CN101210875A - 基于近红外光谱技术的无损测量土壤养分含量的方法 - Google Patents
基于近红外光谱技术的无损测量土壤养分含量的方法 Download PDFInfo
- Publication number
- CN101210875A CN101210875A CNA2007101648238A CN200710164823A CN101210875A CN 101210875 A CN101210875 A CN 101210875A CN A2007101648238 A CNA2007101648238 A CN A2007101648238A CN 200710164823 A CN200710164823 A CN 200710164823A CN 101210875 A CN101210875 A CN 101210875A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- sample
- nutrient content
- calibration
- regression algorithm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 37
- 235000021049 nutrient content Nutrition 0.000 title claims abstract description 20
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 14
- 238000005516 engineering process Methods 0.000 title description 8
- 238000000691 measurement method Methods 0.000 title 1
- 238000001228 spectrum Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 230000003595 spectral effect Effects 0.000 claims abstract description 9
- 239000000523 sample Substances 0.000 claims description 38
- 239000013074 reference sample Substances 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 7
- 238000004611 spectroscopical analysis Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000010238 partial least squares regression Methods 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 239000012468 concentrated sample Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012628 principal component regression Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 235000015097 nutrients Nutrition 0.000 abstract description 6
- 238000010276 construction Methods 0.000 abstract 4
- 238000013480 data collection Methods 0.000 abstract 1
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 239000013307 optical fiber Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 4
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 239000005416 organic matter Substances 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 239000011574 phosphorus Substances 0.000 description 4
- 239000011591 potassium Substances 0.000 description 4
- 229910052700 potassium Inorganic materials 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013211 curve analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004497 NIR spectroscopy Methods 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于近红外光谱技术的无损测量土壤养分含量的方法。土壤养分含量的检测包括建立校正模型和未知样品的测定两个阶段。首先要建立校正模型,必须收集不同土壤类型的样本作为校正样本集,并扫描得到校正样本集的近红外光谱,对得到的光谱数据进行光谱预处理。然后采用国标法测量建模样本的养分含量作为标准含量。采用多元校正算法建立建模样本的近红外光谱与它们的养分标准含量之间的定量关系,即建立了校正模型。对于待检测的土壤样本,只要扫描它们的近红外光谱图,并把经过相应光谱预处理的光谱数据输入到校正模型,经过校正模型的测定即得到了该土壤各养分含量。整个过程在计算机的控制下,实现数据的采集、存储、显示和处理功能。
Description
技术领域
本发明涉及一种基于近红外光谱技术的无损测量土壤养分含量的方法。
背景技术
掌握农田土壤的养分分布,对指导农业生产具有重要意义。特别是土壤养分参数(主要为氮、磷、钾及有机质含量),它反映了土壤供给作物生长的能力,是土壤肥力的重要指标。传统的土壤养分测试方法耗时、费工、有害或有污染,而且很难在田间直接测定。土壤光谱反射特性是土壤基本性质之一,与土壤理化性质有密切的关系。这种关系是土壤遥感技术的物理基础,而且也为研究土壤本身的属性提供了一个新途径。近红外光谱法因其快速、简便、低成本、非破坏性和多组分同时测定等优点受到人们的重视。近红外光谱分析技术是随着计算机技术的发展而发展起来的一种高新分析技术,具有(1)简单,无繁琐的前处理和化学反应过程;(2)快速,大大缩短检测时间;(3)高效,可同时完成多个样品不同化学指标的检测;(4)环保,检测过程无污染;(5)节省检测成本等优点,正得到越来越多的应用并成为发展最快的分析测试技术之一。
发明内容
本发明的目的是提供了一种基于近红外光谱技术的无损测量土壤养分含量的方法,采用近红外光谱技术,与传统的土壤养分测试手段相比,快速、省时省力。
本发明采用的技术方案的步骤如下:
1)标准或参考样品光谱集的建立;首先要针对不同土壤类型的样本建立校正样本集,然后对校正样本集中的样本进行光谱扫描得到校正样本标准光谱;同一样品需多次重复测量,以平均光谱近似作为该样品标准光谱;
2)光谱的校正与预处理;获得样本光谱后的第一步是对样本光谱进行校正和预处理,采用平滑、中心化、导数、归一化光谱预处理方法。
3)对于预处理后的光谱数据和参考样本的标准测量值通过多元回归算法来建立校正模型,现代的多元回归算法包括多元线性回归算法和多元非线性回归算法。
4)未知样品土壤养分含量测定;首先扫描待测量样本获取它们的光谱,获取它们的光谱时所采用的测量方法,必须同获取参考样本光谱时所采用的测量方法保持一致,采样方法、分辩率、扫描间隔或扫描时间测量参数,应该保持一致;把未知品种样本的光谱经光谱校正及预处理后,把光谱的特征送入校正模型即可测定未知样品的养分含量。
所述的多元线性回归算法为偏最小二乘回归法、主成分回归或逐步回归。
所述的多元非线性回归算法为人工神经网络或支持向量机。
与背景技术相比,本发明具有的有益效果是:
1)简单,无繁琐的前处理和化学反应过程;个样
2)快速,大大缩短检测时间;
3)高效,可同时完成多个样品不同化学指标的检测;
4)环保,检测过程无污染;
5)节省检测成本等优点,正得到越来越多的应用并成为发展最快的分析测试技术之一。
附图说明
附图是基于近红外光谱技术的无损测量土壤养分含量的方法的原理框图。
具体实施方式
如附图所示,该附图表明了本发明的整个实施过程。首先光谱数据由数据采集装置获得。采集装置包括近红外光谱仪、光谱仪配套的光纤、计算机、标准校正板、电源等组成。该光谱仪波长为800~2500nm,测量时用数据线将光谱仪与PC电脑相连,样品置于培养皿中,将光纤从光谱仪中引出,并固定于一支架上,分别对光纤距培养皿3mm左右(光纤头向下)和光纤向上照进行了研究(光纤穿过培养皿检测土壤养分特性)。待光谱数据采集完毕,用光谱专用分析软件ASD ViewSpec Pro V2.14和Unscramble V9.6进行数据处理分析。
然后要建立校正模型。在建立校正模型阶段,必须收集较多不同土壤类型的样本作为校正样本集,并扫描得到校正样本集的近红外光谱(800~2500nm),对得到的光谱数据进行光谱预处理,消除系统噪声和干扰。采用国标测量建模样本的土壤养分含量(氮、磷、钾及有机质含量)作为标准含量。采用多元校正算法如:偏最小二乘回归、多元线形回归、神经网络、支持向量机等建立建模样本的近红外光谱与它们的标准含量之间的定量关系,即建立了校正模型。光谱的数据一般都有数百到数千个数据点,所有的数据都用来建立模型往往导致模型学习时间长,模型结构复杂等问题。所以选择特征波段是非常重要的,常用的方法是逐步回归的方法来寻找特征波段,或者是回归曲线分析的方法来实现。对于待检测的土壤样本,只要扫描它们的近红外光谱图,并把经过相应预处理的光谱数据输入到校正模型,经过校正模型的测定即得到了该待测土壤的养分含量。
近红外测量土壤养分含量(氮、磷、钾及有机质含量)的方法可以具体分为以下几个步骤:
①标准或参考样品光谱集的建立;②光谱校正及预处理;③光谱特征的提取,校正模型的建立;④未知样本的土壤含量测定。
①标准或参考样品光谱集的建立;首先要针对不同土壤类型的样本建立校正样本集。然后对校正样本集中的样本进行光谱扫描得到校正样本标准光谱;一般同一样品需多次重复测量,以平均光谱近似作为该样品标准光谱。
②光谱的校正与预处理;获得样本光谱后的第一步是对样本光谱进行校正和预处理。光谱校正的作用是光谱图的规范化、抵消背景干扰及提高光谱的质量。这里采用平滑、中心化、导数、归一化等光谱预处理方法。采用何种校正方法要依光谱的质量及干扰的情况来选择,预处理也可以把原来隐藏的信号差异放大出来,提高光谱的分辨率,使光谱信息更加直观、可靠。
③对于预处理后的光谱数据和参考样本的标准测量值可以通过多元回归算法来建立校正模型。现代的多元回归算法包括多元线性回归算法和多元非线性回归算法。多元线性回归算法如:偏最小二乘回归法,主成分回归,逐步回归等。多元非线性回归算法如:人工神经网络,支持向量机等,尤其是多元非线性回归算法可以针对农田信息普遍存在的非线性现象进行拟合,并建立非线性回归。光谱的数据一般都有数百到数千个数据点,所有的数据都用来建立模型往往导致模型学习时间长,模型结构复杂等问题。所以选择特征波段是非常重要的,常用的方法是逐步回归的方法来寻找特征波段,或者是回归曲线分析的方法来实现。
④未知样品土壤养分含量测定;首先扫描待测量样本获取它们的光谱,获取它们的光谱时所采用的测量方法,必须同获取参考样本光谱时所采用的测量方法保持一致,比如采样方法、分辩率、扫描间隔或扫描时间等测量参数应保持一致。把未知品种样本的光谱经光谱校正及预处理后,把光谱的特征参数送入校正模型即可测定未知样品的养分含量。
所以本方法只要在有代表性的土壤样本的基础上建立校正模型就可以实现对未知土壤样本含量(氮、磷、钾及有机质含量)的无损、实时的测定。
Claims (3)
1.一种基于近红外光谱技术的无损测量土壤养分含量的方法,其特征在于该方法的步骤如下:
1)标准或参考样品光谱集的建立;首先要针对不同土壤类型的样本建立校正样本集,然后对校正样本集中的样本进行光谱扫描得到校正样本标准光谱;同一样品需多次重复测量,以平均光谱近似作为该样品标准光谱;
2)光谱的校正与预处理;获得样本光谱后的第一步是对样本光谱进行校正和预处理,采用平滑、中心化、导数、归一化光谱预处理方法。
3)对于预处理后的光谱数据和参考样本的标准测量值通过多元回归算法来建立校正模型,现代的多元回归算法包括多元线性回归算法和多元非线性回归算法。
4)未知样品土壤养分含量测定;首先扫描待测量样本获取它们的光谱,获取它们的光谱时所采用的测量方法,必须同获取参考样本光谱时所采用的测量方法保持一致,采样方法、分辩率、扫描间隔或扫描时间测量参数,应该保持一致;把未知品种样本的光谱经光谱校正及预处理后,把光谱的特征送入校正模型即可测定未知样品的养分含量。
2.根据权利要求1所述的一种基于近红外光谱技术的无损测量土壤养分含量的方法,其特征在于:所述的多元线性回归算法为偏最小二乘回归法、主成分回归或逐步回归。
3.根据权利要求1所述的一种基于近红外光谱技术的无损测量土壤养分含量的方法,其特征在于:所述的多元非线性回归算法为人工神经网络或支持向量机。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101648238A CN101210875A (zh) | 2007-12-25 | 2007-12-25 | 基于近红外光谱技术的无损测量土壤养分含量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNA2007101648238A CN101210875A (zh) | 2007-12-25 | 2007-12-25 | 基于近红外光谱技术的无损测量土壤养分含量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101210875A true CN101210875A (zh) | 2008-07-02 |
Family
ID=39611046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007101648238A Pending CN101210875A (zh) | 2007-12-25 | 2007-12-25 | 基于近红外光谱技术的无损测量土壤养分含量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101210875A (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975764A (zh) * | 2010-09-29 | 2011-02-16 | 中国农业大学 | 基于近红外光谱技术的多波段土壤氮素检测装置和方法 |
CN102087142B (zh) * | 2010-02-02 | 2012-07-18 | 杭州远方光电信息股份有限公司 | 一种光谱测量方法 |
CN102749290A (zh) * | 2012-07-02 | 2012-10-24 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
CN102798607A (zh) * | 2012-08-13 | 2012-11-28 | 浙江大学 | 一种利用中红外光谱技术估测土壤有机碳含量的方法 |
CN102798614A (zh) * | 2012-08-13 | 2012-11-28 | 浙江大学 | 一种土壤总含钾量检测装置以及方法 |
CN102830071A (zh) * | 2012-08-13 | 2012-12-19 | 浙江大学 | 一种土壤总含磷量检测装置以及方法 |
CN103076309A (zh) * | 2012-12-20 | 2013-05-01 | 北京农业信息技术研究中心 | 一种土壤表面氮元素分布的快速测量方法和系统 |
CN103091276A (zh) * | 2011-11-03 | 2013-05-08 | 中国科学院合肥物质科学研究院 | 土壤养分传感器 |
CN103134770A (zh) * | 2013-02-01 | 2013-06-05 | 中国农业大学 | 消除水分对近红外光谱检测土壤全氮含量影响的方法 |
CN104778349A (zh) * | 2015-03-26 | 2015-07-15 | 浙江大学 | 一种用于水稻表土氮肥施用等级评定方法 |
CN105158201A (zh) * | 2015-07-27 | 2015-12-16 | 南京财经大学 | 一种基于ft-nir技术的糙米中黄曲霉毒素含量的快速检测方法 |
CN105223141A (zh) * | 2015-11-03 | 2016-01-06 | 塔里木大学 | 土壤中钙离子的检测方法 |
CN105259121A (zh) * | 2015-11-03 | 2016-01-20 | 塔里木大学 | 土壤中镁离子的检测方法 |
CN105300894A (zh) * | 2015-11-03 | 2016-02-03 | 塔里木大学 | 土壤中氯离子的检测方法 |
CN105319165A (zh) * | 2015-11-03 | 2016-02-10 | 塔里木大学 | 土壤中硫酸根离子的检测方法 |
CN105424621A (zh) * | 2015-11-03 | 2016-03-23 | 塔里木大学 | 土壤中重碳酸根离子的检测方法 |
CN105606538A (zh) * | 2015-11-03 | 2016-05-25 | 塔里木大学 | 土壤中钠离子的检测方法 |
CN106226267A (zh) * | 2016-08-31 | 2016-12-14 | 晨光生物科技集团股份有限公司 | 一种辣椒干色价的近红外测定方法 |
CN106248631A (zh) * | 2016-09-18 | 2016-12-21 | 安徽农业大学 | 一种基于光谱反射率的土壤耕层养分动态测试系统及方法 |
CN106442400A (zh) * | 2016-10-31 | 2017-02-22 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱快速判定不同土壤类型茶鲜叶的方法 |
CN106644978A (zh) * | 2016-11-16 | 2017-05-10 | 山东省科学院海洋仪器仪表研究所 | 可判定精度的基于光谱特征波长分析土壤养分含量检测法 |
CN107192671A (zh) * | 2017-03-28 | 2017-09-22 | 中国科学院南京土壤研究所 | 一种基于光谱曲面匹配的土壤类型识别方法 |
CN109342260A (zh) * | 2018-12-19 | 2019-02-15 | 浙江大学 | 一种土壤水分检测系统及其检测方法 |
CN110146321A (zh) * | 2018-08-16 | 2019-08-20 | 浙江大学山东工业技术研究院 | 土壤养分定位测试分析仪器 |
RU2698954C1 (ru) * | 2018-07-31 | 2019-09-02 | федеральное государственное бюджетное образовательное учреждение высшего образования "Самарский государственный технический университет" | Способ количественного определения гумуса |
CN110672702A (zh) * | 2019-10-21 | 2020-01-10 | 商洛学院 | 土壤成分检测建模与分析系统 |
CN110793922A (zh) * | 2019-10-31 | 2020-02-14 | 北京绿土科技有限公司 | 一种基于手机的土壤光谱数据采集方法 |
CN113029974A (zh) * | 2021-03-08 | 2021-06-25 | 中国农业大学 | 一种基于漫反射光谱的剖面土壤养分检测方法及装置 |
CN113588572A (zh) * | 2021-08-04 | 2021-11-02 | 广州市华南自然资源科学技术研究院 | 一种农田重金属在线检测校正模型智能管理系统 |
-
2007
- 2007-12-25 CN CNA2007101648238A patent/CN101210875A/zh active Pending
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087142B (zh) * | 2010-02-02 | 2012-07-18 | 杭州远方光电信息股份有限公司 | 一种光谱测量方法 |
CN101975764A (zh) * | 2010-09-29 | 2011-02-16 | 中国农业大学 | 基于近红外光谱技术的多波段土壤氮素检测装置和方法 |
CN101975764B (zh) * | 2010-09-29 | 2013-01-30 | 中国农业大学 | 基于近红外光谱技术的多波段土壤氮素检测装置和方法 |
CN103091276A (zh) * | 2011-11-03 | 2013-05-08 | 中国科学院合肥物质科学研究院 | 土壤养分传感器 |
CN103091276B (zh) * | 2011-11-03 | 2015-01-21 | 中国科学院合肥物质科学研究院 | 土壤养分传感器 |
CN102749290A (zh) * | 2012-07-02 | 2012-10-24 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
CN102749290B (zh) * | 2012-07-02 | 2014-12-03 | 浙江大学 | 一种樱桃树冠层树枝生长状态的检测方法 |
CN102798614A (zh) * | 2012-08-13 | 2012-11-28 | 浙江大学 | 一种土壤总含钾量检测装置以及方法 |
CN102830071A (zh) * | 2012-08-13 | 2012-12-19 | 浙江大学 | 一种土壤总含磷量检测装置以及方法 |
CN102830071B (zh) * | 2012-08-13 | 2015-01-21 | 浙江大学 | 一种土壤总含磷量检测装置以及方法 |
CN102798607A (zh) * | 2012-08-13 | 2012-11-28 | 浙江大学 | 一种利用中红外光谱技术估测土壤有机碳含量的方法 |
CN103076309A (zh) * | 2012-12-20 | 2013-05-01 | 北京农业信息技术研究中心 | 一种土壤表面氮元素分布的快速测量方法和系统 |
CN103076309B (zh) * | 2012-12-20 | 2014-12-17 | 北京农业信息技术研究中心 | 一种土壤表面氮元素分布的快速测量方法和系统 |
CN103134770A (zh) * | 2013-02-01 | 2013-06-05 | 中国农业大学 | 消除水分对近红外光谱检测土壤全氮含量影响的方法 |
CN103134770B (zh) * | 2013-02-01 | 2015-11-25 | 中国农业大学 | 消除水分对近红外光谱检测土壤全氮含量影响的方法 |
CN104778349A (zh) * | 2015-03-26 | 2015-07-15 | 浙江大学 | 一种用于水稻表土氮肥施用等级评定方法 |
CN104778349B (zh) * | 2015-03-26 | 2017-11-10 | 浙江大学 | 一种用于水稻表土氮肥施用等级评定方法 |
CN105158201A (zh) * | 2015-07-27 | 2015-12-16 | 南京财经大学 | 一种基于ft-nir技术的糙米中黄曲霉毒素含量的快速检测方法 |
CN105319165A (zh) * | 2015-11-03 | 2016-02-10 | 塔里木大学 | 土壤中硫酸根离子的检测方法 |
CN105259121A (zh) * | 2015-11-03 | 2016-01-20 | 塔里木大学 | 土壤中镁离子的检测方法 |
CN105424621A (zh) * | 2015-11-03 | 2016-03-23 | 塔里木大学 | 土壤中重碳酸根离子的检测方法 |
CN105606538A (zh) * | 2015-11-03 | 2016-05-25 | 塔里木大学 | 土壤中钠离子的检测方法 |
CN105300894A (zh) * | 2015-11-03 | 2016-02-03 | 塔里木大学 | 土壤中氯离子的检测方法 |
CN105223141A (zh) * | 2015-11-03 | 2016-01-06 | 塔里木大学 | 土壤中钙离子的检测方法 |
CN106226267B (zh) * | 2016-08-31 | 2017-08-04 | 晨光生物科技集团股份有限公司 | 一种辣椒干色价的近红外测定方法 |
CN106226267A (zh) * | 2016-08-31 | 2016-12-14 | 晨光生物科技集团股份有限公司 | 一种辣椒干色价的近红外测定方法 |
CN106248631A (zh) * | 2016-09-18 | 2016-12-21 | 安徽农业大学 | 一种基于光谱反射率的土壤耕层养分动态测试系统及方法 |
CN106248631B (zh) * | 2016-09-18 | 2023-05-05 | 安徽农业大学 | 一种基于光谱反射率的土壤耕层养分动态测试系统及方法 |
CN106442400A (zh) * | 2016-10-31 | 2017-02-22 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱快速判定不同土壤类型茶鲜叶的方法 |
CN106442400B (zh) * | 2016-10-31 | 2019-06-14 | 湖北省农业科学院果树茶叶研究所 | 一种近红外光谱快速判定不同土壤类型茶鲜叶的方法 |
CN106644978A (zh) * | 2016-11-16 | 2017-05-10 | 山东省科学院海洋仪器仪表研究所 | 可判定精度的基于光谱特征波长分析土壤养分含量检测法 |
CN107192671A (zh) * | 2017-03-28 | 2017-09-22 | 中国科学院南京土壤研究所 | 一种基于光谱曲面匹配的土壤类型识别方法 |
CN107192671B (zh) * | 2017-03-28 | 2018-09-18 | 中国科学院南京土壤研究所 | 一种基于光谱曲面匹配的土壤类型识别方法 |
RU2698954C1 (ru) * | 2018-07-31 | 2019-09-02 | федеральное государственное бюджетное образовательное учреждение высшего образования "Самарский государственный технический университет" | Способ количественного определения гумуса |
CN110146321A (zh) * | 2018-08-16 | 2019-08-20 | 浙江大学山东工业技术研究院 | 土壤养分定位测试分析仪器 |
CN109342260A (zh) * | 2018-12-19 | 2019-02-15 | 浙江大学 | 一种土壤水分检测系统及其检测方法 |
CN110672702A (zh) * | 2019-10-21 | 2020-01-10 | 商洛学院 | 土壤成分检测建模与分析系统 |
CN110793922A (zh) * | 2019-10-31 | 2020-02-14 | 北京绿土科技有限公司 | 一种基于手机的土壤光谱数据采集方法 |
CN113029974A (zh) * | 2021-03-08 | 2021-06-25 | 中国农业大学 | 一种基于漫反射光谱的剖面土壤养分检测方法及装置 |
CN113588572A (zh) * | 2021-08-04 | 2021-11-02 | 广州市华南自然资源科学技术研究院 | 一种农田重金属在线检测校正模型智能管理系统 |
CN113588572B (zh) * | 2021-08-04 | 2024-03-19 | 广州市华南自然资源科学技术研究院 | 一种农田重金属在线检测校正模型智能管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101210875A (zh) | 基于近红外光谱技术的无损测量土壤养分含量的方法 | |
CN101221125A (zh) | 用光谱技术测定富营养化水体特征参量的方法 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
CN101059426A (zh) | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 | |
CN101609042A (zh) | 基于近红外光谱的手持式土壤养分无损测量系统 | |
CN111855590A (zh) | 水稻叶片淀粉积累量遥感反演模型和方法 | |
CN101915738A (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
CN102636450A (zh) | 基于近红外光谱技术无损检测枸杞中枸杞多糖含量的方法 | |
CN104931470A (zh) | 一种基于荧光高光谱技术的农药残留检测装置及检测方法 | |
CN111488926B (zh) | 一种基于优化模型的土壤有机质测定方法 | |
CN104111234A (zh) | 基于近红外光谱技术的生物质基础特性在线检测方法及装置 | |
CN107607486B (zh) | 一种土壤全氮检测方法及装置 | |
CN108181262A (zh) | 一种利用近红外光谱技术快速测定铜藻纤维素含量的方法 | |
CN104020127A (zh) | 一种利用近红外光谱快速测量烟叶中无机元素的方法 | |
CN102876816A (zh) | 基于多传感器信息融合的发酵过程状态监测与控制方法 | |
CN101762569A (zh) | 一种畜禽粪便工厂化堆肥发酵过程的无损监测方法 | |
CN103940748A (zh) | 基于高光谱技术的柑橘冠层含氮量预测与可视化的方法 | |
CN103018181A (zh) | 基于相关性分析和elm神经网络的软测量方法 | |
CN201503392U (zh) | 基于近红外光谱的手持式土壤养分无损测量装置 | |
CN101074926A (zh) | 可见和近红外光谱的植物叶片或冠层灰霉病诊断方法与系统 | |
Ning et al. | Rapid evaluation of soil fertility in tea plantation based on near-infrared spectroscopy | |
CN104034691A (zh) | 一种甜菜品质的快速检测方法 | |
CN102297846B (zh) | 一种快速测定发酵液中透明质酸含量的方法 | |
CN109001143B (zh) | 一种灵敏预测麻黄品质特性的中红外光谱法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20080702 |