土壤全氮（TN）是土壤肥力的关键决定因素，在支持棉花生长、产量和纤维品质方面起着至关重要的作用。然而，当前棉田氮肥利用率普遍不足50%，过量投入导致严重的面源污染、土壤酸化及温室气体排放。在全球追求可持续氮素管理与减排增效的背景下，构建高效、高精度的土壤氮素定量估算模型已成为行业迫切需求。可见光-近红外（Vis-NIR）高光谱遥感以其非破坏性、高通量的优势被广泛应用，但在干旱绿洲区，由于土壤空间异质性对光谱估计的潜在干扰，以及低氮背景下光谱特征响应较弱等问题，使得传统的单一预测模型普遍面临泛化能力弱、精度受限等瓶颈。
为了克服这一问题，塔里木大学彭杰教授团队联合浙江大学、武汉大学等多所高校，以新疆塔里木河流域的棉田为研究对象，开展了一项实验研究。该研究成果发表在《Industrial Crops & Products》期刊。文章提出了一种融合可见近红外光谱技术与多类环境协变量的方法，结合SCORPAN框架和卷积神经网络模型，成功实现了对土壤全氮含量的高精度估算，为干旱区棉田的精准氮肥管理提供了可靠的技术支持。
图1. 研究流程示意图。注：在母质图例中，UF代表未固结河流沉积物，UF2代表未固结河流沉积物（类型2），UL代表未固结湖泊沉积物，WR代表风化残积物/风化岩石。
为什么选择塔里木河？
l 典型性：塔里木河流域极端干旱，是研究土壤缺氮的典型区域；
l 重要性：产棉核心区，精准估氮是提质增产的关键；
l 复杂性：自然与人为干扰导致土壤异质性强，估算难度大；
l 应用性：优化氮肥管理，助力干旱区可持续农业与减排；
图2.研究区和验证区的地理位置及土壤采样点的空间分布。
图3.棉田种植年限。
研究方法
（1）研究区域：
研究区：塔里木河流域，核心作物以棉花为主，采用地膜覆盖技术，3月下旬播种，10月底采收；
验证区：叶尔羌河流域，环境条件与研究区相似；
（2）数据采集：分别于2019年和2023年10月通过复合采样法采集土壤样本495个（建模300个，验证195个）。基于SCORPAN框架，收集了61项环境协变量，包括植被指数、地表温度、地形因子、种植年限等。
（3）光谱测量与建模：实验采用ASD FieldSpec 4地物光谱仪及接触式探头获取土样光谱。测量时每15 min进行一次白板校正，每样重复10次取均值。
l 光谱性能：
光谱通道高：2151个；
光谱分辨率：3 nm@700 nm，6 nm@1400 nm和2100 nm；
采样间隔：1.4 nm@350-1000 nm；1.1 nm @1001-2500 nm；
l 建模分析：结合特征选择算法与一维卷积神经网络（1D-CNN）开展土壤全氮含量估算。
研究结果：
图4.平均土壤光谱曲线和SD。
表1.评估不同场景和数据集的可预测性估计准确性。
图5.使用RFE和FRFS方法时，RMSE 随特征变量数量的变化情况，其中最小值已突出显示 (a)；以及三种特征选择方法选择的环境协变量 (b)。
图6.在不同情景和数据集下，实测STN值与估计STN值的拟合情况。
图7.在不同传输场景下，验证区域内测量值与估计值之间的信噪比拟合情况：光谱法 (a)，光谱法 + 协变量 (b)。
图8.在包含环境协变量的四个数据集中，特征变量的相对重要性如下所示：光谱数据 + 协变量 – 完整数据集 (a)，光谱数据 + 协变量 – RFE 方法 (b)，光谱数据 + 协变量 – Boruta 方法 (c)，以及光谱数据 + 协变量 – FRFS 方法 (d)。
精度提升：
结合环境协变量的模型相比仅使用光谱数据的模型，在STN估算中显著提高了精度，R²从0.646–0.749提升至0.774–0.858，RMSE降低了14.42%–27.00%。
特征选择优化：
使用RFE、Boruta和FRFS三种特征选择方法优化模型，FRFS方法效果最佳，R²提升了9.6%-15.95%，RMSE减少了4.59%-8.26%。
验证区转移性：
在验证区的转移性分析中，结合环境协变量的模型表现优于仅使用光谱数据的模型，R²下降幅度较小（16.55%），而仅光谱数据模型下降了47.66%。
关键环境因子：
研究识别了8个对STN估算有重要影响的环境因子，其中土壤有机碳（SOC）对STN空间变异性影响最大。
结语
本研究结合可见近红外光谱技术与环境协变量，显著提高了土壤全氮（STN）估算的精度，并验证了模型在跨区域转移性上的可靠性。研究结果为塔里木河流域等干旱地区的精准氮肥管理提供了科学依据，具有一定的应用价值。未来，随着技术的进一步发展，预计可以进一步优化估算模型并拓展其应用范围，为土壤肥力管理提供更加精确的支持。
发表期刊：Industrial Crops & Products【影响因子：6.2】
研究单位：塔里木大学、清华大学、浙江大学等
研究地点：中国新疆塔里木河流域、叶尔羌河流域
使用设备：ASD FieldSpec4地物光谱仪
DOI：https://doi.org/10.1016/j.indcrop.2025.122488