编辑推荐：
为精准管理棉花种植，研究人员利用光谱技术和机器学习建模，发现不同水氮条件下棉花 AGB 有差异，RT 模型表现较好。
在广袤的新疆大地上，棉花作为重要的经济作物，种植面积占据了当地耕地的近三分之一。然而，传统的农业生产方式就像蒙着一层 “面纱”，无法精准、快速地捕捉棉花生长变化的特征。在农业现代化的征程中，准确监测棉花生长状况、预估产量成为了亟待攻克的难题。这不仅关系到农民的经济收益，更对农业资源的合理利用和可持续发展意义重大。在此背景下，塔里木大学等研究机构的科研人员开展了一项关于棉花水氮耦合条件下地上生物量（AGB，above-ground biomass）光谱估算的研究，相关成果发表在《Plant Methods》杂志上。
研究人员运用了一系列先进技术方法来探索棉花生长的奥秘。在实验设计上，采用裂区设计（SPD，Split-Plot Design ），设置了 5 个不同的施氮水平（0 (N0)、100 (N1) 、150 (N2) 、200 (N3) 、250 (N4) kgha?1 ）和 3 个灌溉水量水平（4500 (W1) 、6000 (W2) 、7500 (W3) m3ha?1 ），在 15 个试验小区中进行种植。在数据采集阶段，采集棉花样本并测定其干重，同时利用 ASD FieldSpec HandHeld 2 便携式地物光谱仪获取棉花冠层光谱数据。数据处理时，先对原始波段进行 Savitzky-Golay 卷积平滑处理，再通过相关分析找出与棉花 AGB 高度相关的波长，运用连续投影算法（SPA，successive projection algorithm ）筛选特征波长，最后使用支持向量机（SVM，support vector machine ）、回归树（RT，regression tree ）和卷积神经网络（CNN，convolutional neural network ）构建棉花 AGB 估算模型，并依据决定系数（R2 ）、均方根误差（RMSE，root mean square error ）和相对预测偏差（RPD，relative predictive deviation ）评估模型准确性。
研究结果如下：
- 棉花 AGB 在不同时期的变化：不同水氮条件下，棉花在各个生长阶段的 AGB 变化趋势明显。蕾期时，W1N2梯度下的 AGB 最高，达到 37.53g；花期时，W3N2梯度下的 AGB 最高，为 55.57g；铃期时，W3N0梯度下的 AGB 最高，达 73.82g。这表明不同生长阶段的棉花对水氮耦合的响应不同，蕾期和花期受灌溉和施肥水平影响较大，铃期则对灌溉更为敏感。
- 光谱特征与 AGB 的相关性：通过相关性分析发现，在不同生长阶段，棉花 AGB 与光谱反射率在特定波段存在显著相关性。蕾期在 325 - 712nm 波段呈显著正相关，325 - 704nm 波段相关性极显著；花期在多个波段有显著正相关，同时在 1027 - 1075nm 波段呈极显著负相关；铃期在 687 - 696nm、715 - 1050nm 等波段有显著正相关，725 - 1048nm 波段相关性极显著。
- 特征波长筛选：利用 SPA 筛选出不同生长阶段的特征波长，蕾期、花期和铃期均筛选出 20 个特征波长，仅占原始光谱波长（325 - 1075nm）的 2.66%，有效降低了光谱数据的复杂性。
- 模型建立与评估：使用 SVM、RT 和 CNN 建立棉花 AGB 估算模型。结果显示，不同模型在不同生长阶段表现各异。蕾期 RT 模型的R2值最高（0.79），RMSE 值最低（0.24g）；花期 RT 模型的R2为 0.71，RMSE 为 1.84g；铃期 SVM 模型表现最佳，R2=0.76 ，RMSE=0.35g 。
研究结论和讨论部分指出，水氮耦合对棉花生物量的影响具有显著的阶段性和交互性特征。合理的水氮管理对提高棉花生物量和产量至关重要，在精准农业中，应根据棉花生长阶段和环境条件优化灌溉和施肥策略。同时，光谱技术在作物生物量估算方面具有明显优势，700 - 800nm 波段与棉花叶绿素含量和光合作用效率密切相关，对监测棉花生理特征和估算生物量起着关键作用。不同机器学习模型在估算棉花生物量时效果不同，RT 模型在蕾期表现最佳，SVM 模型在铃期表现较好，未来应进一步优化模型选择和参数调整，探索集成方法和深度学习技术，提高模型的稳健性和准确性。
这项研究为棉花种植的精准管理提供了科学依据，有助于优化水氮资源利用，提高棉花产量和质量，推动精准农业的发展。相信在科研人员的不断努力下，未来农业将更加智慧、高效，为保障粮食安全和生态可持续发展贡献更多力量。
