基于近红外光谱的果园土壤养分含量反演模型研究

摘要

精准测定土壤速效氮（N）、磷（P）、钾（K）含量对果园施肥管理至关重要。传统化学分析方法耗时、成本高，难以满足现代农业快速检测需求。近红外光谱（NIR）技术以其快速检测的特点为土壤养分测定提供了新途径。本研究基于 NIR 光谱数据，採用偏最小二乘回归（PLSR）、支援向量机（SVM）和随机森林（RF）构建土壤速效 N、P、K 含量反演模型。为了消除光谱数据採集的干扰因素，提高反演模型性能，分别应用了 Savitzky-Golay平滑（SG）、多元散射校正（MSC）、标准正态变量变换（SNV）、移动平均（MA）和一阶导数（FD）等光谱预处理方法。结果表明，RF 模型在三种模型中的反演精度最高，速效氮的预测 精 度 为 R ²=0.5390 ， RMSE=21.4083 mg/kg ， RPD=1.4901 ； 速 效 磷 的 预 测 精 度 为 R ²=0.5361 ，RMSE=25.0564 mg/kg ， RPD=1.4841 ； 速 效 钾 的 预 测 精 度 为 R ² =0.4293 ，RMSE=35.0889mg/kg，RPD=1.3383。通过对比不同预处理方法，其中 MSC 预处理方法对速效N 预测精度最高（ R²=0.585， RMSE=20.326 mg/kg ， RPD=1.569 ） ； SG 预 处 理 方 法 对 速 效 P 的 精 度 最 高（R²=0.553，RMSE=24.585 mg/kg，RPD=1.513）；MA 预处理方法对速效 K 的反演精度最高（R²=0.431，RMSE=42.383 mg/kg，RPD=1.340）。相比无预处理方法，模型反演性能得到改善，具体表现为：速效氮 R²提升 8.53%，速效磷提升 3.17%，速效钾提升 0.47%。其中速效氮和磷的预测精度显著提高，而速效钾因光谱响应较弱，优化效果有限。研究证实，NIR 光谱结合适当预处理方法可有效预测土壤养分含量，为果园精准施肥提供技术支援，具有重要的应用价值。