4. 土壤与作物信息感知技术
精准施肥的前提是“知道哪里缺、缺多少、作物现在需要多少”。这套判断依赖三类信息源：土壤养分含量、作物长势状态、机具在田间的精确位置。三者分别回答“土壤供给能力”“作物实际表现”“差异发生在哪一地块”，缺一不可。本节围绕光谱与电化学两类土壤快速检测原理、NDVI与RGB视觉两类长势感知手段、GPS/北斗定位以及传感器标定与数据融合方法展开，重点说明各技术的物理依据、工程实现要点和误差控制思路。
一、土壤养分快速检测：光谱法与电化学法
实验室常规检测（如重铬酸钾外加热法测有机质、凯氏定氮）精度高但周期长、成本高，无法支撑变量施肥的实时决策。田间快速检测追求的是“够用的精度+可接受的速度”，主流路线有两条。
近红外/中红外光谱法的物理基础是分子基团对特定波长光的吸收。土壤中的有机质、全氮、水分等含氢基团在近红外区（780～2500 nm）产生倍频与合频吸收，黏土矿物、碳酸盐在中红外区（2500～25000 nm，即4000～400 cm⁻¹）有特征吸收峰。工程上并不直接解读吸收峰，而是采集光谱曲线后建立化学计量学模型：先用一批已知实验室化验值的样本做定标集，经一阶/二阶导数、标准正态变量变换（SNV）等预处理消除散射与基线漂移，再用偏最小二乘回归（PLSR）建立“光谱矩阵→养分含量”的映射。使用时采集待测土样光谱，代入模型即得预测值。关键限制在于模型具有地域性——用A地块样本建的模型直接用于B地块，因土壤母质、含水量、颗粒度不同，预测偏差可能很大，必须用本地样本扩充或重新定标。田间作业常配车载式或手持式光谱仪，测量前需对土面做平整、去除残茬，并保持含水率相对稳定。
电化学法则利用离子选择性电极（ISE）或离子敏场效应管（ISFET）对特定离子的能斯特响应。以硝酸根电极为例，其电位与溶液中NO₃⁻活度的对数呈线性关系，斜率理论值约59 mV/decade（25℃）。实际测量需解决两个问题：一是土壤浸提，田间常用去离子水按一定水土比（如1:5）浸提并搅拌静置；二是干扰离子与温度补偿，需用标准溶液两点校准并同步测温修正。电化学法响应快、成本低，适合硝态氮等速效养分的现场筛查，但对样品前处理一致性要求高，且电极存在漂移和寿命问题，需定期复标。
二、作物长势传感器：NDVI与RGB视觉
NDVI（归一化植被指数）由红光与近红外两个波段的反射率计算：NDVI = (ρ_NIR − ρ_R) / (ρ_NIR + ρ_R)，取值−1～1。健康植被因叶绿素强吸收红光、叶肉组织强反射近红外，NDVI通常在0.6～0.9；裸土约0.1～0.2；胁迫、缺氮或稀疏冠层会明显降低。主动式NDVI传感器自带光源，不受日照变化影响，可安装在施肥机横梁上向下测量，输出的是“点”或“窄带”信息，需结合行进速度与采样频率换算成空间分布。使用时要注意饱和问题：冠层密闭时NDVI易饱和，可改用红边NDVI（NDVIre）提升区分度；测量高度和视场角决定采样足迹，需保持传感器离冠层距离稳定。
RGB视觉则通过普通相机获取可见光图像，经色彩空间变换提取植被指数（如ExG = 2G − R − B，或GLI），结合阈值分割与形态学处理得到植被覆盖度、叶色深浅等指标。其优势是成本低、信息直观，可同时观察倒伏、缺苗、病斑；劣势是受光照影响大，需做白平衡与曝光控制，且单靠颜色难以定量反演氮素。工程上常将RGB用于苗情普查与异常区域标记，NDVI用于定量长势分级，两者在同一平台上配准后互为补充。
三、GPS/北斗定位与坐标基准
变量施肥要求“把正确的量施到正确的位置”，定位精度直接决定施肥栅格与处方图的套合程度。普通单点定位误差可达米级，难以满足行级作业；采用RTK（实时动态差分）后，水平精度可到厘米级。系统由基准站与流动站组成：基准站已知坐标，实时播发差分改正数，流动站据此解算。北斗与GPS可多系统联合解算，提升卫星可见数与固定率。工程上需明确坐标基准：处方图、地块边界、机具位置必须统一到同一坐标系（如CGCS2000或本地平面坐标），并记录投影参数，否则会出现“图对、地不对”的系统性偏移。此外，天线安装位置与施肥执行部件之间存在固定杆臂，需在控制软件中做杆臂补偿，把天线坐标换算为喷施点坐标。
四、传感器标定与数据融合
标定是让传感器输出可信的必要环节。光谱模型需用本地样本做定标集与验证集划分（如7:3），以决定系数R²和均方根误差RMSE评价，R²偏低或验证集误差显著大于定标集时说明过拟合或样本代表性不足。电化学电极用两点标准液校准，记录斜率与零点漂移。NDVI传感器需在已知参照面（如标准反射板）上做增益校准，并在田间用长势均匀地块做一致性检查。定位系统则通过已知点比对检验固定解精度。
数据融合的目标是把不同来源、不同尺度、不同时刻的信息统一为可执行的施肥决策。常用做法是：以GPS/北斗提供的空间坐标为骨架，将光谱或电化学测得的养分点位、NDVI测得的冠层长势条带，通过插值（如反距离加权、克里金）生成栅格图层；对同一栅格内的多源数据做加权融合，权重依据各传感器的精度与置信度确定，例如电化学点位精度高但稀疏，可给予较高权重并对邻近栅格做平滑约束。融合结果与目标产量、养分平衡模型结合，生成变量施肥处方图，再由控制器按栅格或实时传感值调节排肥量。
需要强调的是，上述参数（如R²、RMSE、59 mV/decade、1:5水土比、7:3划分）属于教学示例与合理取值，实际系统应以本地试验数据为准。工程落地时，建议先做小范围标定与验证，确认各传感器在本地条件下的误差水平，再确定融合权重与施肥栅格粒度，避免“模型好看、田间不准”。