El nitrógeno es un elemento constituyente de proteínas, clorofila y otras sustancias, desempeñando un papel crucial en el crecimiento y desarrollo de las plantas. El contenido de nitrógeno indica el estado nutricional y los cambios en el crecimiento de las plantas. El uso de la tecnología hiperespectral para estimar de manera no destructiva y eficiente indicadores fisiológicos y bioquímicos de las plantas puede proporcionar un método confiable para recopilar datos sobre la nutrición y la evaluación del estado de salud durante el proceso de crecimiento y desarrollo de las plantas. En este estudio, se tomó como objeto de investigación el nogal de Shansi de cáscara delgada (series Changlin y Jiande), se recogieron datos hiperespectrales de la copa de 53 árboles de nogal de Shansi de cáscara delgada en un rango de 350 a 2500 nm al azar en exteriores. En primer lugar, se realizó un preprocesamiento espectral mediante la diferenciación fractal (FOD); posteriormente, se utilizaron dos índices espectrales de dos bandas para explorar la relación entre el contenido de nitrógeno de las hojas de nogal de Shansi (LNC) y el espectro. Por último, se seleccionaron las variables de modelado mediante el algoritmo de análisis de combinación de variables (VCPA) y se construyeron modelos de estimación utilizando el algoritmo de aumento extremo de gradiente (XGBoost) de un solo y dos índices espectrales FOD de copa. Se obtuvieron los modelos de estimación adecuados de LNC bajo las condiciones experimentales. Los resultados mostraron que, en comparación con el espectro original, el efecto de mejora de la correlación entre el espectro de copa preprocesado por FOD y LNC de nogal de Shansi de cáscara delgada fue bueno, con un aumento del 0.152. La combinación de FOD y dos índices espectrales de dos bandas (índice espectral normalizado y diferencial) proporcionó una mejora en la correlación entre las características espectrales y los componentes objetivo, con aumentos del 0.250 y 0.277, respectivamente, en comparación con un solo espectro. El método de selección de variables VCPA filtró finalmente subconjuntos de variables espectrales que incluían variables de información fuerte y débil, lo que tuvo un papel importante en la mejora de la precisión del modelo de estimación. El modelo de estimación óptimo de nitrógeno es el modelo de índice espectral diferencial de 1.5 orden combinado con dos bandas (DSI), con RP2 = 0.75, RMSEP = 1.32 g⁄kg. Por un lado, este estudio confirmó la viabilidad de la estimación no destructiva de nitrógeno en el nogal de Shansi de cáscara delgada mediante hiperespectroscopia. Por otro lado, la combinación de diferenciación fractal y dos índices espectrales de dos bandas puede mejorar significativamente la relación entre las características espectrales y las variables objetivo, enriqueciendo los métodos de procesamiento de datos hiperespectrales y abriendo un nuevo enfoque para el monitoreo de la nutrición de las plantas.

Nogal de Shansi de cáscara delgada; escala de copa; teledetección hiperespectral; nitrógeno; diferenciación fractal; índice espectral; análisis de combinación de variables; aprendizaje automático