主权项 |
一种基于可见光近红外光谱技术的土壤铜含量估算方法,由以下步骤:(1)土壤样本的采集在尾矿区域农田内采集土壤表层样本作为参考土壤,分为n份,n≥10,去除杂质;(2)可见光近红外光谱测定用光谱仪获取每份参考土壤的反射率光谱数据,波谱范围为350~2500nm;(3)光谱的预处理对参考土壤的反射率光谱中的可见光近红外反射率光谱进行包络线去除,得到包络线去除之后的参考土壤的可见光近红外反射率光谱;(4)土壤铜含量参考值的测定采用火焰原子吸收分光光度法对每份参考土壤中的总铜含量进行测定,得到每份参考土壤的铜含量参考值;(5)估算模型的建立采用小波神经网络建立包络线去除后的可见光近红外反射率光谱与参考土壤铜含量参考值之间的估算模型,其中小波神经网络公式如下:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msub><mi>y</mi><mi>j</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>M</mi></munderover><msub><mi>w</mi><mi>ji</mi></msub><msub><mi>ψ</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mi>x</mi><mn>1</mn></msub><mo>,</mo><msub><mi>x</mi><mn>2</mn></msub><mo>,</mo><msub><mi>x</mi><mn>3</mn></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>x</mi><mi>Ni</mi></msub><mo>)</mo></mrow><mo>+</mo><mover><msub><mi>y</mi><mi>j</mi></msub><mo>‾</mo></mover><mi>i</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>M</mi><mo>;</mo><mi>j</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>N</mi><mn>0</mn></msub><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000654866420000011.GIF" wi="1841" he="146" /></maths>式中,ψ<sub>i</sub>(x<sub>1</sub>,x<sub>2</sub>,x<sub>3</sub>,...,x<sub>Ni</sub>)是多维小波函数,<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>ψ</mi><mi>i</mi></msub><mrow><mo>(</mo><msub><mi>x</mi><mn>1</mn></msub><mo>,</mo><msub><mi>x</mi><mn>2</mn></msub><mo>,</mo><msub><mi>x</mi><mn>3</mn></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>x</mi><msub><mi>N</mi><mi>i</mi></msub></msub><mo>)</mo></mrow><mo>=</mo><munderover><mi>Π</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><msub><mi>N</mi><mi>i</mi></msub></munderover><mi>ψ</mi><mrow><mo>(</mo><mfrac><mrow><msub><mi>x</mi><mi>k</mi></msub><msub><mi>w</mi><mi>ik</mi></msub><mo>-</mo><msub><mi>t</mi><mi>ik</mi></msub></mrow><msub><mi>λ</mi><mi>ik</mi></msub></mfrac><mo>)</mo></mrow><mi>k</mi><mo>=</mo><mn>1,2</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi><mo>;</mo><mi>i</mi><mo>=</mo><mn>1,2,3</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>M</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0000654866420000012.GIF" wi="1880" he="173" /></maths><img file="FDA0000654866420000013.GIF" wi="477" he="74" />表示Morlet小波函数; (3)N<sub>i</sub>代表输入层的数目,w<sub>ik</sub>表示网络连接权重,t<sub>ik</sub>表示伸缩因子,λ<sub>ik</sub>表示平移因子,k表示输入层数,i表示隐含层层数;w<sub>ji</sub>是连接第i个隐含层的小波神经元与第j个输出结点的输出权重系数,<img file="FDA0000654866420000014.GIF" wi="49" he="67" />需要一个偏差值来处理非零均值函数;(6)未知样本土壤的铜含量估算测量未知样本土壤的反射率光谱,经步骤(3)的预处理后,将所得光谱参数输入到步骤(5)的估算模型中,即可估算出未知土壤样本的铜含量。 |