矯雷子 董大明 趙賢德 田宏武

摘要： 土壤養(yǎng)分作為農(nóng)業(yè)生產(chǎn)的重要指標(biāo)，含量過(guò)少會(huì)降低農(nóng)作物產(chǎn)量，過(guò)多則會(huì)造成環(huán)境污染。因此，快速、準(zhǔn)確檢測(cè)土壤養(yǎng)分對(duì)于精準(zhǔn)施肥和提高作物產(chǎn)量具有重要意義。基于取樣和化學(xué)分析的傳統(tǒng)方法能夠全面準(zhǔn)確地檢測(cè)土壤養(yǎng)分，但檢測(cè)過(guò)程中土壤的取樣及預(yù)處理過(guò)程繁瑣、操作復(fù)雜、費(fèi)時(shí)費(fèi)力，不能實(shí)現(xiàn)土壤養(yǎng)分的原位快速檢測(cè)。本研究基于調(diào)制近紅外光譜，提出了一種土壤養(yǎng)分主動(dòng)式近場(chǎng)遙測(cè)方法，可有效避免土壤反射自然光的干擾。該方法使用波長(zhǎng)范圍1260～1610 nm的8通道窄帶激光二極管作為近紅外光源，通過(guò)測(cè)量8通道激光光束的土壤反射率，建立土壤養(yǎng)分中氮（N）關(guān)于土壤反射率的計(jì)量模型，實(shí)現(xiàn)了N的快速檢測(cè)。在74組已知N含量的土壤樣品中，選取54組作為訓(xùn)練集，20組作為預(yù)測(cè)集?；谝话憔€性模型，對(duì)訓(xùn)練集中土壤N含量與土壤反射率的定量化參數(shù)進(jìn)行訓(xùn)練，篩選顯著波段后的計(jì)量模型R2達(dá)到0.97?；诮⒌挠?jì)量模型，預(yù)測(cè)集中土壤N含量預(yù)測(cè)值與參考值的決定系數(shù)R2達(dá)到0.9，結(jié)果表明該方法具有土壤養(yǎng)分現(xiàn)場(chǎng)快速檢測(cè)的能力。

關(guān)鍵詞： 土壤氮素;近紅外光譜;近場(chǎng)遙測(cè);鎖相放大;光電探測(cè)

中圖分類(lèi)號(hào)： S151.9+5 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 202005-SA003

引文格式：矯雷子， 董大明， 趙賢德， 田宏武. 基于調(diào)制近紅外反射光譜的土壤養(yǎng)分近場(chǎng)遙測(cè)方法研究[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2 （2）： 59-66.

Citation：JIAO Leizi， DONG Daming， ZHAO Xiande， TIAN Hongwu. Near-field telemetry detection of soil nutrient based on modulated near-infrared reflectance spectrum[J]. Smart Agriculture， 2020， 2 （2）： 59-66.

1 引 ?言

土壤含有的營(yíng)養(yǎng)成分對(duì)植物生長(zhǎng)至關(guān)重要。氮素（N）是農(nóng)田土壤中最重要的元素之一，也是化肥主要養(yǎng)分之一。因?yàn)镹是形成新細(xì)胞和結(jié)構(gòu)中有機(jī)化合物所必需的元素，所以N對(duì)農(nóng)產(chǎn)品品質(zhì)的影響非常大。無(wú)論在農(nóng)場(chǎng)還是自然環(huán)境中，土壤中N含量隨著空間分布而不同。當(dāng)土壤中缺少N時(shí)，作物往往改變其利用養(yǎng)分的方式和自身形態(tài)，從而限制了作物的生長(zhǎng)[1]。當(dāng)土壤中N過(guò)剩時(shí)，在降雨和灌溉過(guò)程中，那些不被植物消耗的大量N被淋溶到地表和地下水中，嚴(yán)重影響飲用水的品質(zhì)，造成環(huán)境污染。為了提高作物的生產(chǎn)力，了解土壤中N含量及其空間分布至關(guān)重要。因此，準(zhǔn)確探測(cè)土壤中N素含量，根據(jù)測(cè)量結(jié)果調(diào)整土壤養(yǎng)分，對(duì)于保障農(nóng)作物健康生長(zhǎng)及提高產(chǎn)量具有重要的意義[2]。

傳統(tǒng)的土壤養(yǎng)分測(cè)量方法是采用隨機(jī)網(wǎng)格采樣技術(shù)獲取土壤芯樣，借助昂貴的實(shí)驗(yàn)室儀器和額外的萃取劑對(duì)土壤進(jìn)行進(jìn)一步化學(xué)分析，比如凱氏定氮法、杜馬斯燃燒法和氣相色譜-質(zhì)譜法[3]。盡管實(shí)驗(yàn)室化學(xué)分析方法具有很高的準(zhǔn)確性，但較長(zhǎng)的采樣時(shí)間、高昂的采樣成本，以及復(fù)雜多變的農(nóng)田地形，使得這些方法缺乏對(duì)農(nóng)田土壤養(yǎng)分進(jìn)行連續(xù)、實(shí)時(shí)分析的能力。隨著精準(zhǔn)農(nóng)業(yè)的發(fā)展，相比于傳統(tǒng)實(shí)驗(yàn)室分析方法，原位、快速和準(zhǔn)確的土壤養(yǎng)分檢測(cè)方法及設(shè)備的需求日益迫切[4]。

近紅外反射光譜是一種快速、簡(jiǎn)便并且無(wú)損的分析技術(shù)[5-7]，不需要使用化學(xué)物質(zhì)，利用近紅外輻射與土壤樣品的相互作用，根據(jù)土壤在近紅外范圍內(nèi)的吸光度或反射率來(lái)表征土壤特性[8-10]。近年來(lái)關(guān)于近紅外土壤檢測(cè)的論文數(shù)量呈指數(shù)增長(zhǎng)，該技術(shù)可以用來(lái)評(píng)估土壤的礦物和有機(jī)成分，進(jìn)行土壤監(jiān)測(cè)、土壤質(zhì)量和功能推斷以及解釋其分布[11，12]。

目前土壤養(yǎng)分檢測(cè)多使用近紅外光譜儀，需要配置專(zhuān)用分析軟件及操作人員，體積大、成本高，往往用于實(shí)驗(yàn)室分析，不適用于現(xiàn)場(chǎng)快速檢測(cè)[13]。為了簡(jiǎn)化近紅外土壤檢測(cè)系統(tǒng)，基于單波的LED或激光光源的土壤N檢測(cè)系統(tǒng)得到了大力發(fā)展。研究表明，在近紅外區(qū)域，2234、2150、1991、1833、1895、1684、1673、1559、1536、1394、1389、1311、1286、1215、1208、1187、1124、1092、1064、1028、984、972、931、923、859和844 nm波段可用于土壤N預(yù)測(cè)[14-16]。依據(jù)這些波長(zhǎng)選擇窄帶LED或激光光源，可用于便攜式土壤N檢測(cè)儀的研制，比如An等[17]使用1550、1300、1200、1100、1050和940 nm波段，建立了土壤總N估算模型，研制了6波段土壤總N檢測(cè)儀，可對(duì)土壤總N進(jìn)行現(xiàn)場(chǎng)快速評(píng)估。然而，這些基于多波段的土壤養(yǎng)分檢測(cè)設(shè)備為了避免太陽(yáng)光的干擾，往往使用遮光裝置或深入土壤內(nèi)部進(jìn)行檢測(cè)，不易操作。

針對(duì)這一現(xiàn)狀，本研究基于調(diào)制近紅外和鎖相放大技術(shù)，提出了8波段近紅外光譜土壤養(yǎng)分便攜式近場(chǎng)遙測(cè)方案，通過(guò)測(cè)量8通道近紅外激光光源的土壤反射率，建立光譜反射率與土壤N的定量化計(jì)量模型，實(shí)現(xiàn)土壤N的近場(chǎng)快速近場(chǎng)遙測(cè)，并避免自然光的干擾。

2 系統(tǒng)設(shè)計(jì)

近紅外土壤養(yǎng)分近場(chǎng)遙測(cè)方案如圖1所示，主要包括電源系統(tǒng)、光源驅(qū)動(dòng)電路、光路系統(tǒng)、光電探測(cè)電路、AD轉(zhuǎn)換電路、數(shù)據(jù)采集和傳輸電路，以及智能手機(jī)采集系統(tǒng)等，通過(guò)近場(chǎng)（20～50 cm）遙測(cè)土壤表面反射的8個(gè)波段的近紅外光譜反射率，建立土壤養(yǎng)分（比如N、磷、鉀等）關(guān)于不同波段反射率的定量化模型，實(shí)現(xiàn)土壤養(yǎng)分含量檢測(cè)。

2.1 硬件設(shè)計(jì)

2.1.1 近紅外光源及驅(qū)動(dòng)電路

為了覆蓋近紅外光譜，選擇中心波長(zhǎng)分別為1270、1310、1350、1410、1450、1510、1550和1610 nm共計(jì)8個(gè)波段的近紅外激光光源作為主動(dòng)式單波段光源，采用TO56方式封裝，功率為20 mW。

在近場(chǎng)遙測(cè)過(guò)程中，土壤反射的自然光也會(huì)隨著聚光透鏡進(jìn)入探測(cè)系統(tǒng)，對(duì)主動(dòng)光信號(hào)探測(cè)造成嚴(yán)重干擾。自然光短時(shí)間內(nèi)變化很小，其對(duì)應(yīng)的電信號(hào)可認(rèn)為是直流信號(hào)。因此，為避免自然光的干擾，設(shè)計(jì)激光光源驅(qū)動(dòng)電路時(shí)，在直流偏執(zhí)確保激光二極管正常發(fā)光的基礎(chǔ)上，疊加微弱的正弦波信號(hào)使得激光光源光束按照一定頻率進(jìn)行微弱變化，實(shí)現(xiàn)激光光源的調(diào)制。通過(guò)光電探測(cè)電路中的鎖相放大模塊對(duì)土壤反射的激光光源調(diào)制光束信號(hào)進(jìn)行解調(diào)，僅探測(cè)特定頻率的交變信號(hào)，從而避免自然光的干擾。通過(guò)單片機(jī)控制CD4051模擬開(kāi)關(guān)進(jìn)行8路激光光源選擇性驅(qū)動(dòng)和切換。

2.1.2 光電探測(cè)器及光電轉(zhuǎn)換電路

考慮到方案中采用近場(chǎng)遙測(cè)方式探測(cè)土壤反射的激光光束，而土壤表面反射的激光信號(hào)比較微弱。因此在光信號(hào)探測(cè)過(guò)程中選用高靈敏、低暗電流、大感應(yīng)面的InGaAs光電二極管探測(cè)器，感光區(qū)域直徑為5 mm，波長(zhǎng)響應(yīng)范圍800～1700 nm，封裝方式為T(mén)O-8，暗電流為10 nA。土壤反射的激光光束通過(guò)聚光透鏡聚焦到光電探測(cè)器感應(yīng)區(qū)域，從而轉(zhuǎn)換成電流信號(hào)。光電探測(cè)器輸出的電流信號(hào)經(jīng)過(guò)前置放大電路（跨阻放大器）轉(zhuǎn)換成電壓信號(hào)，為主動(dòng)光信號(hào)提取做準(zhǔn)備。

2.1.3 主動(dòng)光信號(hào)提取電路

光電轉(zhuǎn)換電路輸出的電壓信號(hào)，是自然光對(duì)應(yīng)直流電信號(hào)、激光光束對(duì)應(yīng)的直流和交流電信號(hào)的疊加。因此，為提取有效的激光光束對(duì)應(yīng)的交流電信號(hào)，采用MLT04乘法器，通過(guò)輸入信號(hào)（自然光及激光光束對(duì)應(yīng)的電信號(hào)）與參考信號(hào)（與激光光束對(duì)應(yīng)的交流信號(hào)同頻同相）進(jìn)行相乘，實(shí)現(xiàn)鎖相放大電路功能。相乘輸出的混合信號(hào)通過(guò)濾波器，提取所需的激光光束對(duì)應(yīng)的交流信號(hào)，從而消除自然光對(duì)應(yīng)的直流信號(hào)，避免自然光的干擾。提取的激光光束對(duì)應(yīng)的交流信號(hào)進(jìn)入信號(hào)調(diào)理電路，進(jìn)行放大和濾波，放大到AD轉(zhuǎn)換電路所需的幅值。

2.1.4 ADC轉(zhuǎn)換電路

ADC轉(zhuǎn)換電路選用MAX11410，該芯片為24位ADC芯片，具有低功耗、多通道、高精度的特點(diǎn)，輸入部分包括低噪聲可編程增益放大器（Programmable Gain Amplifier，PGA），具有極高輸入阻抗及1～128倍可變?cè)鲆?，?yōu)化總體動(dòng)態(tài)范圍。輸入緩沖器提供信號(hào)輸入與開(kāi)關(guān)電容采樣網(wǎng)絡(luò)之間的隔離，即使高阻抗源也非常容易驅(qū)動(dòng)。ADC10通道輸入多路復(fù)用器為復(fù)雜傳感器測(cè)量提供了靈活性。單周期模式下，數(shù)字濾波器在單個(gè)轉(zhuǎn)換周期內(nèi)保持穩(wěn)定。提供的FIR數(shù)字濾波器允許16 ms內(nèi)單周期穩(wěn)定，同時(shí)提供90 dB以上的50和60 Hz電源噪聲抑制。集成片上振蕩器不要求外部元件，簡(jiǎn)化了高精度傳感器的應(yīng)用。

2.1.5 數(shù)據(jù)采集/傳輸及電源電路

數(shù)據(jù)采集及傳輸選用STM32F103單片機(jī)，完成ADC轉(zhuǎn)換數(shù)據(jù)的采集和傳輸，提供正弦波交變信號(hào)作為激光光束交變驅(qū)動(dòng)信號(hào)和鎖相放大參考信號(hào)，控制多路模擬開(kāi)關(guān)控制激光光源選擇性驅(qū)動(dòng)。為了實(shí)現(xiàn)數(shù)據(jù)上傳至智能手機(jī)，用單片機(jī)控制HM-11串口藍(lán)牙透?jìng)髂K進(jìn)行數(shù)據(jù)發(fā)送。

整個(gè)系統(tǒng)采用8.4 V鋰電池供電，使用LM2940、SP3819和ADR431等電源芯片產(chǎn)生各集成電路所需的5、3.3和2.5 V穩(wěn)定精確地直流電源，為各個(gè)芯片及模塊供電。

2.2 軟件設(shè)計(jì)

軟件部分包括兩個(gè)模塊：一是基于單片機(jī)的下位機(jī)嵌入式軟件設(shè)計(jì);二是基于智能手機(jī)的app軟件設(shè)計(jì)，功能分別如下。

（1）基于STM32F103單片機(jī)系統(tǒng)的下位機(jī)嵌入式軟件，包括特定頻率的信號(hào)發(fā)生模塊、ADC轉(zhuǎn)換程序模塊、模擬開(kāi)關(guān)控制程序模塊、串口-藍(lán)牙通信程序模塊等，主要完成STM32F103系統(tǒng)運(yùn)行、激光光束對(duì)應(yīng)的模擬電壓采集、光源驅(qū)動(dòng)所需交變激勵(lì)信號(hào)產(chǎn)生、模擬開(kāi)關(guān)通斷、8路激光二極管交替驅(qū)動(dòng)、光譜反射率計(jì)算以及數(shù)據(jù)傳輸?shù)裙δ堋?/p>

（2）基于智能手機(jī)的app軟件主要通過(guò)無(wú)線通信完成與單片機(jī)的交互，控制單片機(jī)進(jìn)行相關(guān)操作，并對(duì)單片機(jī)上傳的數(shù)據(jù)進(jìn)行采集和保存。

2.3 光路設(shè)計(jì)

光路系統(tǒng)主要包括激光光束發(fā)射和反射激光光束接收系統(tǒng)。完成激光光束的有角度照射和最大限度接收。在20～50 cm遙測(cè)距離范圍內(nèi)（即激光光源端面到土壤表面的距離），為了確保8個(gè)波段激光光束照射土壤表面區(qū)域的一致性，激光光源通過(guò)具有一定角度的限位孔固定，并對(duì)稱(chēng)均勻分布在聚光透鏡周?chē)?，確保這些光源相對(duì)于反射激光光束接受系統(tǒng)的照射角度、范圍一致。考慮到激光照射土壤反射回來(lái)的光束信號(hào)比較微弱，在反射激光光束接受系統(tǒng)設(shè)計(jì)過(guò)程中，為了使得光電二極管最大接收土壤表面反射的光束，聚焦透鏡處于8個(gè)波段激光光束所在同心圓的中心位置，確保最大限度地收集反射激光光束信號(hào)，把聚集的光信號(hào)送到探測(cè)器表面，提高探測(cè)靈敏度。

3 測(cè)試分析

3.1 系統(tǒng)組裝與測(cè)試

按照硬件電路設(shè)計(jì)的原理圖以及光路系統(tǒng)的結(jié)構(gòu)尺寸，繪制數(shù)據(jù)采集傳輸硬件系統(tǒng)、光源驅(qū)動(dòng)硬件系統(tǒng)、光電轉(zhuǎn)換硬件系統(tǒng)、鎖相放大及信號(hào)調(diào)理硬件系統(tǒng)對(duì)應(yīng)的特定形狀印制電路板（Printed Circuit Board，PCB），檢測(cè)繪制PCB板的電氣安全，通過(guò)后進(jìn)行PCB板印制。依據(jù)器件焊接要求，焊接硬件各個(gè)模塊所需的電子元器件，并對(duì)焊接效果進(jìn)行電氣檢查和測(cè)試。在確保焊接電路板電氣安全情況下，接通電源，通過(guò)高精度示波器對(duì)電源系統(tǒng)產(chǎn)生的各個(gè)電源電壓的紋波噪聲、幅度進(jìn)行檢測(cè)，調(diào)整濾波電路器件參數(shù)，直至滿足系統(tǒng)所需電源紋波要求。8個(gè)波段的激光二極管分別固定在光學(xué)機(jī)械探頭的固定孔中，然后使用信號(hào)線引出正負(fù)引腳，接到光源驅(qū)動(dòng)接口。聚焦透鏡放入固定孔中，旋轉(zhuǎn)螺絲轉(zhuǎn)環(huán)進(jìn)行固定。紅外光電探測(cè)器放入光學(xué)探頭限位孔，利用機(jī)械卡環(huán)固定在透鏡焦距位置處，并用屏蔽線引出光電流輸出引腳到光電轉(zhuǎn)換電路板接口。焊接完成的電路板按照需求固定在光學(xué)機(jī)械探頭上。焊接及調(diào)試完成單片機(jī)采集/控制/傳輸系統(tǒng)、激光光源驅(qū)動(dòng)系統(tǒng)、光電轉(zhuǎn)換/鎖相放大/信號(hào)調(diào)理系統(tǒng)及整機(jī)組裝實(shí)物圖如圖2所示。

利用智能手機(jī)中藍(lán)牙采集助手，首先對(duì)土壤N近紅外遙測(cè)儀的系統(tǒng)暗噪聲進(jìn)行分析。在分析過(guò)程中，聚光透鏡位置貼上遮光膠帶，使得透鏡無(wú)法接收反射回的激光二極管的光信號(hào)，阻止激光信號(hào)進(jìn)入光電探測(cè)器。這種條件下，系統(tǒng)輸出電壓值僅與背景噪聲有關(guān)，與激光光源無(wú)關(guān)。單獨(dú)驅(qū)動(dòng)8波段激光二極管中的每一路，記錄每路激光光源工作時(shí)的系統(tǒng)輸出電壓值，如圖3所示。暗噪聲數(shù)據(jù)記錄結(jié)果表明，8路激光二極管分別驅(qū)動(dòng)時(shí)對(duì)應(yīng)的系統(tǒng)暗噪聲電信號(hào)隨時(shí)間變化的趨勢(shì)基本一致，并在5～6 min時(shí)趨于穩(wěn)定值。造成這一現(xiàn)象的原因，可能是由于近紅外激光光源發(fā)光特性，在交變信號(hào)的驅(qū)動(dòng)下，激光二極管發(fā)光強(qiáng)度需要一定的時(shí)間進(jìn)行穩(wěn)定。因此，儀器開(kāi)機(jī)后需要預(yù)設(shè)6 min左右才能正常使用。

其次，移走聚光透鏡遮光布，儀器開(kāi)機(jī)6 min后，在正常工作狀態(tài)下，激光二極管發(fā)射的激光光束經(jīng)過(guò)距離50 cm的漫反射參考板反射回來(lái)，反射的激光光束經(jīng)過(guò)聚光透鏡到達(dá)光電探測(cè)器，對(duì)各個(gè)波段激光二極管反射光束對(duì)應(yīng)電信號(hào)隨時(shí)間變化的數(shù)據(jù)進(jìn)行了記錄。每路激光二極管單獨(dú)驅(qū)動(dòng)時(shí)參考板反射的激光光束信號(hào)對(duì)應(yīng)系統(tǒng)輸出的電信號(hào)隨時(shí)間變化的結(jié)果如圖4所示。結(jié)果表明，儀器工作穩(wěn)定后，參考板反射回來(lái)的8個(gè)波段的激光光束光信號(hào)對(duì)應(yīng)電信號(hào)隨時(shí)間基本趨于穩(wěn)定，呈現(xiàn)出比較好的穩(wěn)定性和重復(fù)性，這為精確計(jì)算每個(gè)波段激光光束的土壤反射率以及精確的土壤養(yǎng)分定量化計(jì)量模型提供了保障。

3.2 土壤N含量檢測(cè)

為了驗(yàn)證近場(chǎng)遙測(cè)設(shè)備檢測(cè)土壤養(yǎng)分的可行性，使用完成電氣測(cè)試的儀器對(duì)74組已知N含量的土壤樣本（北京市農(nóng)林科學(xué)院內(nèi)實(shí)驗(yàn)田土壤樣本）的反射率進(jìn)行測(cè)試。其中54組作為訓(xùn)練集，20組作為預(yù)測(cè)集。檢測(cè)過(guò)程中，儀器被固定在距離土壤樣品一定距離的支架上，照射放置在距離30 cm的土壤樣品表面，使用智能手機(jī)通過(guò)藍(lán)牙控制近紅外遙測(cè)儀，分別驅(qū)動(dòng)激光光源并采集8個(gè)波段激光光束的土壤反射率，用于定量化模型分析。測(cè)試過(guò)程如圖5所示。

利用SPSS軟件中的廣義線性模型（Generalize Linear Model，GLM），對(duì)獲取的54組土壤樣本的8個(gè)波段的反射率進(jìn)行訓(xùn)練，其中Y是N含量，X1—X8分別對(duì)應(yīng)1270、1310、1350、1410、1450、1510、1550和1610 nm 8個(gè)波段激光二極管照射樣本的反射率，擬合N含量關(guān)于8個(gè)波段反射率的數(shù)學(xué)模型（圖6）。SPSS訓(xùn)練結(jié)果表明，54組訓(xùn)練集土壤樣品N含量關(guān)于8個(gè)波段反射率的GLM數(shù)學(xué)模型的決定系數(shù)R2值達(dá)到了0.97，表明利用訓(xùn)練集建立的N含量關(guān)于8個(gè)波段反射率的數(shù)學(xué)模型具有很高的擬合度，很好地表征了N含量與8波段反射率之間的定量化關(guān)系。

隨后使用預(yù)測(cè)集中的20組土壤樣品對(duì)擬合的GLM數(shù)學(xué)模型的預(yù)測(cè)性能進(jìn)行驗(yàn)證，獲取的20組N含量預(yù)測(cè)值與參考值的相關(guān)關(guān)系曲線如圖7所示。結(jié)果表明，使用54組訓(xùn)練集獲取的GLM模型的預(yù)測(cè)R2值達(dá)到了0.90，驗(yàn)證了近場(chǎng)遙測(cè)土壤養(yǎng)分的可行性，為便攜式土壤養(yǎng)分紅外近場(chǎng)遙測(cè)土壤養(yǎng)分提供了理論依據(jù)和技術(shù)支持。

4 結(jié) ?論

本研究提出了基于多波段調(diào)制近紅外光譜的土壤養(yǎng)分近場(chǎng)遙測(cè)方案，對(duì)系統(tǒng)所需光路、軟硬件等模塊進(jìn)行了設(shè)計(jì)與組裝，并使用已知N含量土壤樣品對(duì)設(shè)備性能進(jìn)行了測(cè)試。測(cè)試結(jié)果表明，訓(xùn)練集擬合的土壤N含量關(guān)于反射率的一般線性模型R2值達(dá)到了0.97，預(yù)測(cè)集的土壤N含量預(yù)測(cè)值與參考值R2達(dá)到了0.90，驗(yàn)證了該主動(dòng)式近場(chǎng)遙測(cè)方法的可行性。但測(cè)量過(guò)程中可能會(huì)受到土壤顆粒、水分含量、酸堿度等因素影響，為精確預(yù)測(cè)土壤養(yǎng)分帶來(lái)挑戰(zhàn)，接下來(lái)也將圍繞這些影響因素開(kāi)展工作，對(duì)其影響規(guī)律及消減方法進(jìn)行研究，提高檢測(cè)精度。

參考文獻(xiàn)：

[1] SCHACHTMAN D P， SHIN R. Nutrient sensing and signaling： NPKS[J]. Annual Review of Plant Biology， 2007， 58（1）： 47-69.

[2] CHEN Y， CAMPS-ARBESTAIN M， SHEN Q， et al. The long-term role of organic amendments in building soil nutrient fertility： A meta-analysis and review[J]. Nutrient Cycling in Agroecosystems， 2018， 111（2）： 103-125.

[3] BURTONLAMAR， JAYACHANDRAN K， BHANSALI S. Review—The “real-time” revolution for in situ Soil nutrient sensing[J]. Journal of The Electrochemical Society， 2020， 167： ID 037569.

[4] LASKAR S， MUKHERJEE S. Optical sensing methods for assessment of soil macronutrients and other properties for application in precision agriculture： A review[J]. ADBU Journal of Engineering Technology， 2016， 4： 206-210

[5] JACONI A， VOS C， DON A. Near infrared spectroscopy as an easy and precise method to estimate soil texture[J]. Geoderma， 2019， 337： 906-913.

[6] NAYAK A K， RAHMAN M M， NAIDU R， et al. Current and emerging methodologies for estimating carbon sequestration in agricultural soils： A review[J]. Science of The Total Environment， 2019， 665： 890-912.

[7] TüMSAVA? Z， TEKIN Y， ULUSOY Y， et al. Prediction and mapping of soil clay and sand contents using visible and near-infrared spectroscopy[J]. Biosystems Engineering， 2019， 177： 90-100.

[8] HONG Y， CHEN S， ZHANG Y， et al. Rapid identification of soil organic matter level via visible and near-infrared spectroscopy： Effects of two-dimensional correlation coefficient and extreme learning machine[J]. Science of The Total Environment， 2018， 644： 1232-1243.

[9] NAWAR S， MOUAZEN A M. Optimal sample selection for measurement of soil organic carbon using on-line vis-NIR spectroscopy[J]. Computers and Electronics in Agriculture， 2018， 151： 469-477.

[10] TEKIN Y， KUANG B， MOUAZEN A. Potential of on-line visible and near infrared spectroscopy for measurement of pH for deriving variable rate lime recommendations[J]. Sensors， 2013， 13（8）： 10177- 10190.

[11] 蔣璐璐， 張瑜， 王艷艷， 等. 基于光譜技術(shù)的土壤養(yǎng)分快速測(cè)試方法研究[J]. 浙江大學(xué)學(xué)報(bào)（農(nóng)業(yè)與生命科學(xué)版）， 2010， 36（4）： 445-450.

JIANG L， ZHANG Y， WANG Y， et al. Fast determination of nutritional parameters in soil based on spectroscopic techniques[J]. Journal of Zhejiang University （Agriculture & Life Sciences）， 2010， 36（4）： 95-100.

[12] 張淑娟， 王鳳花， 張海紅， 等. ?基于近紅外光譜技術(shù)的土壤養(yǎng)分檢測(cè)方法[C]// 紀(jì)念中國(guó)農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國(guó)農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）. 北京， 中國(guó)： 中國(guó)農(nóng)業(yè)工程學(xué)會(huì)， 2009： 1003-1008.

ZHANG S， WANG F， ZHANG H， et al. The method of soil nutrients detection based on Near-infrared spectroscopy technology[C]// 2009 Annual Conference of Chinese Society of Agricultural Engineering—To Commemorate the 30th Anniversary of the Establishment of the Chinese Agricultural Engineering Society. Beijing， China： Chinese Society of Agricultural Engineering，2009： 1003-1008.

[13] 李雪瑩， 范萍萍， 侯廣利， 等. 可見(jiàn)-近紅外光譜的土壤養(yǎng)分快速檢測(cè)[J]. 光譜學(xué)與光譜分析， 2017， 37（11）： 3562-3566.

LI X， FAN P， HOU G， et al. Rapid detection of soil nutrients based on visible and near infrared spectroscopy[J]. Spectroscopy and Spectral Analysis， 2017， 37（11）： 3562-3566.

[14] 劉玉萌， 李民贊， 安曉飛， 等. 一種便攜式土壤氮素光譜檢測(cè)儀設(shè)計(jì)[C]// 中國(guó)農(nóng)業(yè)工程學(xué)會(huì)（CSAE）2011年學(xué)術(shù)年會(huì). ?北京， 中國(guó)： 中國(guó)農(nóng)業(yè)工程學(xué)會(huì)， 2011： 1500-1504.

LIU Y， LI M， AN X， et al. A design of portable spectral detector for measuring soil nitrogen[C]// 2011 Annual Conference of Chinese Society of Agricultural Engineering. Beijing， China： Chinese Society of Agricultural Engineering， 2011： 1500-1504.

[15] SHI Y， YU X， FENG Q， et al. Design of portable near infrared soil nutrient measuring instrument[J]. Optik， 2015， 126（2）： 230-233.

[16] LI Y F， WANG D C， ZHANG D Y， et al. The detection of soil parameters by portable near infrared spectrometer[J]. Applied Mechanics and Materials， 2011， 128-129： 718-726.

[17] AN X， LI M， ZHENG L， et al. A portable soil nitrogen detector based on NIRS[J]. Precision Agriculture， 2014， 15： 3-16.

Abstract： Proper soil nutrients content plays an important role in agricultural production—undernutrition would reduce crop yield and quality and overnutrition would cause environmental pollution. Though the traditional approaches based on sampling and chemical analysis can comprehensively and accurately measure soil nutrients， but the soil sampling and pretreatment process are cumbersome， complicated， time-consuming， and costly. Therefore， rapid and accurate measurement of soil nutrients is of great significance for precise fertilizer application， which can increase yield， improve crop quality， and alleviate environmental pollution. Toward this objective， a rapid soil nutrients detection method based on modulated near infrared spectroscopy for active near-field telemetry was proposed， which could effectively minimize effect of sunlight during the measuring process. Eight channels narrow-band laser diodes with wavelengths of 1260， 1310， 1350， 1410， 1450， 1510， 1550 and 1610 nm were selected as active lighting sources for measuring the reflectance of soil samples. Eight channels narrow-band laser diodes were symmetrically placed on a concentric circle. A photodetector with a circular photosensitive area of 5 mm in diameter was placed at the center of the concentric circle to maximize the reception of laser beam reflected by soil. A focusing lens was placed in front of the photodetector to collect the laser beam reflected from the soil sample to increase the sensitivity. The sensing area of the photodetector was located at the focus of the lens. seventy four groups of soil samples with known N content were divided into training set （54 groups） and prediction set （20 groups） for data analysis. The spectral reflectance significantly correlated with soil N content was screened by analyzing the training set based on a general linear model and a quantitative measurement model with R2 of 0.97 between the screened spectral reflectance and soil N content was achieve. The predicted soil N content obtained from prediction set based on the established model and the referenced soil N content of the prediction set had a R2 of 0.9， indicating that this method has an ability to quickly， as well as accurately detect soil nutrients.

Key words： soil nutrients; near infrared spectrum; near-field telemetry; lock-in amplifier; photoelectic detection