精准评估土壤质量是保障育种质量先决条件之一,对评估种子品质和精准施肥具有指导意义。土壤成分含量是土壤质量评估的重要指标,光谱技术已经被证实可以快速、绿色地进行土壤成分检测。然而单一模态光谱技术难以满足种田多种土壤成分含量检测的需求。故运用原子激光诱导击穿光谱(LIBS)和分子可见-近红外光谱(VIS-NIR)技术结合化学计量学方法,对宁夏润丰种业育种玉米田采集的288份土壤样本进行分析,建立金属元素和土壤有机质(SOM)含量的预测模型,并实现金属元素和SOM含量空间可视化分布。首先,利用共线双脉冲LIBS系统采集土壤样本的LIBS数据,利用air-PLS对光谱数据进行基线矫正以减少试验误差。选择的金属元素特征谱线查找于美国国家标准与技术研究院(National Institute of Standards and Technology,NIST)的标准原子光谱数据库。基于国家标准土样的LIBS光谱与其金属元素含量真实值,建立4种金属元素(Na、K、Mg、Mn)的偏最小二乘回归模型(PLSR),其中Mn含量的预测效果最好,R_(p)^(2)达到0.813,RMSEP为0.155 g·kg^(-1)。另一方面,采集可见-近红外光谱数据后,利用SG卷积平滑(SGCS)、一阶导数变换、多元散射矫正(MSC)对光谱数据进行预处理,并分别建立SOM含量的PLSR预测模型对三种预处理方法进行评价,经MSC预处理后所建立的PLSR模型效果最好;随后利用蒙特卡洛交叉验证法(MCCV)剔除SOM含量异常样本。利用竞争自适应重加权采样法(CARS)和连续投影算法(SPA)选择特征波长,分别建立SOM含量的PLSR预测模型对两种算法进行评价;得出利用CARS算法选择的特征波长建立的预测模型性能有所提高。用CARS算法选择的特征波长与SOM含量真实值,分别建立PLSR和反向传播人工神经网络(BPNN)预测模型,其中PLSR模型的效果最好,R_(p)^(2)达到0.864,RMSEP为0.612 g·kg^(-1),RPD_(v)为2.733。最后,利用国家标准�
