Nothing Special   »   [go: up one dir, main page]

CN110793922A - 一种基于手机的土壤光谱数据采集方法 - Google Patents

一种基于手机的土壤光谱数据采集方法 Download PDF

Info

Publication number
CN110793922A
CN110793922A CN201911051821.7A CN201911051821A CN110793922A CN 110793922 A CN110793922 A CN 110793922A CN 201911051821 A CN201911051821 A CN 201911051821A CN 110793922 A CN110793922 A CN 110793922A
Authority
CN
China
Prior art keywords
spectrum
soil
mobile phone
sample
content
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
Application number
CN201911051821.7A
Other languages
English (en)
Inventor
王建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Green Earth Technology Co Ltd
Original Assignee
Beijing Green Earth Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Green Earth Technology Co Ltd filed Critical Beijing Green Earth Technology Co Ltd
Priority to CN201911051821.7A priority Critical patent/CN110793922A/zh
Publication of CN110793922A publication Critical patent/CN110793922A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开一种基于手机的土壤光谱数据采集方法：步骤1、打开手机App、GPS和蓝牙；步骤2、在手机app端点击采集按钮，光谱模块进行光谱数据采集，建立样本集，同一样品多次重复测量，最后以平均光谱近似作为该样品标准光谱；步骤3、光谱的校正与预处理；步骤4、建立反演模型，反演土壤地化元素含量；步骤5、根据GPS获取的经纬度自动匹配或手动选择反演模型，将光谱的特征放入校正模型即可测定未知样品的地化元素含量，并可以上传云端存储。本发明弥补了传统大型近红外光谱仪只能在室内使用，不适合田间作业的不足；测量快速；结果全面；成本较低。

Description

一种基于手机的土壤光谱数据采集方法
技术领域
本发明涉及一种基于手机的土壤光谱数据采集方法，属于土壤光谱采集与分析技术领域。
背景技术
由于每种原子都有自己的特征谱线，因此可以根据光谱来鉴别物质和确定它的化学组成。这种方法叫做光谱分析。做光谱分析时，可以利用发射光谱，也可以利用吸收光谱。这种方法的优点是非常灵敏而且迅速。某种元素在物质中的含量达10^-10克，就可以从光谱中发现它的特征谱线，因而能够把它检查出来。该技术广泛应用于医学、矿业、环境、农业等诸多领域。
农作物的生长繁衍及其产品质量与土壤地质环境有着十分密切的关系。土壤是农作物生长的基质，又是养分的提供者。土壤中微量元素的含量、组合特征及存在形式将直接影响农产品的质量。
数字农业是高新技术在农业与生物工程领域应用的重要方向，也是农业现代化的重要标志。掌握农田土壤的微量元素含量信息是数字农业中的重要部分之一。
基于光谱技术对土壤进行精准定量分析的能力，可显著提升精准农业、环境生态、重大工程实施等方面数据采集、过程管理与综合决策的水平，具有重大的现实意义和市场前景。
传统的野外光谱采集工作大多面向科学研究，设备成本高、体积大且缺乏面向专业的定制采集及分析软件，现场进行测量往往不能实时返回分析的结果。未来的研发趋势是面向土地、植被快速鉴别的小型手机类掌上装备、低成本光谱采集装备，并基于专业光谱分析、行业业务标准以及现有云平台建设基础，研发掌上快速采集、分析软件。
发明内容
本发明提供一种基于手机的土壤光谱数据采集方法，用光谱采集模块收集土壤可见光-近红外光谱数据，在手机端App数据编辑坐标时间信息后通过经纬度查询数据库中已经建立的模型，根据特定光谱数据反演土壤地化元素含量，并反馈到云端进行数据备份，做到土壤光谱数据采集和实时分析，相比于传统方法速度快、成本低且操作便捷。
本发明所采用的技术方案如下：
本发明提供一种基于手机的土壤光谱数据采集方法，具体如下：
步骤1、打开手机App、GPS和蓝牙。
步骤2、在手机app端点击采集按钮，光谱模块就会进行光谱数据采集，要针对不同地区的土壤选择合理的样品采集点，建立样本集，同一样品需多次重复测量，最后以平均光谱近似作为该样品标准光谱。
步骤3、光谱的校正与预处理：获得样品标准光谱后，在手机app选择导入会自动导入并对样品标准光谱进行校正和预处理。处理结束后样品标准光谱曲线会自动显示在手机屏幕上，可以目视观察手动选择是否删除，或进行反演。
步骤4、反演模型的建立是按图幅，将已知的采样点光谱数据的特征波段与地球化学数据，通过多元线性回归算法建立模型，反演土壤地化元素含量。
步骤5、土壤地化元素含量反演，根据GPS获取的经纬度自动匹配或手动选择反演模型，将光谱的特征放入校正模型即可测定未知样品的地化元素含量，并可以上传云端存储。
其中，所述的光谱采集模块，由第一镜组、小孔、第二镜组、光栅或棱镜、第三镜组和探测器依次排列组成，拍摄对象发出的光通过第一镜组成像在小孔上，再经过第二镜组准直后，不同波段的光通过光栅或棱镜进行分光，再通过第三镜组汇聚到探测器上进行成像，可实现点目标光谱探测。
其中，所述的反演模型的建立是将已知的采样点光谱数据的特征波段值与地球化学数据，通过多元逐步线性回归、偏最小二乘回归等算法建立土壤光谱数据值与土壤地化元素含量的最优模型。
本发明的优点及功效在于：
1.通过光谱模块和手机结合进行光谱的采集和处理，携带便捷，弥补了传统大型近红外光谱仪只能在室内使用，不适合田间携带的不足。
2.测量快速，实现了土壤地化元素的快速反演。
3.结果全面，仪器可同时测量土壤最主要的养分等地化元素信息，包括氮含量、磷含量、钾含量、硒含量和有机质含量。
4.成本较低，相比于传统光谱仪，小型便携设备可以将成本控制在万元以内。
附图说明
图1为本发明方法流程图。
图2为光谱采集模块示意图。
具体实施方式
具体实施方式如附图所示，该图1表明了本发明的整个实施过程。光谱数据采集由手机及外置的光谱采集模块(如图2)获得。光谱模块由第一镜组、小孔、第二镜组、光栅或棱镜、第三镜组和探测器依次排列组成，拍摄对象发出的光通过第一镜组成像在小孔上，再经过第二镜组准直后，不同波段的光通过光栅或棱镜进行分光，再通过第三镜组汇聚到探测器上进行成像，可实现点目标光谱探测。
反演模型是通过按图幅分块将光谱库中的光谱数据与相匹配的地球化学数据相结合，依据国标测量建模样本的土壤元素含量(氮、磷、钾、硒及有机质含量)作为标准含量通过回归分析建立的。光谱数据经过异常值剔除、光谱增强、降噪平滑、微分变换和连续统去除，通过多元线性回归算法(包括最偏小二乘回归法、多元逐步回归)与地化数据建立模型，并用部分数据进行验证，挑选最优模型。
具体采集方法具体如下：
(1)打开手机App、GPS和蓝牙用于定位和传输数据。
(2)光谱数据采集，要针对不同地区的土壤选择合理的样品采集点，在手机app上建立样本集，将采集模块靠近土壤点击采集样品，同一样品需多次重复测量，最后以平均光谱近似作为该样品标准光谱。
(3)光谱的校正与预处理，获得样本光谱后，在手机app选择导入会自动导入并对样本光谱进行校正和预处理。处理结束后样品光谱曲线会自动显示在手机屏幕上，可以目视观察手动选择是否删除，或进行反演。
(4)反演模型的建立是将已知的采样点光谱数据的特征波段值与地球化学数据(氮、磷、钾、硒及有机质含量值)，通过多元逐步线性回归、偏最小二乘回归等算法建立X(土壤光谱数据值)与Y(土壤地化元素含量)的最优模型，达到土壤光谱信息准确估算理化参数的目的。具体来说，已知均匀采样的多个土壤点的光谱数据及地球化学数据，分别对每种地球化学值建立反演模型，先通过计算所有点光谱数据的每个波段与地化数据值的相关系数，筛选相关系数大的作为特征波段，然后将所有点光谱数据的特征波段值与地球化学值进行回归计算，得出两者的反演方程即反演模型，将特征波段值代入方程就可得出地球化学的预测值。
(5)土壤地化元素含量反演，根据GPS获取的经纬度，将自动选择反演模型或者也可以手动选择整个区域的综合模型，将光谱的特征放入校正模型即可测定未知样品的地化元素含量(包括氮、磷、钾、硒和有机质等主要)，并可以上传云端存储。
所述的多元线性回归算法为偏最小二乘回归法、多元逐步回归。

Claims (3)

1.一种基于手机的土壤光谱数据采集方法，其特征在于：该方法如下：
步骤1、打开手机App、GPS和蓝牙；
步骤2、在手机app端点击采集按钮，光谱模块就会进行光谱数据采集，要针对不同地区的土壤选择合理的样品采集点，建立样本集，同一样品需多次重复测量，最后以平均光谱近似作为该样品标准光谱；
步骤3、光谱的校正与预处理：获得样品标准光谱后，在手机app选择导入会自动导入并对样品标准光谱进行校正和预处理；处理结束后样品标准光谱曲线会自动显示在手机屏幕上，可以目视观察手动选择是否删除，或进行反演；
步骤4、反演模型的建立是按图幅，将已知的采样点光谱数据的特征波段与地球化学数据，通过多元线性回归算法建立模型，反演土壤地化元素含量；
步骤5、土壤地化元素含量反演，根据GPS获取的经纬度自动匹配或手动选择反演模型，将光谱的特征放入校正模型即可测定未知样品的地化元素含量，并可以上传云端存储。
2.根据权利要求1所述的一种基于手机的土壤光谱数据采集方法，其特征在于：所述的光谱采集模块，由第一镜组、小孔、第二镜组、光栅或棱镜、第三镜组和探测器依次排列组成，拍摄对象发出的光通过第一镜组成像在小孔上，再经过第二镜组准直后，不同波段的光通过光栅或棱镜进行分光，再通过第三镜组汇聚到探测器上进行成像，实现点目标光谱探测。
3.根据权利要求1所述的一种基于手机的土壤光谱数据采集方法，其特征在于：所述的反演模型的建立是将已知的采样点光谱数据的特征波段值与地球化学数据，通过多元逐步线性回归、偏最小二乘回归等算法建立土壤光谱数据值与土壤地化元素含量的最优模型。
CN201911051821.7A 2019-10-31 2019-10-31 一种基于手机的土壤光谱数据采集方法 Pending CN110793922A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911051821.7A CN110793922A (zh) 2019-10-31 2019-10-31 一种基于手机的土壤光谱数据采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911051821.7A CN110793922A (zh) 2019-10-31 2019-10-31 一种基于手机的土壤光谱数据采集方法

Publications (1)

Publication Number Publication Date
CN110793922A true CN110793922A (zh) 2020-02-14

Family

ID=69440659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911051821.7A Pending CN110793922A (zh) 2019-10-31 2019-10-31 一种基于手机的土壤光谱数据采集方法

Country Status (1)

Country Link
CN (1) CN110793922A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101210875A (zh) * 2007-12-25 2008-07-02 浙江大学 基于近红外光谱技术的无损测量土壤养分含量的方法
CN105466881A (zh) * 2016-01-14 2016-04-06 昆明睿意铂科技股份有限公司 一种便携式近红外光谱检测系统
CN106052870A (zh) * 2016-05-23 2016-10-26 湖北久之洋红外系统股份有限公司 一种高分辨率红外成像光谱仪及其成像方法
CN106092913A (zh) * 2015-05-29 2016-11-09 深圳市琨伦创业投资有限公司 一种农作物营养安全检测方法及其系统
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
CN106932360A (zh) * 2017-03-07 2017-07-07 北京工商大学 便携式近红外光谱食品快速检测与建模一体化系统和方法
CN107132190A (zh) * 2017-04-21 2017-09-05 武汉大学 一种土壤有机质光谱反演模型校正样本集构建方法
CN107607486A (zh) * 2017-09-25 2018-01-19 中国农业大学 一种土壤全氮检测方法及装置
CN107860473A (zh) * 2017-10-25 2018-03-30 暨南大学 一种基于云数据的智能手持光谱仪

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101210875A (zh) * 2007-12-25 2008-07-02 浙江大学 基于近红外光谱技术的无损测量土壤养分含量的方法
CN106092913A (zh) * 2015-05-29 2016-11-09 深圳市琨伦创业投资有限公司 一种农作物营养安全检测方法及其系统
CN105466881A (zh) * 2016-01-14 2016-04-06 昆明睿意铂科技股份有限公司 一种便携式近红外光谱检测系统
CN106052870A (zh) * 2016-05-23 2016-10-26 湖北久之洋红外系统股份有限公司 一种高分辨率红外成像光谱仪及其成像方法
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
CN106932360A (zh) * 2017-03-07 2017-07-07 北京工商大学 便携式近红外光谱食品快速检测与建模一体化系统和方法
CN107132190A (zh) * 2017-04-21 2017-09-05 武汉大学 一种土壤有机质光谱反演模型校正样本集构建方法
CN107607486A (zh) * 2017-09-25 2018-01-19 中国农业大学 一种土壤全氮检测方法及装置
CN107860473A (zh) * 2017-10-25 2018-03-30 暨南大学 一种基于云数据的智能手持光谱仪

Similar Documents

Publication Publication Date Title
Intaravanne et al. Android-based rice leaf color analyzer for estimating the needed amount of nitrogen fertilizer
CN106780079B (zh) 基于遥感数据的冬小麦不同生育期叶面积指数反演方法
CN102564962B (zh) 果树营养成分检测系统及方法
CN109757175B (zh) 一种基于无人机监测的玉米水肥一体化变量施肥方法
CN1837787A (zh) 一种无损伤精准测定棉花生物物理参数的方法
CN107607486B (zh) 一种土壤全氮检测方法及装置
CN111751376B (zh) 一种基于冠层图像特征衍生的水稻氮素营养估算方法
CN102445421B (zh) 一种用于快速诊断烤烟氮素叶色卡的制备方法
CN115759524B (zh) 一种基于遥感影像植被指数的土壤生产力等级识别方法
CN114120132A (zh) 一种气象和红边波段遥感结合的农作物估产方法和装置
CN110793923A (zh) 基于手机的高光谱土壤数据采集与分析方法
CN112149827A (zh) 基于卫星影像的土壤速效钾分析模型构建系统及方法
Wang et al. Rapid detection of chlorophyll content and distribution in citrus orchards based on low-altitude remote sensing and bio-sensors
Dai et al. A general methodology for the quantification of crop canopy nitrogen across diverse species using airborne imaging spectroscopy
Smith et al. Forest canopy structural properties
Zhang et al. Retrieval of sun-induced chlorophyll fluorescence using statistical method without synchronous irradiance data
CN113607669A (zh) 一种基于迁移学习的土壤养分光谱检测方法
CN110793922A (zh) 一种基于手机的土壤光谱数据采集方法
CN116703241A (zh) 一种基于地块评价单元的耕地土壤环境质量类别划定方法
Balde et al. Synergy between TROPOMI sun-induced chlorophyll fluorescence and MODIS spectral reflectance for understanding the dynamics of gross primary productivity at Integrated Carbon Observatory System (ICOS) ecosystem flux sites
CN109540810A (zh) 一种基于信息量的高光谱黑土养分含量提取方法
CN111612368B (zh) 离子稀土矿区林地土壤氮素环境风险评价方法和应用方法
Guo et al. Synergetic inversion of leaf area index and leaf chlorophyll content using multi-spectral remote sensing data
CN115797802A (zh) 基于3s技术的作物种植结构精细化监测分析方法
Gustin et al. Land surface temperature identification based on data of landsat 8 on batam Island

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20200214

RJ01 Rejection of invention patent application after publication