近日，山東農業大學機械與電子工程學院閆銀發教授團隊在《Soil & Tillage Research》上發表題為“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。機電學院劉莫塵副教授為第一作者，楊慶璐副教授、鹿瑤副教授為共同通訊作者，山東農業大學為第一通訊單位。

土壤中的營養元素如氮、磷、鉀，對作物生長至關重要。土壤養分均衡不僅能有效提升作物產量，而且能促進早期植物根系的形成和生長，提高植物適應外界環境條件的能力。長期以來的過度施肥等不合理施肥方法導致農業生產水平及效率低下、肥料資源浪費嚴重，制約綠色循環農業的發展。因此，準確獲取土壤養分含量對于指導合理施肥、提升產量和實現現代精準農業具有重要意義。目前，傳統的化學檢測方法雖精確，但耗時、檢測周期長且操作復雜，無法提供土壤中養分的時空分布特征信息，難以滿足快速、非破壞性檢測的需求。

圖1 基于WOA-SVM算法的土壤中氮、磷、鉀含量多光譜預測評估

針對以上技術難題，研究團隊采用可見-近紅外光譜（Vis-NIR，350–2500 nm）檢測手段，開發一種基于機器學習算法的快速、低成本、高精度的土壤營養成分檢測方法，特別針對總氮（TN）、總磷（TP）和總鉀（TK）的精準測定，助力現代化精準農業的發展。具體的，本研究采用融合徑向基核函數（RBF）與多項式核函數（Poly）的RBF-Poly混合核函數，聯合支持向量機（SVM）定量預測算法，構建土壤中總氮、總磷、總鉀等養分的定量預測模型。引入鯨魚優化算法（WOA）優化模型中g（核函數參數）、c（懲罰因子）和γ（權重系數）參數，優化模型預測結果。研究結果表明，對于TN、TP和TK的最優模型驗證集預測結果分別為0.902、0.937和0.904，模型剩余預測偏差分別達到3.206、3.939和2.608，為準確、無損檢測土壤養分提供了穩定可靠的預測模型。該研究成果在農業與環境管理實踐中具有重要應用價值，有助于實現更高效、更準確的土壤養分監測與管理。

圖2 基于SPA的土壤中氮（a）、磷（b）、鉀（c）特征提取結果

圖3 鯨魚優化算法（WOA）參數優化結果

該研究得到了國家重點研發計劃項目以及山東省自然科學基金項目的資助。

編      輯：萬    千 

審      核：賈    波