钟翔君, 杨 丽*, 张东兴, 崔 涛, 和贤桃, 杜兆辉

1. 中国农业大学工学院， 北京 100083

2. 农业农村部土壤-机器-植物系统技术重点实验室， 北京 100083

引 言

土壤有机质(soil organic matter， SOM)是表征土壤肥力的关键参数， 根据SOM含量进行变量播种[1-4]或其他土壤改良作业对于挖掘土壤潜力、 提高作物产量[5-6]具有重要意义。 传统以野外采样及实验室化学分析为主的SOM检测方法精度高， 但工作量大， 成本高， 检测效率低， 不适于精准农业大区域、 快速高效检测的需求[7]。 近年来， 可见光-近红外光谱分析技术因其无损、 简便、 高效等特点， 在估测SOM含量的研究探索上得到快速发展， 是土壤特性信息获取和研究的热点。

国内外许多学者对SOM与反射光谱之间的关系[8]、 光谱预处理方法[9-10]及模型构建方法[11-12]开展较多研究， 以实现SOM含量的高精度快速预测。 Dhawale等[13]通过对不同质地和有机质含量的土样近红外光谱进行数学变换和建模分析， 基于偏最小二乘回归(partial least squares regression， PLSR)建立了预测质地和有机质含量的光谱校准方法。 Mouazen等[14]通过对反射率数据进行不同预测模型的精度对比， 并确定了该土壤类型下预测效果最佳的模型。 Dotto等[15]比较了九种模型在七种不同预处理方法下的SOM预测精度。 于雷等[16]分析了不同形式的变换光谱与SOM含量的相关性， 确定连续统去除和PLSR建立的预测模型具有显著的预测效果。

为了适应精准农业土壤信息高效获取的要求， 需要针对田间复杂的作业环境开展SOM含量动态检测的研究， 并开发适于动态作业的SOM检测仪器。……