基于改进野马优化最小二乘支持向量机的盐碱土多模态传感智能养分监测研究

《Journal of Environmental Chemical Engineering》：Metaheuristic-optimized LSSVM integrated with multi-modal sensing for intelligent nutrient monitoring in saline-alkali soils

本刊推荐：针对盐碱土养分检测采样密度不足、传统化学方法成本高耗时长的问题，研究人员开展了一项集成多模态传感与智能算法的原位检测平台研究。通过脉冲微域水分补偿技术实现±2%RH的湿度控制，结合改进野马优化算法(IWHO-LSSVM)将训练时间从70.3s缩短至29.3s。验证结果显示氮磷钾预测RMSE分别为15.29mg/kg、4.62mg/kg和13.17mg/kg，R2达0.88-0.92，跨区域季节性推广使预测误差降低47.6-58.1%。该平台每日可低成本采样5000个点，为盐碱土精准施肥提供技术支撑。

　　

在黑龙江省大庆市的盐碱农田里，春季播种期常常面临一个棘手难题：传统的土壤养分检测方法需要3-5天才能出结果，且成本高昂，难以满足大规模实时监测的需求。更棘手的是，盐碱土中高浓度的钠盐和强碱性物质会严重干扰常规电导率(EC)检测，而土壤冻融循环和昼夜温差引起的水分波动，又让原位检测雪上加霜。特别是在降水稀少的春季，土壤湿度降至7-15%RH时，离子迁移率急剧下降，导致电导率传感器读数近乎为零，数据完全失效。

面对这些挑战，黑龙江八一农垦大学工程学院的研究团队在《Journal of Environmental Chemical Engineering》上发表了一项创新研究。他们开发了一套融合多物理场解耦传感的机器学习驱动原位检测平台，通过智能算法与硬件创新的完美结合，实现了盐碱土养分的快速精准监测。

关键技术方法主要包括：①构建模块化底盘集成的多模态传感平台，采用脉冲微域水分补偿技术实现±2%RH的精确湿度控制；②建立湿度依赖性胶结因子模型，将低湿度条件下电导率误差降低63%；③开发改进野马优化算法(IWHO)用于最小二乘支持向量机(LSSVM)参数优化，提升算法收敛速度和预测精度；④基于黑龙江省大庆市盐碱农田的实地采样数据，验证模型的跨区域和跨季节性泛化能力。

土壤信息收集平台研究成果显示：

该平台通过电磁场耦合机制测量土壤离子电导率，创新性地采用脉冲式微域水分补充方法。当检测到土壤湿度低于设定阈值时，系统会启动精准喷雾装置，在传感器周围形成稳定的湿度环境。这种动态校准机制有效解决了低湿度条件下离子迁移率不足的问题，为后续的养分预测提供了可靠的数据基础。

模拟试验结果及分析表明：

在氮磷钾三种养分的预测模型中，改进野马优化最小二乘支持向量机(IWHO-LSSVM)表现最优。对于氮素预测，基础LSSVM模型的RMSE为18.97mg/kg，WHO-LSSVM将其降至17.27mg/kg，而IWHO-LSSVM进一步优化至15.29mg/kg。同样，在磷和钾的预测中，IWHO-LSSVM分别实现了4.62mg/kg和13.17mg/kg的RMSE，决定系数R2均保持在0.88-0.92的高水平，相对分析误差(RPD)全部超过2.0，表明模型具有优秀的预测能力。

通过模型优化的精度提升：

与依赖重型硬件的多源传感系统不同，该研究的核心突破在于算法优化。改进野马优化算法通过模拟野马种群的社交行为，将参数优化速率提升了58.3%，训练时间从70.3秒大幅缩短至29.3秒。这种优化策略显著增强了模型在复杂离子环境下的适应能力，特别是在处理盐碱土特有的非线性、高噪声数据时表现出色。

研究结论与讨论：

该研究成功开发了一套适用于盐碱土环境的快速智能养分检测系统，通过湿度稳定化电导率校准与IWHO算法的有机结合，有效克服了离子干扰、环境适应性差等技术瓶颈。微域水分补偿技术将土壤湿度稳定控制在20±2%范围内，显著提高了电导率检测的稳定性。改进野马优化算法不仅加快了参数优化速度，更重要的是提升了模型在跨区域、跨季节性条件下的泛化能力，使预测误差降低了47.6-58.1%。

这项研究的创新价值在于将硬件创新与算法优化深度融合，解决了盐碱土养分检测中的多个关键技术难题。与光谱仪或无人机监测方法相比，该平台在根区尺度实现了低成本、高时空分辨率的检测能力，每日可完成5000个点的经济高效采样，为盐碱土区的精准施肥和可持续土壤管理提供了强有力的技术支撑。特别值得关注的是，该系统在低湿度条件(7-15%RH)下的稳定性突破，为早春播种期的农田养分监测提供了切实可行的解决方案。