El contenido de nitrógeno en las hojas de las plantas puede servir como indicador del estado nutricional de las plantas y de su crecimiento. La tecnología hiperespectral puede utilizarse para estimar de manera no destructiva y eficiente los indicadores fisiológicos y bioquímicos de las plantas, lo que puede proporcionar datos confiables para evaluar la nutrición y el estado de salud de las plantas en su proceso de crecimiento y desarrollo. Para descubrir el potencial de aplicación de la tecnología hiperespectral en la estimación de nutrientes de las nueces de nogal, el presente estudio se centra en las nueces de nogal (variedades Chanlin y Jiande) como objeto de estudio. En primer lugar, se recolectaron 53 nueces de nogal de forma aleatoria en un espectro hiperespectral de 350 a 2500 nm; luego se realizó un pretratamiento del espectro hiperespectral utilizando derivadas de orden fraccional FOD (Fractional Order Derivative); a continuación, en combinación con dos tipos de índices espectrales, se estudió la relación entre el contenido de nitrógeno en las hojas LNC (Leaf Nitrogen Content) de las nueces de nogal y el espectro hiperespectral; finalmente, utilizando el algoritmo de análisis de población de combinación de variables VCPA (Variable Combination Population Analysis) se seleccionaron las variables de modelado y se construyeron estimaciones del algoritmo de refuerzo extremo de gradiente XGBoost (eXtreme Gradient Boosting) con derivadas de orden fraccional FOD y combinaciones del espectro de dos índices de ondas, lo que permitió obtener un modelo de estimación apropiado del contenido de nitrógeno LNC en las nueces de nogal en las condiciones experimentales. Los resultados muestran que en comparación con el espectro original, la relación del espectro hiperespectral después del pretratamiento FOD con el contenido de nitrógeno LNC en las nueces de nogal se refuerza y aumenta en 0,152; para mejorar la relación entre las características espectrales y las componentes objetivo FOD, la combinación del índice espectral de diferencia normalizada NDSI (Normalized Difference Spectral Index) y el índice espectral de diferencia DSI (Difference Spectral Index) es más efectiva que las bandas individuales, y aumenta respectivamente en 0,250 y 0,277; el método de selección de variables VCPA filtra finalmente los subconjuntos de variables espectrales que contienen tanto variables fuertes como débiles, lo que es importante para mejorar la precisión del modelo de estimación; el mejor modelo para estimar el contenido de nitrógeno en las hojas de nueces de nogal es el modelo que utiliza el índice espectral de diferencia combinado con la derivada de 1,5, la predicción del modelo con P2 =0,75, RMSEP=1,32 g/kg. Así, la tecnología hiperespectral puede estimar de manera rápida y no destructiva el contenido de nitrógeno LNC en las nueces de nogal, las derivadas de orden fraccional FOD asociadas con dos tipos de índices espectrales pueden mejorar notablemente la relación entre las características espectrales y las variables objetivo.

nuez de nogal; escala de dosel; teledetección hiperespectral; nitrógeno; derivada fraccional; índices espectrales; análisis de combinación de variables; aprendizaje automático