[发明专利]一种茶园土壤肥力水平的快速评价方法

摘要

本发明公开了一种茶园土壤肥力水平的快速评价方法，分别选取贫瘠茶园、良好茶园和优质茶园的土壤样品若干，并随机划分为校正集和预测集；根据含量高低的划分范围确定分类样品集；采集样品近红外光谱信息，连续多次扫描，取得所述样品在近红外波长下的全部平均光谱信息；对样品原始平均光谱进行不同的预处理，根据茶园土壤肥力水平判别模型的预测效果，确定光谱最佳预处理方法；采用连续投影算法提取的特征光谱信息；将特征光谱与全光谱结合上述三种判别方法进行对比，根据预测的分类准确率，确定最优的茶园土壤肥力水平判别模型，从而实现对茶园土壤肥力水平进行预测。本发明结合近红外光谱技术测量土壤肥力，能够实现在线、无损、快速的检测。

主权项

1.一种茶园土壤肥力水平的快速评价方法，其特征在于，包括以下步骤：

(1)样品的选取与预处理：

分别选取有机质含量≤1.5％的贫瘠茶园、有机质含量为1.5～2.0％良好茶园和有机质含量≥2.0％的优质茶园的土壤样品若干，并随机划分为校正集和预测集；

(2)检测土壤样品的化学值：

测定样品的有机质含量,根据含量高低的划分范围确定分类样品集；

(3)近红外光谱的获取与预处理

(31)采集样品近红外光谱信息，连续多次扫描，取得所述样品在近红外波长下的全部平均光谱信息；

(32)对样品原始平均光谱进行不同的预处理，根据茶园土壤肥力水平判别模型的预测效果，确定光谱最佳预处理方法；

(4)预测模型的建立

(41)获取样品的近红外光谱，以肥力水平分类标准作为指标，利用连续投影算法筛选特征光谱信息；

(42)然后分别基于采用线性判别分析法，支持向量机算法以及极限学习机器算法建立茶园土壤肥力水平的分类判别模型；

(43)将特征光谱与全光谱结合上述三种判别方法进行对比，根据预测的分类准确率，确定最优的茶园土壤肥力水平判别模型，从而实现对茶园土壤肥力水平进行预测。

2.根据权利要求1所述的一种茶园土壤肥力水平的快速评价方法，其特征在于，所述步骤(1)中，从六个地区不同土壤类型，土层厚度为0～45cm的茶园土壤中，选取有机质含量差异较大的有代表性茶园土壤样品。

3.根据权利要求1所述的一种茶园土壤肥力水平的快速评价方法，其特征在于，所述步骤(1)中，将样品按照2:1的比例划分校正集和预测集。

4.根据权利要求1所述的一种茶园土壤肥力水平的快速评价方法，其特征在于，根据GB 9834‑1988采用重铬酸钾容量法测定样品中有机质的含量，根据土壤有机质含量的高低分布范围作为划分指标，利用连续投影算法筛选特征光谱变量。

5.根据权利要求1所述的一种茶园土壤肥力水平的快速评价方法，其特征在于，所述步骤(31)中，近红外光谱数据信息的获得具体如下：利用MPA型傅里叶变换近红外光谱仪进行光谱采集，近红外光谱的光谱范围为：12500cm^‑1～4000cm^‑1，分辨率为8cm^‑1，样品放入样品杯中，运用近红外漫反射光谱技术，分别从0°、120°和240°三个不同角度转换样品杯的位置对土壤样品扫描三次，得到三个平行光谱，收集了三个平行光谱，取平均光谱作为样品的近红外原始光谱值。

6.根据权利要求1所述的一种茶园土壤肥力水平的快速评价方法，其特征在于，所述步骤(42)中，将预处理后的光谱，结合连续投影算法优选23个特征光谱变量。

7.根据权利要求6所述的一种茶园土壤肥力水平的快速评价方法，其特征在于，所述步骤(42)中，设置分类变量，贫瘠茶园的土壤样品的分类变量设为1，良好茶园的土壤样品的分类变量设为2，优质茶园土壤样品的分类变量设为3，将筛选得到的23个特征光谱变量与对应的分类变量进行定性判别，利用线性判别分析LDA、支持向量机SVM、极限学习机ELM分别建立茶园土壤肥力水平的判别模型。