准确预测农田土壤有机质含量有助于评估农田肥力状况, 为精准农业提供数据依据。 为解决单模型实现快速估测农田土壤表层有机质含量精度较低和泛化能力较弱的问题, 以山西省典型褐土农田表层土壤为研究对象, 基于近红外-可见光高光谱数据, 提出了一种堆叠泛化模型(SGM)用于预测有机质含量。 首先对原高光谱数据采用小波平滑, 对平滑数据进行倒数一阶微分、 对数倒数一阶微分变换, 采用相关系数与递归特征消除法进行特征波段提取。 同时, 引入机器学习中的集成学习随机森林Random Forest(RF)、 梯度提升决策树Gradient Boosting Decision Tree (GBDT)、 极限梯度提升eXtreme Gradient Boosting (XGBoost)、 AdaBoost 4个初级机器学习器模型通过5折交叉验证对有机质含量进行预测, 在初级学习器预测结果基础上, 采用随机梯度下降SGD (stochastic gradient descent)作为元学习器建立SGM堆叠泛化模型。 突破单模型精度较低和不稳定的制约, 实现有机质含量的快速稳定检测。 结果表明: 倒数一阶微分变换后的光谱信息与有机质含量具有较好的相关性, 相关性最大值达到了-0.611; 相比单模型, 堆叠泛化预测模型的决定系数(R2)和相对分析误差(RPD)分别为0. 819和2.256, 较其他算法平均决定系数(R2)和平均相对分析误差(RPD)分别提高了0.055和0.323; 平均绝对误差(MAE)、 均方根误差(RMSE)分别为1.742和2.308 g·kg-1, 较其他算法平均绝对误差(MAE)和平均均方根误差(RMSE)分别降低了0.406和0.389 g·kg-1, 优化效果明显, 可用于农田土壤表层有机质含量的有效估测。 研究成果可为农田土壤表层有机质含量的高光谱快速检测提供依据和参考。

精细农业变量施肥取决于对农田的土壤养分分布的了解, 快速获取土壤信息是实施精细农业的基础。 速效钾是土壤肥力的重要参数, 是植物生长发育所必需的营养元素。 对土壤速效钾含量进行测量, 是了解土壤肥力的重要途径, 是实现精细农业的必要条件。 以山西典型褐土土壤为研究对象, 采集农田耕层褐土土壤样品共169份, 样品经风干处理, 手动捏碎较大的土粒并去除杂质后, 未经研磨过筛处理而直接用于土壤近红外高光谱的测量。 根据实验室速效钾含量测定结果, 将所有土壤样品分为两类: 其中速效钾含量低于100 mg·kg-1的样品共144个, 随机选取108个作为低含量建模集（Lc）, 剩余36个作为低含量验证集（Lp）; 速效钾含量高于100 mg·kg-1的样品共25个, 随机选取19个作为高含量建模集（Hc）, 剩余6个作为高含量验证集（Hp）。 其中Lc和Hc统称为所有含量建模集（Tc）, Lp和Hp统称为所有含量验证集（Tp）。 获取所有土壤样本950~1 650 nm范围内的近红外高光谱图像。 分别采用平均光谱曲线（R）、 平均光谱曲线的一阶导数（FD）、 平均光谱曲线与一阶导数共同建模（R&FD）、 平均光谱曲线与一阶导数的乘积（R*FD）、 平均光谱曲线与一阶导数的商（R/FD）等五种光谱数据预处理方法, 结合偏最小二乘法（PLS）, 分别对建模集Tc, Lc及Hc建模, 然后分别对验证集Tp, Lp及Hp进行验证。 结果表明: 土壤的平均光谱反射率随速效钾含量的增大呈现先增加后减小的趋势。 当速效钾含量低于100 mg·kg-1时, 所有波段的光谱反射率随速效钾含量的增加而增加; 当速效钾含量在100~200 mg·kg-1之间时, 所有波段的光谱反射率均达到最大值。 当速效钾含量超过200 mg·kg-1时, 950~1 400 nm的光谱反射率急剧减小, 但曲线的整体斜率显著增加; 且速效钾含量越高, 曲线整体斜率越大。 当速效钾含量高于100 mg·kg-1时, 平均光谱曲线的一阶导数显著增大, 且随速效钾含量的增加而增加。 该研究建立的PLS模型, 可以对整体（所有速效钾含量）和高含量（≥100 mg·kg-1）速效钾进行有效预测, 但无法对低含量（≤100 mg·kg-1）速效钾进行预测。 建模效果最好的光谱预处理方法为R*FD, 其次为FD, R, 而R&FD, R/FD预测效果相对较差。 最优建模方式为: R*FD结合Tc建模, 其PLS主因子个数为2个, RMSEc=29.293, RPDc=4.669, R2c=0.956; 对Tp的验证效果为RMSEp=29.438, RPDp=4.740, R2p=0.958; 对Hp的验证效果为RMSEp=23.033, RPDp=3.199, R2p=0.915。 该模型能够根据土壤速效钾的含量对土壤进行分类: 当预测值小于100 mg·kg-1时, 表明土壤速效钾含量低于100 mg·kg-1, 具体含量不确定; 当预测值大于100 mg·kg-1时, 预测值则能够很好反映土壤速效钾的真实含量。 由于选用的土壤样本未经研磨和过筛处理, 因而能够大大缩短样本制备时间, 提高预测效率。 该研究结果可为近红外高光谱成像应用于褐土土壤除速效钾含量以外其他营养成份的快速预测提供参考。