近日，山东农业大学机械与电子工程学院闫银发教授团队在《Soil & Tillage Research》上发表题为“Multi-spectral evaluation of total nitrogen, phosphorus and potassium content in soil using Vis-NIR spectroscopy based on a modified support vector machine with whale optimization algorithm”的最新研究成果。机电学院刘莫尘副教授为第一作者，杨庆璐副教授、鹿瑶副教授为共同通讯作者，山东农业大学为第一通讯单位。
土壤中的营养元素如氮、磷、钾，对作物生长至关重要。土壤养分均衡不仅能有效提升作物产量，而且能促进早期植物根系的形成和生长，提高植物适应外界环境条件的能力。长期以来的过度施肥等不合理施肥方法导致农业生产水平及效率低下、肥料资源浪费严重，制约绿色循环农业的发展。因此，准确获取土壤养分含量对于指导合理施肥、提升产量和实现现代精准农业具有重要意义。目前，传统的化学检测方法虽精确，但耗时、检测周期长且操作复杂，无法提供土壤中养分的时空分布特征信息，难以满足快速、非破坏性检测的需求。
图1 基于WOA-SVM算法的土壤中氮、磷、钾含量多光谱预测评估
针对以上技术难题，研究团队采用可见-近红外光谱（Vis-NIR，350–2500 nm）检测手段，开发一种基于机器学习算法的快速、低成本、高精度的土壤营养成分检测方法，特别针对总氮（TN）、总磷（TP）和总钾（TK）的精准测定，助力现代化精准农业的发展。具体的，本研究采用融合径向基核函数（RBF）与多项式核函数（Poly）的RBF-Poly混合核函数，联合支持向量机（SVM）定量预测算法，构建土壤中总氮、总磷、总钾等养分的定量预测模型。引入鲸鱼优化算法（WOA）优化模型中g（核函数参数）、c（惩罚因子）和γ（权重系数）参数，优化模型预测结果。研究结果表明，对于TN、TP和TK的最优模型验证集预测结果分别为0.902、0.937和0.904，模型剩余预测偏差分别达到3.206、3.939和2.608，为准确、无损检测土壤养分提供了稳定可靠的预测模型。该研究成果在农业与环境管理实践中具有重要应用价值，有助于实现更高效、更准确的土壤养分监测与管理。
图2 基于SPA的土壤中氮（a）、磷（b）、钾（c）特征提取结果
图3 鲸鱼优化算法（WOA）参数优化结果
该研究得到了国家重点研发计划项目以及山东省自然科学基金项目的资助。
编 辑：万 千
审 核：贾 波
