农田变量施肥作业需要对农田土壤养分信息进行高精度的快速原位采集, 已有的设备不能满足精细农业田间测量的需要, 为此基于近红外漫反射测量开发了一款新型车载式原位土壤参数检测仪。 检测仪采用光照稳定性更好的卤钨光源代替太阳光进行土壤光谱检测, 以提高仪器对工作条件的适应性。 由7个敏感波长(1 070, 1 130, 1 245, 1 375, 1 450, 1 550, 1 680 nm)构成的土壤氮素测量极限学习机模型提高了仪器的测量实时性和精度。 检测仪由机械部分、 光学部分及控制部分组成。 机械部分为检测仪提供平台支撑, 光学部分为检测仪提供检测光源, 主要由卤钨光源、 光源转接法兰、 近红外导光光纤、 检测总成（含入射光出口端、 InGaAS光电探测器及7个敏感波长的滤光片）等组成, 控制部分实现对土壤测量信号的采集及处理。 检测仪工作时, 卤钨光源通过近红外导光光纤、 检测总成中的入射光出口端将检测光源传输到待测土壤表面, 通过测量土壤表面漫反射光的光谱反射率检测土壤养分参数。 在卤钨光源和近红外导光光纤连接处设计光源转接法兰, 最大限度的减小检测光源在传输过程中的损失。 漫反射光经过检测总成中的滤光片滤波后, 由相应的InGaAS光电探测器实现光电转换, 再经信号处理单元计算出各个敏感波长处的反射率。 检测仪采用灰度标准板进行光学标定测试, 测试结果显示, 检测仪在7个敏感波长处的反射率与MATRIX-I型傅里叶光谱分析仪反射率相关系数最高为0.997 8, 平均值为0.927 8, 表明检测仪有较高的检测精度。 为进一步对检测仪农田土壤养分的检测精度进行评估, 进行了检测仪的农田应用试验, 检测结果表明检测仪检测值与实验室标准检测方法检测值的相关系数都在0.90以上。 试验结果表明, 车载式原位土壤参数检测仪能够实现对农田土壤养分信息的快速原位高精度检测。

光谱已经应用于土壤养分速测的分析, 但是如何寻找土壤光谱特征波段, 尽最大可能避免无用信息干扰、 保留有用信息, 建立准确度高、 预测效果好的模型仍是一个亟需解决的问题。 以青岛三个不同地区土壤样品为例, 测定土壤样品的紫外-可见-近红外光谱及其总碳（TC）、 总氮（TN）、 总磷（TP）含量; 分别采用连续投影算法（SPA）、 无信息变量消除法（UVE）、 遗传算法（GA）、 相关系数法（CC）四种算法（四种单分类器）对土壤光谱提取特征波长; 再引入投票法和加权投票法的多分类器融合方法将四种算法融合得到特征波长; 以偏最小二乘回归（PLSR）建立各土壤养分含量的模型, 通过对模型效果的评价标准（建模集绝对系数R2c、 校正均方根误差RMSEC、 检验集绝对系数R2p、 预测均方根误差RMSEP和相对分析误差RPD值）来判别各单分类器算法和多分类器融合算法对土壤养分含量特征波长的提取效果。 分别对四种算法、 筛选其中三种算法、 最优二种算法进行融合, 分析融合后模型效果和特征波长个数, 结果表明: 将四种单分类器经投票法融合后, 其模型效果大部分不如单分类器, 且相对好的模型特征波长个数较多; 相较于投票法多分类器融合, 四种单分类器经加权投票法融合模型效果有了一定的提高, TC和TN都能够在较少的波长中获得较好的预测效果, 但仅TN经融合后, 模型效果优于每个单分类器; TC, TN, TP分别在取SPA+UVE+GA, SPA+UVE+GA（或SPA+GA+CC）、 SPA+UVE+GA三种单分类器进行加权投票法融合后, 均能获得最优模型效果, 且明显优于每个单分类器, 模型效果有了显著提高; 各土壤养分含量经两个最优单分类器加权投票法融合后, 仍能得到好于最优单分类器的建模效果, TC和TP建模效果略差于三个单分类器融合结果, TN建模效果与三个单分类器融合结果相同。 因此, 在筛选三种算法融合, 且其中包含最优两种算法的情况下, 能够以较少的特征波长个数获得明显高于单分类器的建模效果。 该方法为寻找土壤养分以及其他复杂物质成分的光谱特征波段提供了新方法, 也为多种算法的综合运用提供了新思路。

农业生产中常采用深耕、秸秆还田和施用土壤改良剂等措施促进生土熟化。本研究旨在探索施肥与降水配合对生土棉花根、苗、土及微生物间的相互影响机制, 为不同降水年型下生土作物合理施肥提供科学依据。试验连续3年以黄土母质生土为供试土壤, 探讨施肥深度在0~20 cm, 施氮肥(N)、磷肥(P)、氮磷钾复合肥(NPK)、有机肥(ORG)以及干旱、平水、丰水三个降水年型下在40~60 cm施ORG和ORG+NPK分别对生土熟化的效果。研究结果表明, 生土地0~20 cm施有机肥显著增加棉花杆重、棉桃总重和地上部总重量, 施有机肥或含磷肥对生土棉花根际土壤养分、根系养分含量和酶活性有明显促进作用。施有机肥明显改善了土壤微生物多样性和丰富度; 相同施肥条件下, 降水对土壤熟化的效果至关重要。其中, 干旱年和丰水年施有机肥均显著增加棉花产量, 在平水年施有机肥和氮磷钾复合肥, 干旱年或丰水年单施有机肥能更有效的提高土壤微生物多样性。综合分析得出, 生土地快速改良熟化土壤的施肥措施为有机肥加磷肥。结合降水的条件下, 加快生土熟化、提高土壤微生物多样性的最佳施肥方式为: 平水年配施有机肥和氮磷钾复合肥,干旱年和丰水年单施有机肥。

在基于可见-近红外反射光谱的土壤养分速测技术中, 不同类型土壤间的模型转移是目前亟需解决的关键问题和难点。 以土壤全氮为研究对象, 探讨了两种不同土壤间的模型传递方法及其效果。 以青岛李村河畔土壤为主样品, 通过分段直接矫正结合斜率/截距修正(PDS-S/B)、 分段直接矫正结合线性插值(PDS-LI)、 典型相关性分析结合斜率/截距修正(CCA-S/B)、 典型相关性分析结合线性插值(CCA-LI)、 直接矫正结合斜率/截距修正(DS-S/B)、 直接矫正结合线性插值(DS-LI)等算法, 进行模型转移, 实现对青岛浮山山麓土壤全氮含量不同程度的预测。 其中, PDS-S/B的模型转移效果最好, 均方根误差、 平均相对误差、 最大相对误差均最小, 分别为0.04, 6.6%, 19.0%。 主、 从样品经遗传算法提取特征变量后再进行模型转移, 相比无任何前处理的模型转移, 均有不同程度的提高, 其中LI相关的模型转移方法比S/B相关的方法提高的程度更大。 研究了不同样品在同一仪器、 相同测试环境下的土壤养分的模型传递问题, 初步探讨了同一仪器共享一个土壤养分光谱模型的可能性, 这将从根本上提高速测效率, 有利于光谱技术在土壤养分速测中的推广应用。

在测定土壤养分中, 可见-近红外光谱技术具有很大的应用空间。 该研究探讨了基于可见-近红外光谱（250～950 nm）离线、 快速测定土壤总氮（TN）、 总磷（TP）、 总钾（TK）、 总碳（TC）等土壤养分的方法及应用。 采集青岛三个不同地区土壤样品（异质性较高的山地土壤与河畔土壤）各60份, 总计180份, 并测定其TN, TP, TK, TC含量及其可见-近红外反射光谱, 利用Kennard-Stone法按2∶1比例划分校正集和检验集, 采用遗传算法分别提取TN, TP, TK, TC特征波长, 以偏最小二乘法建立定量分析模型。 TN, TP, TK, TC含量所建光谱模型的相关系数分别为0.970, 0.964, 0.680和0.967, 检验集的相关系数分别为0.980, 0.937, 0.717和0.972, 检验集的RPD值分别为4.570, 2.424, 1.411和4.135。 结果表明, 该方法能够对土壤TN, TP, TC含量进行精确预测, 对土壤TK含量进行粗略预测。 该研究主要依靠可见光波段, 较好的预测了异质性较高的土壤的氮磷钾等养分含量, 有望降低未来土壤养分速测的成本。 此外, 该研究还提供了青岛土壤养分的光谱库, 为我国土壤大数据库的建立提供技术支撑。

光谱学分析技术因具有快速、 实时、 无损等优势, 被广泛用于土壤养分检测等各个领域, 也是现代农业检测控制中广泛应用的一种有效方法。 实验采集不同养分含量的土壤样本, 分别获取中红外衰减全反射（ATR）和漫反射（DRIFT）光谱数据。 通过不同的光谱预处理算法结合偏最小二乘法（PLS）建立土壤中全碳、 全氮、 碱解氮的定量分析模型, 对土壤养分的ATR和DRIFT光谱分别进行独立模型和叠加模型的分析。 并以土壤养分中的全碳和全氮为例, 发现经过标准正态变量变换处理的两种光谱建立的PLS模型相关系数均有所提高。 全碳的两种光谱模型校正集的R2分别提高至0.826和0.919, 而全氮两种模型校正集R2分别提高至0.841和0.928。 我们进一步对全碳、 全氮各自叠加后的光谱进行分析, 模型的R2分别提高至0.942和0.951。 用同样的方法分析土壤中的碱解氮, 联用两光谱后的R2提高至0.919。 研究结果表明, 两种光谱的联合使用, 为提高模型的相关系数和预测能力提供了一种合理有效的方法。

要实现农田合理施肥, 需要对土壤养分状况进行实时、 准确地诊断, 因而建立快速、 稳定可靠的土壤养分定量分析方法是关键。光谱分析是一种有很大潜力的快速分析方法, 从可见/近红外光谱建模的几个重要环节, 即特征波段、 预处理方法及回归模型方法的选择, 研究了土壤有效氮、 磷、 钾含量快速估测的光谱建模方法。采用了多元散射校正加一阶导数进行光谱预处理, 通过逐波段相关分析在可见-近红外区优选特征波段, 并应用了局部非线性回归方法(BP神经网络局部回归法)建模, 所建模型对土壤有效氮、 磷、 钾含量估测的相关系数r分别为0.90, 0.82和0.94, BP神经网络局部建模比全局建模具有更好的精度和稳定性, 估测精度提高幅度分别为40.63%, 28.64%, 22.90%。因此, 采用局部BP神经网络回归建模法建立土壤有效氮、 磷、 钾的光谱定量分析模型, 可实现对土壤养分状况的快速诊断。该研究的创新点是通过采用局部非线性回归方法提高了土壤光谱营养诊断模型的稳定性和可靠性, 为作物生长过程中不同生长时期的土壤养分的动态监测和过程控制提供了技术支持。

针对测土配方施肥技术中要求快速、 便捷、 高效地进行土壤养分测试的需求, 文章基于浸入式光纤探头、 平场凹面全息光栅、 二极管线阵检测器开发了一种光纤探头式分光光度计用于土壤养分中非金属元素的快速、 准确测试。 基于国家计量检定规程JJG 178—2007对紫外、 可见、 近红外分光光度计的性能检测方法测试的该仪器的波长最大允许误差与波长重复性、 基线平直度、 透射比最大允许误差与透射比重复性均达到了国标第Ⅲ级别标准, 其最小光谱带宽、 噪声与漂移、 杂散光基本达到了国标第Ⅳ级别标准。 基于该仪器测试的土壤硝态氮、 铵态氮、 有效磷、 有效硫、 有效硼、 和有机质含量与基于商用的国产单光束和进口双光束分光光度计测试的结果呈极显著的线性相关关系, 其回归方程的斜率接近于1, 且对比数据之间无显著性差异。 因此, 该光纤探头式分光光度计可用于土壤非金属养分的快速、 准确测试。

精准农业是近年来国际上农业科学研究的热点领域, 是现代信息技术和传统农业紧密结合的产物。 近红外光谱技术(NIRS)作为一种无损、 实时、 准确的分析手段, 在土壤学领域的应用逐渐得到了人们的重视, 是实现精准农业的有效手段之一。 对其目前在土壤学领域的应用进行了介绍和分析,认为NIRS在土壤学领域的发展方向应该是田间信息实时采集技术, 即在田间条件下利用便携式NIRS分析仪对土壤养分和农作物苗情进行实时分析和处理, 另外NIRS还可以与空间遥感技术相结合, 宏观掌握农作物所需营养及其长势信息, 从根本上改变我国粗放型农业现状。