论文部分内容阅读
冬小麦产量的提高与粮食安全密切相关,农业生产中施用氮肥以期提高作物产量,但是过量施肥已经造成环境污染等问题。及时监测作物氮素含量,指导科学合理的施肥,对粮食生产和环境保护意义重大。高光谱技术能实现作物冠层光谱的快速获取,但是冠层光谱的准确性直接影响作物长势估测的精度和稳定性。为准确及时了解作物长势,提高生理指标的高光谱估测精确度,本研究分析冬小麦SPAD值、氮含量、冠层光谱以及叶片光谱随施氮量的变化规律及关系,运用偏最小二乘法(PLS)选取基于冠层光谱和叶片光谱的SPAD值和氮含量特征波段,并进行光谱估测模型的效果比较。为提高估测精度,对预处理方法及其组合进行分析,结合PLS进行模型的构建,选择出最佳预处理方法。主要结论如下:(1)冬小麦SPAD值变化在整个生育期呈抛物线趋势,以开花期最高。拔节期,不同叶位叶片SPAD值大小为顶二叶>顶三叶>顶一叶。孕穗期、开花期和灌浆期,叶位SPAD值变化趋势基本为顶一叶>顶二叶>顶三叶,且各叶位间SPAD值差异增大。叶片氮含量在拔节期、开花期和灌浆期表现为顶一叶>顶二叶>顶三叶,孕穗期含氮量大小趋势基本为顶二叶>顶一叶>顶三叶,顶二叶和顶三叶对氮素的反应较为敏感。植株氮含量随生育期的推进而降低,随施氮量的增加而增加,与叶片氮含量呈(极)显著相关关系。(2)冬小麦冠层反射率在可见光波段反射率随施氮量增加而降低,近红外和中红外区域光谱反射率则升高。随着施氮量的增加,不同叶位叶片反射率在可见光和近红外区域的差异减小。叶片SPAD值和氮含量与冠层光谱的相关性顺序均为:顶一叶>顶二叶>顶三叶,而与叶片光谱的相关性比较稳定。(3)冠层光谱和叶片光谱监测氮素的敏感波段多位于绿峰、近红外区域,基于叶片光谱建立的顶一叶、顶二叶和顶三叶SPAD值估测模型R2分别为0.722、0.691和0.681,氮含量估测模型R2分别为0.732、0.719和0.706,估测效果均较好。基于冠层光谱建立的顶一叶氮素估测效果最好,但模型精度低于叶片光谱模型。(4)经基线校正(BC)、多元散射校正(MSC)、噪音校正(NC)及组合预处理后在可见光区域光谱基线漂移明显得到抑制,BC与MSC预处理提高了近红外区域光谱曲线的集中性。单一预处理方法NC预处理建立的模型精度最高,SPAD值和氮含量估测模型R2分别为0.686和0.683,RMSE分别为1.150和0.326,MSC处理降低了模型估测效果。两种预处理方法估测SPAD值和氮含量,分别为MSC+NC和NC+MSC建模效果最好,R2分别为0.768和0.762,RMSE为0.988和0.282。三种预处理方法组合NC+BC+MSC估测SPAD值和氮含量精度最高。研究表明预处理在一定程度上可以消减噪音,但不当的光谱预处理方法会降低模型预测效果。预处理方法并非越多越好。不同的预处理顺序,估测结果不同。