【文献精选】Eur. J. Agron.｜基于叶绿素仪与多源数据融合的机器学习方法进行马铃薯叶柄硝态氮的无损预测

背景：马铃薯生育期氮管理对产量和品质至关重要，传统叶柄硝态氮（PNN）浓度测定成本高，而SPAD-502叶绿素仪通过无损测量为替代方法提供可能。研究目的：构建稳健的机器学习模型，融合多源数据，在不同遗传、环境和管理条件下预测PNN浓度，以支持精准氮肥管理。结论：随机森林和极端梯度提升模型使用15个特征时决定系数达0.8，简化后仅用SPAD读数、品种、累计生长度日、累计水分量和实际施氮量仍保持相近性能，诊断准确率75%，优于传统回归方法，凸显多源数据融合的价值，为未来结合遥感技术奠定基础。