基于高光谱遥感的花生叶片氮积累量监测模型的研究
张晓艳
王丽丽
刘锋
封文杰
刘淑云
朱建华
1.山东省农业科学院科技信息工程技术研究中心,山东济南,2501002.山东省农业科学院科技信息工程技术研究中心,山东济南,2501003.山东省农业科学院科技信息工程技术研究中心,山东济南,2501004.山东省农业科学院科技信息工程技术研究中心,山东济南,2501005.山东省农业科学院科技信息工程技术研究中心,山东济南,2501006.山东省农业科学院科技信息工程技术研究中心,山东济南,250100
摘要：作物氮素状况是评价长势、提高产量和改善品质的重要指标,因此叶片氮积累量的实时无损估测对作物生产的氮素管理具有重要意义.本研究选用大花生品种丰花1号为试验材料,在大田生产条件下,分析了花生叶片氮积累量与冠层高光谱参数的定量关系.结果表明,叶片氮素含量随生育进程逐渐下降,不同处理之间差异较小；叶片氮素积累量随生育时期推进呈现先升后降的单峰曲线变化趋势,在结荚期达到高峰.花生冠层光谱反射率在740 ～1100nm波段内随叶片氮积累量的增加而增加,叶片氮积累量的敏感波段主要存在于近红外平台和可见光区,其中,“红边”区域表现最为显著.通过微分等技术构造多种植被指数,对高光谱参数和叶片氮积累量进行相关回归分析,红边振幅(Dr)、氮素反射指数(NRI)、归一化植被指数(NDVI)各波段组合平均值及比值植被指数( RVI)与叶片氮积累量关系最密切,方程拟合决定系数分别为0.9194、0.8984、0.8918、0.8899、0.8794、0.8797.经另外一组独立数据的检验表明,对叶片氮积累量的预测以红边位置(REP)和Dr两个参数表现最优,预测的根均方差(RMSE)分别为1.78和1.10,相对误差为5.29％和3.59％.NDVI[ Average(1230,1240,1250,1260),640]和土壤调整植被指数(SAVI)两个光谱参数预测的RMSE分别为1.15和1.19,预测相对误差为5.42％和7.41％.比较而言,Dr为自变量建立的模型,可以更好地评估不同条件下叶片氮素积累状况.
关键词：花生高光谱遥感叶片氮积累量监测模型
分类号：S127(农业物理学)S565.2(经济作物)
资助基金：国家科技支撑计划(2006BAD21B04-20)
论文发表日期：2012-03-01
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：7( 7-12,16 )
英文信息