农业信息技术与智慧农业团队在农林科学领域TOP期刊发表最新研究成果

近日，农学院农业信息技术与智慧农业团队在基于近端传感器数据融合进行土壤氮素快速估测研究中取得新进展，研究成果以“Combination of feature selection and geographical stratification increases the soil total nitrogen estimation accuracy based on vis-NIR and pXRF spectral fusion（利用特征筛选与地理分层相结合改进vis-NIR与pXRF光谱融合估测区域尺度土壤全氮）”为题发表在农林科学领域TOP期刊Computers and Electronics in Agriculture上（中科院一区TOP期刊，IF=8.3）。

土壤全氮在作物产量和品质形成中起着关键作用，然而，过量施用氮肥不仅会增加农业生产成本、降低土壤质量，而且会造成严重的环境污染问题。因此，快速、准确地获取土壤全氮含量对于优化农业化肥投入和保护环境尤为重要。研究团队以新疆玛纳斯河流域和叶尔羌河-喀什噶尔河流域作为研究区，利用可见-近红外光谱（vis-NIR）和便携式X射线荧光光谱(pXRF)两种近地传感技术，通过不同的光谱特征筛选方法、数据融合方法以及建模策略，探讨了地理区域分层建模结合变量筛选方法改进异质区域土壤全氮估测精度的可行性。结果表明：利用全光谱数据或是特征提取光谱数据，vis-NIR的估测精度均优于pXRF。基于特征光谱数据融合可以进一步提高土壤全氮的估测精度，地理区域分层建模策略下，基于竞争性自适应重加权抽样（CARS）结合序贯正交偏最小二乘（SO-PLS）融合具有最优的估测精度（RMSE = 0.1838g kg^-1,LCCC = 0.86, RPIQ = 3.19）。研究结果证实了利用特征筛选与地理分层相结合具有更高的潜力来改进多土壤全氮的估测精度，为土壤-环境高度异质性区域的土壤全氮快速估测提供了理论依据和技术方法。

论文的第一作者为博士研究生宋江辉，指导教师为吕新教授和王海江教授，该研究内容得到了国家自然科学基金、兵团科技创新领军人才项目、石河子大学创新发展专项以及新疆维吾尔自治区研究生科研创新项目联合资助。

（通讯员：史晓艳，邵建荣）