利用近红外光谱快速检测土壤的稳定碳同位素比值的方法
【技术领域】
[0001] 本发明涉及生态学领域，具体地涉及一种检测土壤的稳定碳同位素比值的方法。
【背景技术】
[0002] 稳定碳同位素比值(δ13〇分析方法可被用来表明土壤有机质的来源、研究土壤有 机质及其组分的分解程度与周转、重现C 3/C4植被的变化历史，在土壤有机质研究和生态学 中正日益成为一个强有力的工具。
[0003] 测定土壤δ13(：-般采用稳定同位素比例质谱法（IRMS)，其工作原理为:土壤通过高 温燃烧，其中的有机碳被转变成气态C0 2;经色谱柱或吸附柱与其他气体分开后，在离子源 中被离子化;离子束经聚焦和加速后，进入质量分析器;在磁场作用下，离子流按一定的荷 质比(m/z)发生偏转，由于各种同位素的质量(m)不同，离子流偏转的程度也不一样;每种同 位素的离子束按自己的轨道到达离子接收器，经放大后记录每种同位素的离子流强度，测 出同位素比值。稳定同位素比例质谱仪价格昂贵，需专人操作，测试周期长，相应的测试成 本也高。因此，同位素比质谱分析法（IRMS)测定土壤S13C有以下不足：1、仪器昂贵，测试成 本高;2、技术要求高、不易操作;3、测试周期长;4、不易推广。
[0004] 红外光谱技术在土壤分析中的应用兴起于上世纪八十年代。目前利用近红外光谱 (NIR)和中红外光谱(MIR)技术，结合化学计量学手段，已广泛用于土壤各种理化性质的分 析，结果令人满意。如:总碳含量、总氮含量、全磷含量、水分含量、土壤质地、钾(Κ)、妈(Ga)、 铁(Fe)、锰(Μη)、镁(Mg)等金属的含量、微生物碳等。NIR、MIR光谱分析方法是一种间接分析 方法，需要先以参考方法对大量代表性土壤样品的理化特性进行测定，通过关联样品光谱 和其理化特性构建校正模型;然后运用校正模型预测未知土壤样品的组成和性质。因此，被 测的土壤样品要尽可能包括所预测土壤样品的类型和理化特性的范围，并对其每一组分的 理化特性进行准确测定。
[0005] 近红外(NIR)光谱区域是指波长在780~2500nm范围内的电磁波，其光谱信息来源 于分子内部振动的倍频与合频，并且主要反映分子中含氢基团（如C-H，N-H，0-H，S-Η等）的 倍频与合频振动吸收。许多有机物在该光谱区域有特征性吸收，并且不同波段的吸收强度 与该物质的分子结构及浓度存在对应关系。中红外(MIR)光谱区域是波长在2500~25000nm 范围内的电磁波，物质在此范围的吸收峰为基频、倍频与合频吸收。不同化合物有其特异的 红外吸收光谱，其谱带的强度、位置、形状及数目均与化合物及其状态有关。MIR与NIR光谱 的区别在于，近红外光谱是物质分子内部振动的倍频与合频的吸收，不同组分和官能团的 谱带较易重叠且信息强度较弱，导致谱图解析相对困难，所建模型易受外界因素的影响，稳 定性差;而中红外光谱是分子内部振动的基频吸收，其信息强度较强，信息提取相对容易。
[0006] 漫反射是一种常用的近红外采集方法，其基本原理为：当光照射到疏松的固态样 品的表面时，除有一部分被样品表面立即反射出来(称为镜反射光)之外，其余的入射光在 样品表面产生漫发射，或在样品微粒之间辗转反射逐渐衰减，或为穿入内层后再折回的散 射。这些接触样品微粒表面后被漫反射或散射出来的光具有吸收一衰减特性，这就是漫反 射产生光谱的基本原因。漫反射装置的作用就是最大强度地把这些漫射、散射出来的光能 收聚起来送入检测器，使得到具有良好信噪比的光谱信号。漫反射光谱技术是近20年来迅 速发展的一种检测方法，该方法操作简便、快速，能非破坏地对各种样品进行快速、精确的 分析，加之分析仪器的数字化和化学计量学方法的发展，运用化学计量学方法已能很好地 解决光谱信息的提取及背景干扰方面的影响，使得其在许多领域中发挥出重要作用，并取 得了较好的社会和经济效益。
[0007] 无论是NIR还是MIR光谱，在采集到的光谱信息中，包含一些会对谱图信号产生干 扰的信息，从而影响模型的建立和预测，因此需要进行光谱预处理。常用的光谱预处理方法 有数据平滑、基线校正、中心化、多元散射校正、标准化、导数、傅立叶变换以及以上几种方 法的联合使用等。另外，谱图压缩及信息提取可提高分析信号中的有效信息率，其主要方法 有主成分分析(PCA)、小波分析、模拟退火算法(SAA)、遗传算法(GA)、移动窗口（MWPLS)等。
[0008] NIR和MIR光谱分析的核心技术之一是在光谱信息和组分理化特性之间建立函数 关系，即建立校正模型。光谱回归分析常用的分析方法有:多元线性回归(MLR)、主成分回归 (PCR)、偏最小二乘法回归（PLSR)、人工神经网络(ANN)、支持向量机（SVM)等。MLR、PCR和 PLSR多用于解决线性校正问题，ANN和SVM多用于解决非线性校正问题。
[0009] 由于光谱仪的状态、测量环境等因素对光谱的影响大多属于非线性，还有一些质 量参数和光谱的关系也是非线性。支持向量机(SVM)作为非线性回归下的多元校正方法，能 避免其他方法存在的过拟合及局部极小等问题，近年来也得到了广泛应用。支持向量机 (SVM)最初由Vapnik于20世纪90年代提出，是一种由统计学习理论发展起来的一种新型的 建模方法，它以结构风险最小化原理为理论基础，具有较强的学习泛化能力，较好地解决了 非线性、高维数、小样本等问题，开始成为解决"过学习"等传统困难的一种较好的途径，在 模式识别、信号处理等领域得到了成功的应用。支持向量机的基本原理是通过内积函数定 义的非线性变换将输入空间变换到一个高维空间，在这个高维空间中寻找输入变量和输出 变量之间的一种关系。
[0010]目前还未见利用近红外(NIR)光谱检测土壤δ13(：值的报道。
【发明内容】
[0011] 有鉴于现有技术的上述缺陷，本发明提供了一种新的检测土壤δ13(：值的方法，要解 决的技术问题是利用近红外(NIR)光谱快速检测土壤δ 13(：值。
[0012] 为解决上述问题，本发明采取的技术方案是:一种利用近红外光谱检测土壤的稳 定碳同位素比值的方法，所述方法包括如下步骤：
[0013] 1)测得多个定标土壤样品的稳定碳同位素比值；
[0014] 2)采集定标土壤样品的近红外波段的漫反射谱图，得到原始谱图；
[0015] 3)将原始谱图进行平滑预处理，得到处理后谱图；
[0016] 4)采用向量机法建立定标土壤样品的处理后谱图与稳定碳同位素比值间的定量 关系t吴型；
[0017] 5)采集待测土壤样品的近红外波段的漫反射谱图，根据定量关系模型计算待测土 壤样品的稳定碳同位素比值。
[0018] 优选地，在所述步骤1)中，测得定标土壤样品的稳定碳同位素比值的方法为稳定 同位素比例质谱法。
[0019] 优选地，在所述步骤1)中，制备定标土壤样品的具体步骤包括:将土样除水后，磨 细，过60目筛。
[0020] 优选地，在所述步骤1)中，所述的多个定标土壤样品包括〇e和〇a层土壤的样品。
[0021] 优选地，在所述步骤3)中，将原始谱图进行平滑预处理的具体步骤包括:大气背景 抑制，吸光度转换，自动基线校正和Norris-阶导数滤波平滑处理。
[0022]优选地，在所述步骤4)中，建立定量关系模型的具体步骤包括：用SPXY法分别将光 谱信息和稳定碳同位素比值划分为校正集和验证集，采用RBF核函数进行支持向量机计算， 利用网络搜寻法并通过5折交叉验证法确定最佳的核函数参数g和惩罚参数c，用校正集的 光谱信息为自变量，以稳定碳同位素比值为因变量，建立回归模型，并利用验证集检验校正 模型的精度。更优选地，校正集和验证集的样本数的比例为3:1。更优选地，所述利用网络