[发明专利]一种基于算法融合的土壤氮素近红外光谱特征波段选取方法

权利要求书

1.一种基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，包括：

步骤1，制备土壤样品，方法如下：

步骤1-1、针对黄土、钙土、黑土和红土的原始氮素含量，分别配比不同氮浓度梯度的尿素溶液，将尿素溶液与土壤样品混合均匀，压成薄片后分割成利于检测光谱的大小；

步骤1-2、将所有土壤样品进行烘干；

步骤2，利用近红外光谱仪采集所有土壤样品的光谱信息；

步骤3，用偏最小二乘法PLS建立四种土壤全段光谱数据与土壤氮素含量的预测模型；

步骤4，利用将向后区间偏最小二乘法BIPLS与竞争自适应权重采样法CARS融合的方式，分别选择出各土壤的近红外光谱特征区间与特征变量，对两种算法的结果进行优化融合后确定该土壤的近红外光谱特征区间；再次用PLS算法建立特征波段光谱与土壤氮素含量之间的预测模型，比较利用全光谱建模与特征波段建模的预测模型效果。

2.如权利要求1所述的基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，步骤1-1中，不同氮元素浓度由尿素颗粒配制而成，根据土壤中原始氮素含量，配比的尿素溶液浓度梯度分别为：黄土0g/kg至2.0g/kg，钙土0g/kg至2.5g/kg，黑土0g/kg至4.6g/kg以及红土0g/kg至4.5g/kg。

3.如权利要求1所述的基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，步骤1-1中，尿素溶液与土壤样本混合后压成薄片后的大小约为100mm×100mm，随后分割成约10mm×10mm的土壤样本块。

4.如权利要求1所述的基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，步骤2中，近红外光谱采集的波段范围为900nm-1700nm，设置每条光谱采集400个点，平均每扫描3次得到一个光谱图像，共测定618个土壤样本。

5.如权利要求1所述的基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，步骤4中，后区间偏最小二乘法BIPLS用于挑选土壤氮素的近红外光谱特征区间，竞争自适应权重采样法CARS用于挑选土壤氮素的近红外光谱特征变量；结合两种算法的挑选结果，优选出四种土壤的近红外光谱特征波段。

6.如权利要求5所述的基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，BIPLS在逐步剔除光谱区间的过程中，模型的RMSECV的值不断变化，模型中剩余的区间数和变量数不断减少，直至模型的RMSECV达到最小值，从而选出几个特征区间。

7.如权利要求5所述的基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，竞争自适应权重采样法CARS在运行过程中挑选部分样本进行PLS回归建模，如此反复进行上百次的迭代建模，在挑选特征变量的过程中仅保留PLS回归系数绝对值大的波长变量，用选出的波长变量建立PLS回归模型，计算模型的RMSECV值，选择最小RMSECV值对应的变量子集为最优的变量子集。

8.如权利要求1所述的基于算法融合的土壤氮素近红外光谱特征波段选取方法，其特征在于，步骤4中，比较近红外全光谱建模效果与所挑选的特征波段建模效果的目的在于探究利用特征波段代替全光谱建模的可行性。