文献类型： 中文期刊

作者： 孙法福 ¹ ; 赖宁 ² ; 耿庆龙 ² ; 李永福 ² ; 吕彩霞 ² ; 信会男 ² ; 李娜 ² ; 陈署晃 ² ;

作者机构： 1.新疆农业科学院土壤肥料与农业节水研究所

2.null

关键词： 冬小麦;叶片氮浓度;无人机;高光谱;偏最小二乘回归;组合光谱指数

期刊名称： 干旱区研究

ISSN：

年卷期： 2024 年 006 期

页码： 1069-1078

收录情况： 北大核心 ; CSCD

摘要： 叶片氮浓度(LNC)是反应作物光合作用、营养状况和长势的重要指标,为精准高效地估测不同生育期冬小麦叶片氮浓度,以新冬22为研究对象,利用无人机搭载Pika L高光谱相机获取4个关键生育期冬小麦冠层反射率数据.基于波段优化算法和相关性分析筛选LNC敏感光谱指数,结合逐步回归、多元线性回归和偏最小二乘回归建立关键生育期冬小麦叶片氮浓度估测模型,并与单变量估测模型进行比较.结果表明:基于波段优化算法筛选的组合光谱指数与LNC的相关性优于传统植被指数,且达到极显著性相关;在单变量LNC估测模型中,组合光谱指数构建的模型精度优于传统植被指数,其中,扬花期差值光谱指数(DSI(R940、R968))建立的估测模型最好,R2为0.789;多变量估测模型精度均优于单变量估测模型,其中,基于偏最小二乘回归构建的LNC估算模型最好,孕穗期和扬花期拟合效果较优,模型决定系数均为0.923,均方根误差为0.082、0.084.本研究结果可以作为冬小麦LNC估测和长势监测的科学依据.