土壤分析中对于近红外、中红外光谱技术的应用

朱文超

摘 要 土壤是农业可持续发展的核心部分，也是人类生存的重要自然资源。土壤科学研究活动在合理利用土壤，高效发展农业方面发挥着积极作用。本文主要从分析近红外与中红外光谱技术的基本情况入手，着重介绍了近红外与中红外光谱区域情况，阐明了这一技术的实际应用方向和优势，还提出了其在土壤分析中的实践应用情况，并结合现阶段的应用不足，展望今后近红外与中红外光谱技术的应用方向，为提升该项技术在土壤分析工作中的应用水平提供一定借鉴和参考。

关键词 近红外;中红外光谱技术;土壤分析

前言

现代化土壤分析研究工作实施中，确保分析精确性，是现阶段相关工作者的重要工作内容。常规性土壤分析方法的成本较高，周期较长，还容易产生污染问题，不适应大范围推广。近红外与中红外光谱技术在当前众多领域应用程度较高，在食品、医药、农业以及石油化工等领域拥有显著应用效果。将近红外与中红外光谱技术积极应用在土壤分析工作之中，可以取得良好成效。

1近红外与中红外光谱技术的基本情况

1.1 近红外与中红外光谱

近红外（NIR）光谱技术在当前较多领域都显现出应用优势，近红外光谱区域是发现最早的非可见光谱区域，处在可见光和中红外光之间，是指780～2500nm波长范围内的电磁波[1]。近红外光谱信息是从分子内部振动合频与倍频而来的，主要是面向分子含氢基团倍频与合频的振动吸收情况进行反映。在近红外光谱区域之中，较多有机物都显现出明显的特征优势。

中红外（MIR）光谱是指处在2500～5000nm波长范围内的电磁波。在中红外光谱范围内，基频、合频以及倍频吸收是主要的吸收峰，显现出分子结构特征性。对于不同化合物来说，红外吸收光谱有着明显特征，化合物的实际类型及其状态，会影响到谱带的数量、位置、强度、形状等情况[2]。

近红外与中红外光谱之间存在着一定差异，前者是通过合频或者倍频吸收物质分子内部振动，不仅信息强度较弱，而且在不同官能团、组分之间的谱带重叠的可能性较大，会增加解析谱图的难度;而后者属于基频吸收方式，拥有较强的信息强度，在提取信息方面相对来说较为容易[3]。

1.2 近红外与中红外光谱分析技术

随着现代科学技术的持续更新和进步，如化学计量学、综合光谱学、近红外光谱技术以及计算机应用技术等，促进了近红外与中红外光谱技术的发展，支持其能够有效应用在现实分析工作之中。实际开展光谱分析工作的过程中，该技术的核心在于针对光谱信息和组分理化特性之间进行分析，建立起专门性的函数关系，也就是校正模型。在实际开展光谱回归分析的过程只中，使用多元线性回归方法、偏最小二乘法、主成分回归以及拓扑学方法等，都能够取得良好效果。光谱容易受到外界因素影响，测量环境、光谱仪自身形态都会容易带来不同作用，这些影响多集中在非线性方面，面对非线性关系分析时，可以使用人工神经网络方法和拓扑方法[4]。

2土壤分析中对于近红外、中红外光谱技术的应用

当前近红外与中红外光谱技术可以被广泛应用在多种行业领域之中，给相关行业建设与发展提供可靠数据支持。土壤学领域积极引进近红外与中红外光谱技术，同样可以展现良好效果[5]。

2.1 近紅外光谱技术

研究学者开展土壤分析工作的过程中，经常会使用到近红外光谱技术，主要是用于快速测定好土壤组分含量。测量水分含量，是该项技术的典型优势。学者Bowers等人在测量实践活动中，发现当土壤含水量增多，对于土壤测定的可见——近红外光谱波段显现出反射率下降的情况，奠定了近红外光谱技术的应用基础[6]。土壤之中，拥有生物性、结构性的基本物质是土壤有机质，这是生命活动的重要条件和产物，对于缓解温室效应具有积极意义。在农业可持续发展过程中，针对土壤有机质的性质和转化机理加以深入研究，可以取得良好效果。这其中采用近红外光谱技术，可以积极构建起可靠的研究模型，达到准确测量土壤含量的目的。在近红外光谱技术的支持下，土壤的有机质、水分、总氮含量、总碳含量以及有机碳等，都能够得到较为准确的结果[7]。在分析土壤的过程中，使用这一技术效果显著。同时在土壤分类过程中，还可以借助于近红外光谱技术实施定性分析活动，逐渐代替以往土壤分析方法。为保证土壤分类的科学性和合理性，需要研究土壤的内在光谱特性，从而获取到较为准确的判别指标。聚类分析模式在近红外光谱技术中占据重要地位，其能够快速分析好土壤类型[8]。

2.2 中红外光谱技术

在分析土壤有机、无机碳的过程中，中红外光谱技术显现出更好的应用效果。Minasny等学者在研究中发现，使用偏最小二乘法和中红外光谱技术，可以针对土壤的矿物成分、有机成分以及土壤化学特性等进行准确预报[9]。在金属元素的预报工作之中，中红外光谱技术要好于近红外技术。在中红外光谱区域，基本分子振动过程中的吸收峰较为强烈，土壤之间的差异性得以显现，预测结果更为明显，使用中红外光谱技术手段，可以得到更好精确度的土壤成分含量分析结果[10]。

3近红外与中红外光谱技术应用中的不足展望

3.1 应用中的不足

近红外与中红外光谱技术在实际应用过程中，显现出极大的优势与价值。尽管研究学者对于该项技术表现出极大兴趣，但是由于这一技术应用于土壤分析的起步还较晚，在书籍理论研究和评论方面还较少，无法给更好强化该技术的应用提供丰富理论支持[11]。

近红外与中红外光谱技术是间接分析的方法，具体应用环节，需要使用到较多参考方法作为支持，达到测定土壤样品理化特性的目的。其中要针对土壤样品的光谱和理化特性进行结合，建立起校正模型，并以此为基础，完成预测土壤样品性质任务。这种情况对于被测量的土壤样品提出了较高要求，要明确好土壤样品的实际类型，预测出理化特性范围，尤其是要准确测定出每一组分的理化特性。整个环节进行中，需要有大量人力、物力的投入，工作难度较大，成本较高。同时此类研究工作重要集中在基础应用方面，对于近红外与中红外光谱分析技术来说，还没有形成完善性的应用系统，从而容易导致测量评价工作中产生偏差[12]。

在优化近红外与中红外光谱建模的过程中，能够使用到多种方法，实际应用环节需要更好贴合具体分析目标，选择到科学有效的光谱预处理方法、数据建模方法，还要进一步探索这些应用方法的实施策略[13]。

3.2 应用展望

近红外与中红外光谱技术在土壤分析工作中拥有较为积极效果，不仅测量数据较为准确，还能够开展预报工作，在未来土壤学领域中具有广阔应用前景[14]。在未来土壤分析活动进行中，突显出近红外与中红外光谱技术的应用优势，要注重做好技术层面开发和深入研究活动，主要涉及以下一些领域。

（1）在不同优化方法基础上，所构建的模型产生的预报能力拥有较大差别。现阶段国内土壤分析工作进行中使用近红外与中红外光谱技术，需要利用光谱仪软件处理数据，实施建模活动，不具备较强的能动性，未来需要积极借鉴这一技术在其他领域中的应用情况，积极采用遗传算法、小波分析方法、正交信号分解方法、神经网络建模方法以及支持向量机方法等，还要持续探索和优化土壤分析领域中多种方法的应用，如谱图压缩和信息提取方法、光谱预处理方法以及数据建模方法等[15]。

（2）未来技术发展层面，要持续优化近红外与中红外光谱的预报建模工作，开发出一些适合土壤分析的专项仪器设备，引进高效先进的配套研究软件。

（3）国内土壤研究部门可以和国际土壤信息单位和机构之间保持着密切学术交流和合作，推进土壤分析工作顺利开展并取得良好成效。

（4）实现遥感技术和近红外与中红外光谱技术的深度科学结合，促进土壤成分信息的高效获取，支持土壤分析工作取得良好成效。高光谱遥感技术在助推农业发展方面发挥着积极作用，充分发挥近红外与中红外光谱技术快速、便捷、高效以及在线分析土壤样品预处理方面的优势，更好适应现代化土壤分析工作的发展趋势，推进“数字土壤”的实现。

4结束语

近红外与中红外光谱技术是在多种现代科学技术不断优化基础上发展而来的，对于当前土壤分析工作具有积极作用，能够被广泛应用在土壤学领域之中。进一步探索近红外与中红外光谱技术的实际运用手段，持续优化和完善相关配套技术和设施，将能够推进精准农业的健康长远发展。

参考文献

[1] 王璨，武新慧，李戀卿，等. 卷积神经网络用于近红外光谱预测土壤含水率[J]. 光谱学与光谱分析，2018，38（1）：42-47.

[2] 吕雪娟，顾蔚蓝，区伟珍. 近红外光谱技术在广东地区不同类型土壤有机质、总氮、水分含量和pH值的测定研究[J]. 光谱学与光谱分析，2018，38（S1）：398-399.

[3] 张小鸣，冒智康，李绍稳，等. 蚁群算法在土壤速效磷近红外光谱波长选择中的应用[J]. 江苏农业科学，2019，47（19）：227-231.

[4] 李阳，刘新路，彭杰，等. 基于可见光近红外光谱的南疆荒漠土壤有机质反演研究[J]. 土壤通报，2018，49（4）：17-22.

[5] 辛琦，安岩，董科研，等. 面向土壤含量检测的近红外光谱仪分析与设计[J]. 长春理工大学学报（自然科学版），2018，41（5）：13-16.

[6] 刘晓，张厅，王云，等. 近红外光谱技术在茶叶中的应用研究进展[J]. 中国农学通报，2018，35（29）：124-125.

[7] 盛孟鸽，王凯，王玉洁，等. 基于近红外光谱技术的茶园土壤酸碱状况快速判别[J]. 安徽农业大学学报，2018，45（4）：580-587.

[8] 刘娟. 中红外光谱与近红外光谱在汽柴油分析中的技术对比分析[J]. 中国化工贸易，2018，10（23）：110-111.

[9] 曲楠，窦森. 近红外光谱法对土壤有机碳组成的无损分析[J]. 东北师大学报：自然科学版，2018，50（1）：99-104.

[10] 董桂梅，杨仁杰，杨延荣，等. 近红外光谱定量分析土壤全氮含量预处理方法探讨[J]. 光谱学与光谱分析，2018，38（S1）：84-85.

[11] 史杨. 基于可见光近红外光谱的土壤成分预测模型研究[D]. 北京：中国科学技术大学，2018.

[12] Soriano-Disla José M，Janik L J，Forrester S T， et al. The use of mid-infrared diffuse reflectance spectroscopy for acid sulfate soil analysis[J]. Science of the Total Environment，2019，（646）：1489-1502.

[13] Xia Y，Ugarte C M，Guan K，et al. Developing Near- and Mid-Infrared Spectroscopy Analysis Methods for Rapid Assessment of Soil Quality in Illinois[J]. Soil Science Society of America Journal，2018（1）：14-15.

[14] Rathod P H，Mueller I，Van d M F D，et al. Analysis of visible and near infrared spectral reflectance for assessing metals in soil[J]. Environmental Monitoring and Assessment，2016，188（10）：558.

[15] Fellet M . New applications of near-infrared spectroscopy in crop and soil analysis[J]. CSA News，2017，62（2）：145-146.