基于野外原位光谱的棉田耕层土壤全氮含量监测模型研究

针对可见光和近红外光穿透力不强、难以监测到耕层土壤全氮的问题,以石河子垦区播前棉田土壤为研究对象,获取3种不同土壤质地类型的原位光谱及不同耕层的土壤全氮含量信息,通过Savitzky-Golay平滑处理及最大归一化处理对土壤原位光谱进行预处理,并利用广义传播神经网络(GRNN)、随机森林回归(RFR)、支持向量机回归(SVR)、最小二乘回归等4种建模方法,建立和筛选出不同土壤质地类型的棉田耕层土壤含量的最佳监测模型。结果表明:(1)不同建模方法在各耕层监测精度不同,在浅、中、深耕层表现最佳的监测模型均为GRNN模型(R^(2)分别为0.72、0.68、0.63)。(2)优化后的NGRO-GRANN模型监测精度高于GRNN模型,在浅、中、深三个耕层的预测精度提高16.2%~30.2%。(3)基于原位光谱建立不同耕层的土壤全氮监测模型具有较好的监测效果,且大量简化了室内光谱处理的繁琐步骤。该研究为野外原位光谱快速获取棉田播前土壤各耕层养分信息提供了理论基础与技术支撑,具有一定的可行性与鲁棒性。