刘玉萌
- 作品数：8 被引量：30H指数：2
- 供职机构：中国农业大学更多>>
- 发文基金：国家自然科学基金国家科技支撑计划更多>>
- 相关领域：农业科学理学更多>>
- 便携式土壤全氮测定仪性能研究被引量：14
- 2012年
- 为研究土壤全氮含量,自主开发了基于近红外光谱技术的便携式土壤全氮测定仪。以中国农业大学上庄实验站采集的60个土壤样本作为实验材料,分别对土壤全氮测定仪的稳定性、准确性和预测模型精度进行了测试。使用模型的测定系数(RC)、验证系数(RV)、校正均方根误差(RMSEC)、预测均方根误差(RMSEP)和相对分析误差(RPD)作为模型精度的评价指标。实验结果显示,本测定仪在波长940、1 050、1 100、1 200、1 300、1 450和1 550 nm处的吸光度重复性误差分别为1.57%、1.80%、1.59%、0.94%、0.61%、0.64%和3.13%,平均误差1.80%;测定仪吸光度和傅里叶光谱分析仪吸光度相关系数分别达到0.971、0.948、0.928、0.873、0.920、0.901和0.913,平均值为0.922;使用测定仪平均吸光度数据,通过BP神经网络建立的土壤全氮预测模型RC、RV、RMSEC、RMSEP和RPD分别达到0.81、0.80、0.029、0.019和3.44。使用该预测模型建立的土壤全氮分布图和实际土壤全氮分布图具有高度的一致性。实验结果表明,便携式土壤全氮测定仪工作稳定,使用平均吸光度数据建立的土壤全氮预测模型具有较好的预测能力和较强的鲁棒性,可以在土壤全氮含量实时检测中应用。
- 安晓飞李民赞郑立华刘玉萌张亚静
- 关键词：土壤近红外光谱全氮
- 一种便携式土壤氮素光谱检测仪设计
- 随着精细农业技术的发展，测土施肥已成为广大农作物生产者的迫切要求。氮素作为土壤养分最重要的一个组成部分，对 其特性的研究有着非常重要的意义。传统检测土壤氮素的方法比较繁琐，而且测量成本比较高。因此，本论文研发了一款快速、...
- 刘玉萌李民赞安晓飞郑立华
- 关键词：精细农业土壤氮素近红外光谱分析
- 一种土壤光谱反射率和电导率检测方法
- 本发明公开了一种土壤光谱反射率和电导率检测装置及其检测方法，该装置底部为土壤检测探头，该装置还包括：传感单元，用于产生光信号和恒定的电流，经过土壤产生反射光信号和电压信号，将反射光信号转换为电信号，将所述电信号和电压信号...
- 李民赞安晓飞郑立华刘玉萌孙红杨玮
- 文献传递
- 土壤光谱反射率和电导率检测装置及其检测方法
- 本发明公开了一种土壤光谱反射率和电导率检测装置及其检测方法，该装置底部为土壤检测探头，该装置还包括：传感单元，用于产生光信号和恒定的电流，经过土壤产生反射光信号和电压信号，将反射光信号转换为电信号，将所述电信号和电压信号...
- 李民赞安晓飞郑立华刘玉萌孙红杨玮
- 文献传递
- 消除水分对近红外光谱检测土壤全氮含量影响的方法
- 本发明提供一种消除水分对近红外光谱检测土壤全氮含量影响的方法，该方法包括：对土壤样本集进行光谱扫描，获得预定波长范围内土壤样本集各个土壤样本的近红外吸光度值；设计了归一化水分吸收指数MAI；在对土壤按照MAI的梯度进行分...
- 李民赞安晓飞郑立华刘玉萌孙红杨玮
- 文献传递
- 基于ARM的便携式土壤全氮光谱检测仪开发
- 刘玉萌
- 关键词：精细农业土壤全氮近红外光谱技术ARM9处理器检测仪
- 消除水分对近红外光谱检测土壤全氮含量影响的方法
- 本发明提供一种消除水分对近红外光谱检测土壤全氮含量影响的方法，该方法包括：对土壤样本集进行光谱扫描，获得预定波长范围内土壤样本集各个土壤样本的近红外吸光度值；设计了归一化水分吸收指数MAI；在对土壤按照MAI的梯度进行分...
- 李民赞安晓飞郑立华刘玉萌孙红杨玮
- 文献传递
- 土壤水分对近红外光谱实时检测土壤全氮的影响研究被引量：17
- 2013年
- 利用近红外光谱技术实时预测土壤全氮含量是精细农业的研究热点之一,但是由于土壤水分在近红外波段的吸收系数较高,影响了土壤全氮含量的实时预测精度。使用布鲁克MATRIX_I傅里叶近红外光谱分析仪对不同土壤水分的土壤样本进行了近红外光谱扫描,定性和定量的分析了土壤水分对近红外光谱的影响,并提出了一种消除土壤水分对土壤全氮含量预测影响的方法。近红外光谱扫描结果显示在同一全氮含量水平下,随着土壤水分含量的增加,光谱吸光度呈逐渐上升的趋势,且变化趋势为非线性。通过对1 450和1 940nm两个水分吸收波段的差分处理,设计了水分吸收指数MAI(moisture absorbance index),再对土壤按照水分含量梯度进行分类,提出了相应的修正系数。修正后的6个土壤全氮特征波段处(940,1 050,1 100,1 200,1 300和1 550nm)的土壤吸光度值作为建模自变量,使用BP神经网络建立了土壤全氮预测模型,模型的RC,RV,RMSEC,RMSEP和RPD分别达到了0.86,0.81,0.06,0.05和2.75;与原始吸光度所建模型相比较模型精度得到了显著提高。实验结果表明本方法可以有效地消除土壤水分对近红外光谱检测土壤全氮含量预测的影响,为土壤全氮含量实时预测提供了理论和技术支持。
- 安晓飞李民赞郑立华刘玉萌孙红
- 关键词：近红外光谱技术土壤全氮精细农业
