本研究はトウモロコシを対象に、寒冷地の栽培条件下で窒素含有量のモニタリング精度不足の問題に取り組んだ。複数の前処理方法を比較した後、小波変換（DWT）と標準正規変数変換（SNV）の併用前処理法を採用した。競合的適応再重み付けアルゴリズム（CARS）、無情報変数除去アルゴリズム（UVE）、連続射影アルゴリズム（SPA）、遺伝的アルゴリズム（GA）、および遺伝的-連続射影アルゴリズム（GA-SPA）などの特徴選択アルゴリズムを体系的に比較し、部分最小二乗回帰（PLSR）、サポートベクター回帰（SVR）、カーネル極限学習機（KELM）、深層極限学習機（DELM）、勾配ブースティング（XGBoost）、一次元畳み込みニューラルネットワーク（1D-CNN）など複数の回帰モデルと組み合わせて、トウモロコシの窒素含有量の高スペクトル反演性能を総合評価した。結果は、全波長帯でのモデリングが訓練データセットで高い適合度を示した一方、テストデータセットでの予測精度は低く、明らかな過学習現象があったことを示した。特徴選択を導入したことでモデル性能が著しく向上し、その中でもGA-SPAアルゴリズムは特徴抽出と冗長抑制において最良の性能を示した。GA-SPAで選択した特徴とDELMモデルを組み合わせた予測効果が最も優れており、テストセットのR²は0.8111、RMSEは0.4930で、他の組み合わせを大きく上回った。同時に、GA-SPAはPLSR、KELM、SVRモデルにおいても高い予測安定性を維持した。研究結果は、DWT+SNV前処理とGA-SPA特徴最適化に基づくDELMモデリングフレームワークが、トウモロコシの窒素含量反演の精度と汎化能力を効果的に向上させ、寒冷地のトウモロコシの栄養モニタリングと精密施肥に信頼できる技術的支援を提供することを示している。

トウモロコシ; 窒素含有量; 高分光技術; GA-SPA; DELM