智慧農業是農業發展的新方向，而透過遙感技術實時監測作物營養狀況，並將實時監測資訊轉化為養分需求，是實現智慧農業發展的關鍵。近日，基於作物氮素養分診斷方面，內蒙古農業大學土壤質量與養分資源重點實驗室李斐教授科研團隊在國際期刊《International Journal of Applied Earth Observations and Geoinformation》《Computers and Electronics in Agriculture》《European Journal of Agronomy》和《Remote Sensing》上刊登了最新科研成果，構建了最佳化光譜指數和機器學習演算法對作物冠層氮素養分含量及生物量的定量估測模型。
基於最佳化光譜指數的馬鈴薯冠層氮素含量預測
科研團隊探究了光譜指數演算法對作物冠層氮素含量預測的影響，透過對光譜指數波段和方程形式的最佳化設計，發展了適用於小麥、玉米和馬鈴薯的最佳化光譜指數，有效地提高了作物冠層氮素含量預測的穩定性和精確度。與此同時，科研團隊還提出了能夠準確估測作物生物量的機器學習模型，並在馬鈴薯營養生長期植株生物量估測研究中得到了有效的驗證。這些研究結果為作物氮素營養診斷及生物量實時監測提供了新的方法，為智慧農業發展過程中感測器的設計提供了理論基礎，推動了智慧農業的發展。
機器學習預測模型的構建流程框架
該研究得到國家自然科學基金（41361079，31060273）、內蒙古自治區關鍵技術攻關計劃專案（2019GG248和2020GG0038）、農業公益性科學研究專項基金（201503106）、內蒙古青年科技英才（NJYT-18-A08）和內蒙古自治區第十批草原英才等專案的支援。
論文連結：
https://www.sciencedirect.com/science/article/abs/pii/S0168169919304867
https://pubag.nal.usda.gov/catalog/7361118
https://www.sciencedirect.com/science/article/pii/S0303243421001239
https://www.mdpi.com/2072-4292/13/12/2339
（來源：自治區科技廳基礎研究處）
