精细农业是现代农业技术发展方向,是基于信息和知识的现代农业管理理念。光谱技术因其实时、便捷、环保等特点满足现代农业信息获取的要求。本文分别以土壤以及苹果、柑橘两种果树为研究对象,开展基于光谱分析技术的农林环境关键参数信息获取研究,为实施和推广精细农业技术体系提供理论和技术支撑。本文主要内容和研究成果如下:[1]利用光谱分析技术研究了土壤纵向空间氮素的分布规律。计算了一阶微分光谱与土壤全氮含量的相关系数,根据相关分析结果选择了适用于不同土层的氮素特征波长,进而建立多种土壤全氮预测模型,最终选择基于遗传算法优化的BP神经网络模型高精度预测不同层次土壤全氮含量,为提高养分资源利用率,制定科学施肥方案打下了基础。[2]开展了土壤原始光谱去燥研究。首先利用小波分析技术处理土壤原始光谱信息,并对最优滤波信号进行去包络线处理,得到了五种不同水分梯度条件下,均可有效反映土壤全氮含量的光谱信号,实现了在无烘干、过筛等人为预处理条件下,最大限度的从土壤实时光谱中提取出反映土壤氮素的光谱信息。结果表明这一算法可消除土壤水分、粒度对土壤养分预测的干扰严重。[3]提出了一种土壤全氮含量特征波长选择评价标准。新的评价标准综合考虑了所选波长与目标物的相关程度、全谱信息代表能力以及所选波长之间的冗余程度。进一步将所建立的评价标准与蚁群算法进行融合,对土壤全氮含量光谱特征进行提取。并将所得敏感波长应用于不同种氮肥(尿素,硝酸钙,硝酸钾)变量施肥后的土壤样本,结果表明所选波长在土壤氮素检测中具有较强的鲁棒性。[4]研发了基于激光光源的原位式土壤水分/全氮含量检测装置系统。光路部分核心部件采用八角"伞状"结构实现光信号的传输和采集。采用无线通讯方式解决数据的实时采集和传输。研究实验表明,该装置具有良好的准确性,稳定性以及土壤全氮、含水率检测能力。[5]研究了果树生长重要物候期的苹果树叶片光谱特征变化规律。在多年田间试验的基础上,构建了针对苹果树叶片氮素含量的归一化植被指数,分别利用小波、小波包分解技术提取了反映果树叶片营养含量的最优光谱信息,随后以上述三种方法提取的光谱特征信号为基础,建立多种苹果树营养预测模型,对不同时期苹果叶片营养元素含量的估测均达到较高精度。[6]开展了基于光谱技术的苹果糖度预测研究。将苹果开花期、新梢生长期、萌芽开花坐果期、新梢旺长期、花芽分化期和落叶期等6个时期果树叶片光谱信息与果实糖度进行二维相关分析,得到了叶片中反映果实糖度的敏感谱段。利用不同时期苹果叶片光谱主成分信息与果实糖度进行回归分析,获得不同时期苹果叶片光合作用强度变化以及对果实糖度的贡献权重。随后建立了苹果糖度预测的SVM模型,获得了理想的建模和预测精度,有效的说明了通过苹果不同物候期叶片光谱特征预测果实糖度具有有效性。[7]开展了基于光谱学的柑橘病虫害特征检测研究。本研究旨在提出一种可以提取柑橘果实多种常见疾病光谱特征的普适性算法。基于信息论与特征选择算法相融合的理论,开展了典型柑橘疾病光谱特征提取研究。随后设计了"单层"以及"树状" SVM分类模型群,成功对健康柑橘及6种典型疾病进行高精度分类识别。为下一步柑橘疾病识别系统的开发打下了重要基础。本论文利用可见、近红外光谱技术实现了对土壤以及苹果、柑橘果树等农林环境重要参数的快速无损监测,为实施多种农业应用下的光谱无损检测提供了可靠的科学依据,为进一步实现精细农业提供了有力的技术理论支持。