刘之广，土壤学博士，副教授，硕士生导师，泰山学者特聘教授团队核心成员、以第一/通讯作者于Field Crops Research，Soil & Tillage Research、ACS Applied Materials & Interfaces、土壤学报、农业工程学报等期刊发表科研论文32篇，其中，中文卓越期刊收录8篇，SCI一区收录7/22篇，累计影响因子86.36；参编教材和著作3部，参与制定地方标准和规程5项。

王怀利，工程技术应用研究员。1995.02-2012.06任职于金沂蒙集团有限公司，历任工段长、值班长、研发部部长、技术中心主任、总经理助理、副总经理等职；2012年7月至今任金正大生态工程集团股份有限公司战略发展总监。先后被评为山东省有突出贡献的中青年专家、山东省西部经济隆起带和省扶贫开发重点区域引进急需紧缺人才、山东省科技特派员、山东省能源局能源行业专家库专家（第一批）、“沂蒙最美科技工作者”等。承担或参与了国家重点研发计划、山东省重点研发计划等省部级科研项目10余项，授权发明专利6件，发表论文20余篇。荣获省部级科技奖励20余项，其中一等奖2项、二等奖9项、三等奖8项，山东省专利奖三等奖1项。

（一） 项目来源

全氮是土壤供氮能力的重要表征指标，其含量可以用于表征土壤肥力传统测定方法为凯氏定氮法，分析化验操作复杂、费时费力、成本高高光谱技术通过物质的光谱来鉴别物质并确定其化学组成和相对含量， 快速无损检测，故项目创新性开发出高光谱反演模型，制定施肥新方案。

（1）项目自立项以来的研究过程

团队集成高光谱技术和数学建模手段，基于多元数据（土壤物化参数；植物冠层数据；产量、利用率)建模明确了典型土壤养分高光谱响应规律，结合卷积平滑优化神经网络模型，构建了基于 BPNN 模型的土壤养分快速诊断模型，进行验证优化方案，设计完善了土壤肥力评价与施肥推荐决策系统，进行区域作物针对性指导施肥。团队进行光谱数据采集和土壤全氮含量测定。对光谱反射率进行一阶微分等预处理方法，运用相关系数峰谷值法筛选敏感波长，将敏感波长两两结合建立土壤光谱调节指数（MSASI），运算后得到的数据分别采用多元线性回归分析（MLR；图1）和反向传播神经网络（BPNN；图2），构建土壤全氮含量的定量高光谱分析模型。根据小麦、玉米秸秆还田；后土壤有机质差异和不同响应规律分别进行反演，构建最适模型，运用红外光谱（FTIR）、X射线衍射分析（XRD）、扫描电镜手段（SEM）对土壤有机质官能团、土壤矿物及表面形态比较分析，以探明土壤全氮含量高光谱响应机制。

A. 多元线性回归分析

采用多元线性回归建立氮素营养指数估测模型的建模精度（图2），建模样本实测全氮含量与估算全氮含量的R²、RMSE分别为0.98、0.04；验证样本实测全氮含量与估测全氮含量的R²、RMSE和RPD分别为0.78、0.10和2.26。

B. 神经网络模型

利用神经网络模型的验证精度为R²、RMSE和RPD分别为0.67、0.15和1.46。

C. 偏最小二乘模型

建模样本实测全氮含量与估测全氮含量的R²，RMSE分别为0.70，0.13；验证精度R^2。

项目自立项以来取得研究成果。

构建定量分析模型，为土壤全氮含量快速准确估测提供依据，优化相关软件参数；授权软件著作权1项，申请实用新型专利1项；制定黄河三角洲地区夏玉米抗逆增产施肥方案，并通过系统研究明确效果和作用机制；在SCI一区期刊Agricultural water management（IF 5.12）发表论文1篇。未来，我们将不断精细测土配方施肥技术，提供不同区域的土壤属性数据库，服务农业绿色高质量发展。

(3）项目之前的预期效果是什么？目前是否达到了预期效果。

我们持续利用核心技术制定精准施肥方案打包给肥料企业与肥料企业达成合作，同时我们进一步修复老版app存在的问题，开发出更加快速便捷的移动app，我们继续参与农业检测课题，面向大型农场、农村合作社、提供精准测土配方、供不同区域的土壤属性数据库，为不同的销售网点制定专用的配肥方案。我们项目预期构建定量分析模型，为土壤全氮含量快速准确估测提供依据，优化相关软件参数；授权软件著作权1项，申请实用新型专利1项；制定黄河三角洲地区夏玉米抗逆增产施肥方案，并通过系统研究明确效果和作用机制；发表论文1篇。目前我们已经达到了预期效果。

（4）项目开展过程中还存在哪些问题，解决方法如何设置？

研发期长：产品技术升级的持续性跨期相对较大。应对措施：① 以科技项目申报与国家专利为依托，保障权利；② 持续进行产品技术升级；③ 积极向技术顾问咨询。

资金短缺：初入行业，资金相对较少。应对措施：① 积极与投资商协调，获取资金支持；② 尽可能节约成本，减少不必要开销；③ 做好财务计划，争取利润最大化。

管理风险：人员为在校生，缺乏经验。应对措施：① 积极向企业顾问咨询；② 按时对项目管理人员进行培训；③ 完善团队的内部制度，明确成员自身职责。

团队集成高光谱技术和数学建模手段，基于多元数据（土壤物化参数；植物冠层数据；产量、利用率)建模明确了典型土壤养分高光谱响应规律，结合卷积平滑优化神经网络模型，构建了基于 BPNN 模型的土壤养分快速诊断模型，进行验证优化方案，设计完善了土壤肥力评价与施肥推荐决策系统，进行区域作物针对性指导施肥。团队进行光谱数据采集和土壤全氮含量测定。对光谱反射率进行一阶微分等预处理方法，运用相关系数峰谷值法筛选敏感波长，将敏感波长两两结合建立土壤光谱调节指数（MSASI），运算后得到的数据分别采用多元线性回归分析（MLR；图1）和反向传播神经网络（BPNN；图2），构建土壤全氮含量的定量高光谱分析模型。根据小麦、玉米秸秆还田；后土壤有机质差异和不同响应规律分别进行反演，构建最适模型，运用红外光谱（FTIR）、X射线衍射分析（XRD）、扫描电镜手段（SEM）对土壤有机质官能团、土壤矿物及表面形态比较分析，以探明土壤全氮含量高光谱响应机制。由于不同的土壤养分含量高光谱响应特征有较大差异，团队通过多个土壤样品的养分含量和光谱数据规律，总结研究区土壤样品的反射特征，为研究土壤养分的含量提供理论依据。

现在市面上大多都是传统的测土配方施肥技术，实验分析较慢，时效较差，市场上急需快速精准的引入高科技技术的测土配方施肥技术，而且当今没有成熟的高光谱土壤诊断模型技术，所以我们项目抓住市场空缺，构造的高光谱土壤肥力诊断模型，集成高光谱技术和数学建模手段，基于多元数据（土壤物化参数；植物冠层数据；产量、利用率)建模明确了典型土壤养分高光谱响应规律，结合卷积平滑优化神经网络模型，构建了基于 BPNN 模型的土壤养分快速诊断模型，进行验证优化方案，设计完善了土壤肥力评价与施肥推荐决策系统，进行区域作物针对性指导施肥。

我们在研究过程中遇到问题如下：研发期长：产品技术升级的持续性跨期相对较大；资金短缺：初入行业，资金相对较少；管理风险：人员为在校生，缺乏经验。

我们团队团结协作，稳扎稳打，努力克服各种困难，积极提出如下应对措施： 以科技项目申报与国家专利为依托，保障权利； 持续进行产品技术升级；③积极向技术顾问咨询；积极与投资商协调，获取资金支持； 尽可能节约成本，减少不必要开销； 做好财务计划，争取利润最大化； 积极向企业顾问咨询； 按时对项目管理人员进行培训；完善团队的内部制度，明确成员自身职责。

土参谋团队自成立以来，各成员按照计划进行研究工作，在具体的实施过程中尽管遇到一些小困难，但都努力克服了。截至目前，团队不断更新四项核心技术，积极和大型农场达成合作，在经费是使用上控制得当，严格按照相关要求进行，保障了研究的顺利进行。项目成员相互配合，项目预期目标已经完成，希望该团队能够再接再厉，共创佳绩。