买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院南京土壤研究所

摘要：本发明公开了一种面向土壤属性预测的土壤光谱传递函数方法，首先对土壤光谱传递函数中用到的其他土壤属性进行筛选，选出与被预测土壤属性具有较强相关性的其他土壤属性，然后测量获取土壤光谱并对测量光谱进行预处理，降低噪声等因素对光谱的影响，然后通过构建不同土壤属性与不同光谱预处理后的土壤可见光‑近红外漫反射光谱组合，借助机器学习算法，实现被预测土壤属性的预测，并依据预测精度筛选被预测土壤属性最优的土壤光谱传递函数。本发明综合了土壤光谱与其他土壤属性的信息，能够提高被预测土壤属性的精度，提升土壤属性预测水平。

主权项：1.一种面向土壤属性预测的土壤光谱传递函数方法，其特征在于，包括步骤如下：S1，依据被预测土壤属性与其他土壤属性的相关性，以及其他土壤属性之间的相关关系大小，筛选其他土壤属性；S2，针对风干后土壤样品，在室内环境中利用光谱仪对土壤样品进行光谱扫描，得到土壤样品光谱；S3，对土壤样品光谱分别进行平滑、标准正态变换、一阶微分以及高噪声波段删除处理，得到土壤可见光-近红外漫反射光谱，实现步骤如下：S31，对土壤样品光谱利用SG平滑方法进行光谱平滑处理；S32，对平滑后的土壤样品光谱，利用标准正态变换进行光谱变换处理；S33，对土壤样品光谱进行一阶微分处理；S34，分别针对步骤S31、S32和S33得到的光谱，删除光谱前端100nm范围和尾端50nm范围内的光谱，得到平滑后的土壤可见光-近红外漫反射光谱、标准正态变换后的土壤可见光-近红外漫反射光谱、以及一阶微分处理后的土壤可见光-近红外漫反射光谱，分别记为SG、SNV和FD土壤可见光-近红外漫反射光谱；S4，以被预测土壤属性为因变量，以其他土壤属性和土壤可见光-近红外漫反射光谱为自变量，构建不同土壤属性与土壤可见光-近红外漫反射光谱组合的被预测土壤属性光谱传递函数，实现步骤如下：S41，对L个其他土壤属性，构建从1到L且间隔为1的不同数量其他土壤属性组成的组合，其中每个组合中的其他土壤属性依据其他土壤属性与被预测土壤属性的相关系数绝对值大小选择确定，共生成L个其他土壤属性组合，其中，第k个组合的其他土壤属性取相关系数绝对值为前k个的其他土壤属性，1≤k≤L；S42，利用L个其他土壤属性组合和SG、SNV和FD土壤可见光-近红外漫反射光谱，以被预测土壤属性为因变量，以任一其他土壤属性组合和土壤可见光-近红外漫反射光谱为自变量，使用机器学习算法，构建被预测土壤属性光谱传递函数：被预测土壤属性＝f其他土壤属性组合，土壤可见光-近红外漫反射光谱，共生成3*L个被预测土壤属性光谱传递函数；S5，对比各被预测土壤属性光谱传递函数的精度，确定被预测土壤属性最优的土壤光谱传递函数；所述步骤S1中，筛选其他土壤属性的实现步骤如下：S11，计算被预测土壤属性与其他土壤属性间的皮尔逊相关系数，其中其他土壤属性的个数记为N；若N≥2，当被预测土壤属性与某个其他土壤属性间的皮尔逊相关系数的绝对值小于0.3时，则删除该其他土壤属性；当被预测土壤属性与所有其他土壤属性间的皮尔逊相关系数的绝对值均小于0.3时，则仅保留绝对值最大的其他土壤属性，剩余的其他土壤属性个数记为K，其中K≥1；若N＝1时，则直接进入步骤S2，此时K＝N；S12，当K≥2时，计算其他土壤属性之间的皮尔逊相关系数，当两个土壤属性之间的皮尔逊相关系数的绝对值大于0.7时，删除其中任意一个土壤属性，剩余土壤属性的个数记为L，其中L≥1；若K＝1时，直接进入步骤S2，此时L＝K。

全文数据：

权利要求：

百度查询： 中国科学院南京土壤研究所 一种面向土壤属性预测的土壤光谱传递函数方法