【摘要】 土壤氮素是作物生长发育所必需的营养元素，是衡量土壤肥力特性的重要指标。该研究提出了一种基于热解和人工嗅觉的快速、准确测定土壤全氮含量的方法。采用马弗炉对土壤样品进行热解，并使用10种不同类型的氧化物半导体气体传感器构建传感器阵列，用以检测土壤样品热解气体。为获得土壤样本最佳裂解状态，分别测试裂解温度为200、300、400℃、500℃时以及裂解时间为1、3、5、10min时传感器响应曲线，得到最佳裂解温度为400℃，裂解时间为3min。提取传感器响应曲线的响应面积、最大值、平均微分系数、方差值、最大梯度值、平均值和第8秒瞬态值7个特征构建121×10×7(121土壤样本，10传感器数量，7提取特征值)的人工嗅觉特征空间，采用反向传播神经网络算法（BPNN）、偏最小二乘回归算法（PLSR）和偏最小二乘回归结合反向传播神经网络算法（PLSR-BPNN）建立特征空间与土壤全氮含量的预测模型，使用决定系数（R2）、均方根误差（RMSE）和性能与偏差之比（RPD）作为预测结果性能指标。试验结果表明，PLSR、BPNN和PLSR-BPNN模型的R2分别为0.89033、0.81185和0.92186,RMSE分别为0.24297、0.37370和0.21781,RPD分别为2.9964、1.9482和3.3426。PLSR-BPNN模型拥有更高的R2和RPD，最小的RMSE，可实现土壤全氮含量准确预测，因此该模型评级为“优”。该研究检测方法实现了快速、准确、低成本测定土壤全氮含量，为土壤全氮测定提供了新参考。更多还原