基于热裂解和电子鼻的土壤全氮检测方法及特征优化

摘要：

土壤氮是作物生长发育所必需的营养元素,也是衡量土壤肥力特征的重要指标.为快捷准确测定土壤全氮含量,该研究提出了一种基于热裂解和电子鼻的土壤全氮含量检测方法.采用10种不同类型的气体传感器构建传感器阵列,并对其进行了不同浓度甲烷、氯乙烯和氨气等标准气体的响应测试试验.使用马弗炉裂解土壤样本得到裂解气体,采用气体传感器阵列检测裂解气体的响应曲线.提取响应曲线的平均值(Vmean)、方差值(Vvav)、最大梯度值(Vmgv)、最大值(Vmax)、响应面积值(Vrav)、第8秒的瞬态值(V8)和平均微分系数(Vmdc)7个特征构建121×10×7(121为土壤样本,10为传感器数量,7为特征)的特征空间,采用GA-BP特征优化方法将特征降至33维,形成121×33的特征空间.GA-BP算法优化结果表明,构建的传感器阵列对该文检测方法无冗余影响,其中传感器TGS826、TGS2603、TGS2611和TGS2600对新特征空间的构建贡献最大,特征Vmean、Vmgv、Vrav、V8和Vmdc是反映该文检测方法与土壤全氮含量内在关系的重要特征.采用反向传播神经网络算法(BPNN)、偏最小二乘回归算法(PLSR)和反向传播神经网络与偏最小二乘回归结合算法(PLSR-BPNN)建立特征空间与土壤全氮含量的预测模型,使用决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)作为模型性能指标.建模结果表明,PLSR、BPNN和PLSR-BPNN模型的R2分别为0.91、0.81和0.93,RMSE分别为0.25、0.37和0.22,RPD分别为3.24、2.19和3.79,PLSR-BPNN模型拥有最高的R2和RPD,最小的RMSE.结果表明,土壤热解气体与土壤全氮含量之间存在较高的相关性,采用该文检测方法建立的PLSR-BPNN模型可以实现土壤全氮含量的准确预测.

关键词：土壤;全氮;传感器;热裂解;电子鼻;特征优化;模式识别

所属期刊栏目：37

分类号：S158.2;TP212.9(土壤学)

资助基金：吉林省科技发展计划项目20200502007NC

在线出版日期：2022-03-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：73-84