Главная / Библиотека / Оценка общего содержания азота в почве рисовых полей с использованием видимой и ближней инфракрасной спектроскопии

Оценка общего содержания азота в почве рисовых полей с использованием видимой и ближней инфракрасной спектроскопии

Теги спектроскопия почва ближний ик avantes питательные вещества
Оценка общего содержания азота в почве рисовых полей с использованием  видимой и ближней инфракрасной спектроскопии

Аннотация: Современный метод оценки питательных веществ в почве является трудоемким, однообразным, время затратным и дорогостоящим, что на практике делает его менее выгодным для крупномасштабной оценки плодородия почвы в точном земледелии. В этой статье обсуждается возможность применения спектроскопии в видимом и ближнем инфракрасном диапазонах (БИК) в качестве альтернативного метода быстрого измерения общего содержания азота в почве, который наиболее эффективен для рисовых полей большой площади. С этой целью были получены спектры отражения видимого-БИК диапазона (350–1750 нм) 200 образцов почвы с использованием спектрометров. Частичная регрессия наименьших квадратов (ЧРНК) с полной перекрестной проверкой (исключение по одному) использовалась для разработки калибровочной модели между видимым-БИК спектрами почвы и общим азотом, полученным с помощью лабораторного химического анализа. Коэффициент детерминации (R2вал) и остаточное прогнозное отклонение (ОПО) разработанной калибровочной модели для общего азота (Nобщ) составили 0,78 и 1,86 соответственно. Спрогнозированная карта общего содержания азота, созданная на основе видимой-БИК спектроскопии, была сопоставима с измеренной картой лабораторного анализа. Этот результат указывает на то, что инфракрасная спектроскопия видимого-БИК диапазона может быть использована для оценки общего содержания азота в почве.

Введение

Обычная практика равномерного сплошного внесения удобрений без каких-либо индикаторов текущего уровня питательных веществ в почве приводит к чрезмерному внесению удобрений на участках с высоким содержанием питательных веществ и меньшему внесению удобрений в зонах полей с низким содержанием питательных веществ. Такое единообразное внесение удобрений в пространственно-изменяемых условиях может привести к дефициту питательных веществ в культуре, а также увеличить затраты на производство из-за чрезмерного внесения удобрений. Развитие технологий точного земледелия привело к принятию использования удобрений в попеременной количестве в качестве усовершенствованного метода на замену равномерного сплошного внесения удобрений. Для данной технологии необходима запись информации с высоким разрешением или высокой плотностью о питательных веществах в почве, помимо нормализованного разностного вегетационного индекса (НРВИ) и индекса листовой поверхности (ИЛП) для определения доли удобрений, которую необходимо вносить на конкретном участке. В Малайзии поставщики почв рекомендуют фермерам удобрения только на основе четырех образцов на гектар. Традиционный метод оценки питательных веществ в почве не позволяет собрать огромное количество образцов почвы, для этого требуется обширный, дорогостоящий и трудоемкий лабораторный анализ, проводимый квалифицированным специалистом. Следовательно, необходим альтернативный метод оценки питательных веществ в почве для получения информации высокой плотности о их наличии в почве для внесения удобрений с попеременной нормой. Этот метод, хотя и не такой точный, как традиционный метод, является более экономичным, быстрым и простым в использовании.

В обширном обзоре автор Куанг (2012) пришел к выводу, что наиболее многообещающими технологиями проксимального зондирования для количественной оценки свойств почвы являются электрохимические методы и оптическая спектроскопия в видимом и ближнем инфракрасном (БИК) диапазонах. Однако, последний вызвал наибольший интерес, поскольку он имеет больше преимуществ, чем другие. Ученый Виджевардане (2020) перечислил преимущества видимого-БИК диапазона, в том числе возможность зондирования почвы прямо на месте и бесконтактный характер взаимодействия между электромагнитной энергией видимого-БИК диапазона и почвой, простоту миниатюризации с использованием оптических волокон для сенсорного видимого-БИК зонда, а также возможность делать выводы о нескольких свойствах почвы по одному сканированию в видимом-БИК диапазоне.

Материалы и методы

1. Экспериментальный участок и отбор проб почвы

Полевой эксперимент был проведен в Малайзии в городе Себеранг Прай штата Пенанг на рисовом поле Центра исследований и инноваций в области риса. Этот участок состоит из 10 экспериментальных рисовых полей (блоков), на каждом из которых имеется от 10 до 15 небольших рисовых участков. Образцы почвы были отобраны после сезона уборки риса в октябре 2019 года. Было собрано по пять образцов почвы на каждом из случайно выбранных 40 рисовых участков с 1 по 10 блок. В каждом месте отбора проб записывались координаты местоположения с помощью приемника Nomad 900 (Trimble, США) с интегрированной глобальной позиционирующей системой (ГПС). Собранные 200 объемных образцов почвы были упакованы в герметичные пластиковые пакеты во избежание потери почвенной влаги, промаркированы и немедленно отправлены на ферму рядом с рисовым полем для получения спектров.

2. Получение спектров почвы в видимом-БИК диапазоне

Два автономных волоконных спектрометра (vaSpec-ULS2048 и AvaSpec-NIR256, AVANTES, Нидерланды) использовались для получения видимого-БИК спектров образцов почвы. Галогенная лампа была подключена к светоосветительному волокну, а детекторные волокна были подключены к двум спектрометрам. Первый спектрометр представлял собой ПЗС-детектор на 2048 пикселей для видимого и ближнего инфракрасного диапазона (350–1100 нм), а второй спектрометр представлял собой 256-пиксельный детектор арсенида индия-галлия (InGaAs) с БИК излучением (900–1750 нм). Спектр в видимом-БИК диапазоне с длинами волн 350–1750 нм был сформирован путем слияния спектров в видимом и БИК диапазоне. Оба спектрометра были подключены к компьютеру с установленным программным обеспечением AvaSoft 8.5 для регистрации данных. На рисунке 1 показана установка для получения спектров почвы с помощью спектрометров.

╤А╨╕╤Б 1

Рисунок 1. Экспериментальная установка для получения спектров почвы с помощью спектрометров AVANTES

Белые эталонные спектры были получены с использованием стандартного отражателя (эталонная плитка Avantes WS-2) перед получением спектров на образцах почвы, а темные эталонные спектры были получены при выключенном источнике света. Регистрация спектров была намеренно выполнена на образцах свежей почвы без удаления влаги путем сушки в печи, измельчения и просеивания, чтобы разработанная калибровочная модель была более чувствительна к реальному состоянию почвы, которая содержит влагу и неоднородную текстуру, как утверждают Кодаира и Шибусава (2013). Это важно для оценки содержания азота в почве в режиме реального времени или на месте. Поэтому, из каждого образца почвы удаляли только мусор, например, корни растений и камни. Небольшое количество образца почвы (около 20 г) помещали в пластиковую чашку Петри глубиной 7,5 мм и диаметром 30 мм. Поверхность почвы утрамбовывали, тщательно выравнивали и уплотняли в чашке, чтобы получить максимальное количество отраженного света. Для удержания оптического зонда использовали черный держатель зонда и помещали под него образец почвы в чашке Петри. Это было сделано для того, чтобы окружающий свет не влиял на полученные спектры, а также для стандартизации расстояния от поверхности до зонда. Чашку Петри поворачивали на угол 120º, и при каждом повороте снимали показания отраженного света от каждого образца почвы. При каждом вращении измеряли 10 последовательных спектров в течение 5 секунд и усредняли к одному спектру для каждого положения. Три полученных спектра при трех разных поворотах были дополнительно усреднены как единый спектр для представления каждого образца почвы. Этот процесс получения спектров был выполнен для 200 собранных образцов почвы. Таким образом, было 200 почвенных спектров, соответствующих 200 почвенным пробам. Затем эти спектры использовались для спектральной обработки и разработки модели.

После получения спектров для всех 200 образцов эти образцы были отправлены в Лабораторию исследований и консультационных услуг ESPEK (ЛИКУ ESPEK) для анализа Nобщ с помощью метода сжигания.

3. Предварительная обработка спектров и разработка калибровочной модели

Предварительную обработку спектров и разработку модели выполняли с использованием программного обеспечения Unscramblers (версия X10.2, Camo A/S, Осло, Норвегия). Все собранные 200 спектров отражения почвы были преобразованы в коэффициенты поглощения путем применения закона Бера-Ламберта в уравнении:

╤Д╨╛╤А╨╝╤Г╨╗╨░ 1

где Rw – спектры отражения белого света при использовании стандартного отражателя, Rd – спектры отражения в темноте при выключенном источнике света, тогда как R – спектры отражения образцов почвы. 

Калибровочная модель Nобщ была разработана с использованием метода частичной регрессии наименьших квадратов (ЧРНК), проверенного с использованием полной перекрестной проверки для установления корреляции между значениями Nобщ, полученными в результате лабораторного химического анализа (эталонные значения) и предварительно обработанными спектрами поглощения почвы в видимом-БИК диапазоне из соответствующих местоположений. Коэффициент детерминации (R2вал) и остаточное прогнозное отклонение (ОПО), полученные в результате анализа ЧРНК разработанной модели, использовались для оценки точности модели. ОПО представляет собой отношение стандартного отклонения (СО) эталонного набора данных к полной среднеквадратической ошибке перекрестной проверки (СКОППвал).

4. Проверка и сравнение карт

Разработанная калибровочная модель была проверена на 72 спектрах почвы в видимом-БИК диапазоне, которые были получены на участке №12 с блока 5 следующего сезона (февраль 2020 г.). Семьдесят два образца почвы были отобраны в том же месте и отправлены в ту же лабораторию для анализа Nобщ. Модель была применена к собранным проверочным спектрам для получения прогнозируемого Nобщ. Затем были созданы две карты участка №12 из блока 5 с использованием программного обеспечения ARCVIEW GIS 10.6. Первая карта представляла собой измеренную карту, которая была создана на основе количества Nобщ, полученного в результате лабораторного анализа, в то время как вторая карта представляла собой карту прогноза, созданную на основе прогнозируемых значений Nобщ, рассчитанных с помощью модели калибровки в видимом-БИК диапазоне. Для интерполяции обеих карт был применен метод обратного взвешивания расстояния (ОВР).

Результаты

Статистика наборов Nобщ для калибровки и проверки (прогнозирования) для всех 200 образцов почвы приведена в таблице 1, а результат анализа ЧРНК калибровочной модели показан в таблице 2. Также представлены полученные необработанные и предварительно обработанные спектры поглощения в видимом-БИК диапазоне на рисунке 2. Оба конца спектров поглощения видимого и ближнего ИК-диапазонов были удалены, поскольку эти участки спектра были нестабильными и содержали высокий уровень шума. Затем калибровочная модель была построена, основываясь на окончательных 200 спектрах с диапазоном длин волн от 480 до 1600 нм с интервалом 5 нм. Кроме того, было обнаружено и удалено из модельного набора данных в общей сложности 20 образцов с выбросами (10% набора данных). Диаграмма разброса данных модели для Nобщ представлена на рисунке 3. Также показано первичное уравнение регрессии для Nобщ. Измеренная и предсказанная цифровая карта Nобщ для проверочного графика №12 с блока 5 показаны на рисунке 4.

Таблица 1. Статистические результаты химического анализа почв по калибровочному массиву Nобщ из 200 проб почв

╤В╨░╨▒╨╗╨╕╤Ж╨░ 1

╤А╨╕╤Б 2

Рисунок 2. Объединение 200 спектров в видимом-БИК диапазоне для разработки калибровочной модели: а) исходные спектры поглощения и б) предварительно обработанные спектры

 

Таблица 2. Результат ЧРНК для калибровочной модели Nобщ

╤В╨░╨▒╨╗╨╕╤Ж╨░ 2

 

╤А╨╕╤Б 3

Рисунок 3. Диаграмма рассеяния измеренных значений по сравнению с предсказанными значениями видимого-БИК диапазона с использованием ЧРНК в сочетании с наборами данных полной перекрестной проверки для Nобщ

╤А╨╕╤Б 4

Рисунок 4. Сравнение а) измеренной и б) предсказанной карт Nобщ для проверочного участка №12 в блоке 5

Обсуждение

Точность калибровки оценивалась на основе R2вал при перекрестной проверке и ОПО. Показатель R2вал указывает на то, что процент дисперсии переменной Y приходится на переменную X. Уильямс (2003) предположил, что значение R2вал между 0,50 и 0,65 означает, что более 50% вариации Y приходится на переменную X, так что высокая и низкие уровни могут быть различимы друг от друга. Значения R2вал от 0,66 до 0,81 показывают оценочные количественные прогнозы, а R2вал от 0,82 до 0,90 – уверенный прогноз. Калибровочная модель считается выдающейся при R2вал выше 0,91. На основании этой классификации значение R2вал 0,78, полученное в этом исследовании, указывает на то, что разработанную модель можно использовать для количественного прогнозирования Nобщ.

Сравнительные карты между измеренными и прогнозируемыми, представленные на рисунке 3, показывают частичное сходство распределения Nобщ на большей части участка №12 блока 5. Диапазоны измерений, полученные с использованием двух методов, были очень схожими. Это указывает на то, что пространственное распределение Nобщ, основанное на спектроскопии видимого и БИК-диапазонов, наряду с координатами их местоположения, является надежным и может использоваться для создания цифровой карты азота в почве, чтобы его распределение в почве можно было обнаружить визуально.

Заключение

Спектроскопическая калибровочная модель для Nобщ была разработана на основе спектров отражения почвы в видимом и ближнем инфракрасном диапазонах, полученных коммерческими спектрометрами на образцах почвы, собранных с 10 рисовых участков (блоков). Эффективность разработанной модели оказалась достаточно хорошей для количественного прогноза Nобщ. Сравнение карт, созданных на основе предсказания спектроскопического метода, показали, что этот метод и их координаты местоположения, зарегистрированные с помощью ГПС, могут использоваться для оценки и цифрового картирования распределения Nобщ в почве рисовых полей.

​​​​​​​

© Avantes

Компания INSCIENCE помогает своим заказчикам решать любые вопросы и потребности по поставке оборудования AVANTES на территории РФ

Online заявка

 

Теги спектроскопия почва ближний ик avantes питательные вещества
Новые статьи
Источник одиночных фотонов на основе монослоев WSe2 для квантовой коммуникации

В работе реализован протокол BB84 с твердотельным источником одиночных фотонов на основе атомарно тонких слоев WSe2, выделяющийся простотой изготовления и настройки свойств. Система конкурентоспособна в сравнении с передовыми решениями, а с внедрением улучшений в виде микрорезонаторов может превзойти их.

Квантовая микроскопия клеток с разрешением на пределе Гейзенберга

В статье описывается метод широкопольной квантовой микроскопии с пространственным разрешением 1,4 мкм, основанный на схеме с симметричными плечами холостых и сигнальных фотонов. Преимущества метода: высокие скорость, отношение сигнал/шум и устойчивость к рассеянному свету в сравнении с аналогичными методами квантовой визуализации.

Противодействие атакам с засветкой детекторов одиночных фотонов в системах квантового распределения ключей

В статье рассматриваются методы и аппаратные средства защиты высокоскоростных систем квантового распределения ключей от атак, связанных с засветкой детекторов одиночных фотонов интенсивным лазерным излучением.

Исследование пероральной трансплантации митохондрий с использованием наномоторов для лечения ишемической болезни сердца

Трансплантация митохондрий - важная терапевтическая стратегия восстановления энергообеспечения у пациентов с ишемической болезнью сердца (ИБС), однако есть ограничение в инвазивности метода трансплантации и потерей активности митохондрий. Здесь сообщается об успешной трансплантации митохондрий путем перорального приема для лечения ИБС. Результаты, полученные на животных моделях ИБС, показывают, что накопленные наномоторизованные митохондрии в поврежденной сердечной ткани могут регулировать сердечный метаболизм, тем самым предотвращая прогрессирование болезни.  

Система управления для квантового компьютера на сверхпроводящих кубитах

В обзоре описываются возможности программируемой системы управления квантовыми вычислениями QCCS, разработанной Zurich Instruments. QCCS масштабируется для систем, содержащих свыше 100 кубитов, увеличивает точность выполнения операций, улучшает процесс считывания кубитов, а также позволяет внедрить быструю квантовую обратную связь для эффективной коррекции ошибок.

Исследование характеристик КМОП-камеры с обратной засветкой в видимом диапазоне

В статье исследуются характеристики научной камеры Tucsen Dhyana95 с BSI-sCMOS сенсором (КМОП-сенсором с обратной засветкой) при регистрации видимого излучения. Проводится сравнение характеристик BSI-sCMOS камеры со спецификацией BSI-CCD камеры.

У Вас особенный запрос?
У Вас особенный запрос?
Весьма часто наши заказчики лучше нас знают, какое оборудование им нужно. В этом случае мы берём на себя общение с производителем, доставку и таможенную очистку, а также все вопросы гарантийного периода. Пожалуйста, заполните эту форму, и мы свяжемся с Вами, чтобы помочь решить любую Вашу задачу. Или позвоните нам по телефону +7(495)199-0-199
Форма заявки
Ваше имя: *
Ваше имя
Ваш e-mail: *
Ваш телефон: *
Ваш телефон
Наши
контакты
г. Москва, ул. Бутлерова, д. 17Б

г. Санкт-Петербург, улица Савушкина 83, корп. 3