文献类型： 中文期刊

作者： 冯上奇 ¹ ; 袁全春 ² ; 黄凯 ² ; 孙元昊 ² ; 曾锦 ² ; 吕晓兰 ¹ ;

作者机构： 1.南京林业大学机械电子工程学院

2.江苏省农业科学院农业设施与装备研究所

关键词： 果园;土壤全氮;预测模型;高光谱成像技术;混合蛙跳算法;卷积神经网络

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2025 年 56 卷 006 期

页码： 277-285

收录情况： EI ; 北大核心 ; CSCD

摘要： 土壤全氮含量是土壤重要的养分指标，基于高光谱数据研究并构建果园土壤全氮含量预测模型，为准确检测土壤全氮含量提供新方法。以江苏省农业科学院梨园土壤为研究对象，利用高光谱成像技术获取土壤光谱反射率数据，引入混合蛙跳算法和竞争性自适应加权采样进行光谱特征提取，并分别采用全波段和特征波段构建偏最小二乘回归、支持向量机、随机森林和卷积神经网络模型对土壤全氮含量进行估测。结果表明：原始光谱经过多种预处理方法处理后，经SG卷积平滑联合标准正态变换预处理，全波段构建的全氮预测模型表现最佳；基于混合蛙跳算法提取10个关键波段，占总波段数量的4.08%,有效降低了数据维度；基于混合蛙跳算法提取特征波段构建的卷积神经网络模型表现优异，此模型测试集决定系数为0.95、均方根误差为0.21 g/kg、相对分析误差为3.97。研究结果表明应用混合蛙跳算法能高效提取特征波段，降低数据维度，并且提高了土壤全氮含量估测精度，为果园土壤全氮含量准确估测提供参考。