歸一化(Normalize)、一階導(dǎo)數(shù)+平滑(1stDer+Smoothing)、標(biāo)準(zhǔn)正態(tài)變換變換+去除趨勢(SNV +Detrend)等預(yù)處理方法對光譜進(jìn)行預(yù)處理。

1.5建模方法及評價

1.5.1 偏最小二乘法(RLS)

偏最小二乘法(PLS)利用主成分分析，將吸光度矩陣和濃度矩陣先分別分解為特征向量和載荷向量，用交互校驗法確定最佳主成分?jǐn)?shù)，然后建立吸光度矩陣與濃度矩陣的數(shù)學(xué)模型，是目前NIRS定量分析中應(yīng)用最多的一種多元校正方法112-14。

1.5.2 主成分分析支持向量機(RCA SMM

支持向量機(SVM)是一種基于統(tǒng)計學(xué)習(xí)理論的新型學(xué)習(xí)機器[15]。其基本思路就是把訓(xùn)練集運用Mercer核展開定理，通過非線性映射到一個高維特征空間(維數(shù)可以無限大),然后在此特征空間中應(yīng)用線性學(xué)習(xí)機的方法解決空間中的高度非線性分類和回歸等問題。此方法在模式識別方面已經(jīng)廣泛應(yīng)用。

SVM在計算過程中，輸入變量之間的線性相關(guān)性影響模型的精度和泛化能力。而主成分分析(PCA)特征提取方法能夠有效處理變量之間的共線性問題，減少輸入變量維數(shù)。因此，將PCA提取的主成分作為SVM模型的輸入，就可以解決單獨使用SVM時模型精度和耗時等問題。這種基于PCA-SVM的軟測量建模方法，這樣不僅利用了PCA的特征提取能力，還有著SVM的良好的非線性函數(shù)逼近能力。

1.5.3 模型的評價

模型預(yù)測能力和穩(wěn)定性由相關(guān)系數(shù)R2和預(yù)測標(biāo)準(zhǔn)差RMSECP2個參數(shù)進(jìn)行評價。好的模型應(yīng)當(dāng)具備相關(guān)系數(shù)高和預(yù)測標(biāo)準(zhǔn)差RMSECP低的特點。

2 結(jié)果與分析

2.1不同粒度下土壤光譜分析

同一全氮含量下的5個粒度的土樣反射光譜如圖1所示。從上到下依次為粒度在<0.25mm、5-2mm、2-1mm、

1-0.5mm、0.5-0.25mm下的反射光譜。從圖中看出，5種粒度土壤反射光譜形狀大致相同，但粒度在<0.25mm下的光譜波動較大，在700-1000nm波段內(nèi)反射率始終高于其它粒度下光譜反射率，粒度在5-2mm下的光譜次之。這可能是粒度的大小對光程及散射問題造成的影響引起的。從圖中還可以看出在500nm以下和900nm以上的光譜曲線噪聲明顯。因此，在后續(xù)的數(shù)據(jù)處理過程中，選取500-900nm范圍內(nèi)的光譜數(shù)據(jù)進(jìn)行分析。

2.2土壤粒度對全氮含量預(yù)測的影響

選取粒度為5-2mm、2-1mm、1~0.5mm、

0.5mm~0.25mm、<0.25mm各37個土壤樣品作為建模集，18個作為預(yù)測集，建立土壤全氮含量預(yù)測模型。對5種不同粒度土樣光譜分別進(jìn)行平滑(Smoothing)、正交信號校正(OSC)、標(biāo)準(zhǔn)正態(tài)變量變換(SNV)、標(biāo)準(zhǔn)化(Autoscale)、標(biāo)準(zhǔn)正態(tài)變換變換+去除趨勢(SNV +Detrend)最優(yōu)預(yù)處理，采用偏最小二乘法建立土壤全氮含量預(yù)測模型，結(jié)果如表1所示。

從表1可以看出不同粒度的土壤樣品所建立的預(yù)測模型，其預(yù)測結(jié)果具有一定的差異。相關(guān)系數(shù)與粒度大小的關(guān)系如圖2所示。

從表1和圖2可以看出，粒度的大小與模型預(yù)測結(jié)果的相關(guān)系數(shù)呈梯形，當(dāng)土壤樣品粒度為5~2mm和

<0.25mm時，相關(guān)系數(shù)R2偏低，預(yù)測標(biāo)準(zhǔn)差RMSECP偏高。這說明土壤樣品粒度過大或者過小都會影響預(yù)測模型的準(zhǔn)確性。土壤樣品粒度在2~0.25mm范圍內(nèi)時，所得模型預(yù)測效果較好，尤其粒度在1~0.5mm范圍內(nèi)時，所建模型預(yù)測結(jié)果最優(yōu)，其相關(guān)系數(shù)R2和RMSECP

分別為0.8445和0.0115。

2.3土壤全氮含量預(yù)測模型的建立

為提高模型的適用性，降低土壤粒度對模型精度的影響，將5種不同粒度的土壤共275個樣本混在一起建立模型，從5種不同粒度土壤中各抽取18個共90個樣本作為預(yù)測集。對土壤樣品光譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化(Autoscale)預(yù)處理，分別采用偏最小二乘法(PLS)和主成分分析支持向量機(PCA-SVM)建立土壤全氮含量預(yù)測模型。其模型結(jié)果分別如圖3和圖4所示。

從圖3和圖4可以看出，采用偏最小二乘法(PLS)所建立模型的相關(guān)系數(shù)R2為0.7723,預(yù)測標(biāo)準(zhǔn)差

RMSECP為0.0126;采用主成分分析支持向量機(PCA-SVM)所建立模型的相關(guān)系數(shù)R2為0.8149,預(yù)測標(biāo)準(zhǔn)差RMSECP為0.0103。 從以上結(jié)果得出，對土壤樣品光譜進(jìn)行同樣的預(yù)處理方法，采用PCA-SVM建立的模型優(yōu)于PLS所建立的模型。

3 結(jié)論與討論

該文以湖北潮土為研究對象，研究利用高光譜圖像技術(shù)預(yù)測土壤全氮(TN)含量的方法。結(jié)論如下：

(1)在土壤樣品風(fēng)干的情況下，利用高光譜圖像技

術(shù)建立預(yù)測模型，粒度不同會對模型結(jié)果產(chǎn)生一定的影響。粒度為5~2mm和<0.25mm的土壤樣品建立的預(yù)測模型相關(guān)系數(shù)R2分別為0.7738和0.7708,與其他三種粒度相比偏低，預(yù)測標(biāo)準(zhǔn)差RMSECP分別為0.0171和

0.0131,與其他三種粒度相比偏高，表明土壤粒度過大或過小都會影響預(yù)測模型的準(zhǔn)確性。

(2)采用偏最小二乘建立基于高光譜圖像技術(shù)的土壤全氮含量模型，當(dāng)土壤粒度在2~0.25mm之間時，模型能很好地預(yù)測土壤全氮含量，粒度在1~0.5mm效果最好，其相關(guān)系數(shù)R2和RMSECP分別為0.8445和0.0115。

(3)對土壤樣品光譜進(jìn)行同樣的預(yù)處理方法，采用主成分分析支持向量機(PCA-SVM)所建立的模型優(yōu)于偏最小二乘法(PLS)所建立的模型，其相關(guān)系數(shù)R2為

0.8149,預(yù)測標(biāo)準(zhǔn)差RMSECP為0.0103。

本文僅從湖北部分地區(qū)選擇了潮土進(jìn)行分析得出以上結(jié)果，在后續(xù)的工作中可以考慮從不同地域、不同土壤類型、不同含水率等方面進(jìn)行更進(jìn)一步的研究。同時可以考慮利用高光譜圖像技術(shù)在圖像方面的優(yōu)勢，利用圖像技術(shù)結(jié)合光譜技術(shù)進(jìn)一步提高模型的準(zhǔn)確性。

研究表明，高光譜圖像技術(shù)可以用于檢測土壤全氮含量，具有準(zhǔn)確、快速等優(yōu)點。這為實現(xiàn)精準(zhǔn)農(nóng)業(yè)、提高農(nóng)業(yè)生產(chǎn)效率提供了新的技術(shù)手段。然而，實際應(yīng)用中還需考慮土壤性質(zhì)、環(huán)境因素等影響，因此在實際應(yīng)用中還需進(jìn)一步研究和改進(jìn)。

高光譜圖像技術(shù)在農(nóng)業(yè)中的應(yīng)用還涉及諸多其他方面，例如作物病蟲害檢測、作物生長狀態(tài)評估等。這項技術(shù)有望在精準(zhǔn)農(nóng)業(yè)中發(fā)揮更大的作用，推動農(nóng)業(yè)生產(chǎn)的現(xiàn)代化發(fā)展。