文献类型： 中文期刊

作者： 陶婷 ¹ ; 孟炀 ² ; 杜晓初 ¹ ; 梅新 ¹ ; 赵培钦 ¹ ; 梅广源 ¹ ; 赵倩 ¹ ; 杨小冬 ² ;

作者机构： 1.湖北大学资源与环境学院

2.农业农村部农业遥感机理与定量遥感重点实验室/北京市农林科学院信息技术研究中心

关键词： 冬小麦;植株氮含量;CARS;冠层氮指数;高光谱

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2024 年 36 卷 003 期

页码： 102-119

摘要： [目的]氮素在作物生长发育、产量及品质形成中不可或缺的营养元素.高效、无损、精准地获取作物氮素盈亏状况,能够监测作物长势,提高氮肥施用水平和利用效率,降低施肥过量导致的农田面源污染.[方法]文章对2020-2022年3年高光谱数据进行SG平滑、一阶导数预处理.将相关性分析(Correlation analysis,CA)与竞争性自适应重加权采样法(Competitive Adaptive Reweighted Sampling,CARS)相结合(CA-CARS),研究光谱一阶导数与植株氮浓度(Plant nitrogen concentration,PNC)的关系,明确拔节期不同氮素处理下的敏感性波段.最终筛选出最敏感波段构建植被指数,基于此建立冬小麦植株氮浓度一元线性监测模型.以2020年、2022年数据为训练集建模、2021年数据为验证集进行模型精度验证.[结果](1)综合3年拔节期不同氮水平下,冬小麦PNC高度敏感波段区位主要有:蓝绿波段(495 nm~503 nm)、红边范围(736 nm~750 nm)及近红外范围(751 nm~753 nm、751 nm~753 nm、761 nm~765 nm、773 nm~779 nm、922 nm、937 nm~938 nm、1 016 nm~1 032 nm、1 083 nm~1088nm、1 127 nm、1 142 nm~1 145 nm、1 292 nm~1 300 nm).(2)CARS筛选出 6个特征波段为459 nm、682 nm、721 nm、746 nm、1 049 nm、1 175 nm.(3)利用特征波段组建15个冠层比值氮指数(Canopy Ratio Nitrogen Index,CRNI),CRNI10的模型精度最高、均方根误差最小.其训练集验证集决定系数、均方根误差分别为R2=0.785、R2=0.679、RMSE=0.254和RMSE=0.332.说明该文构建的CRNI在PNC监测上更具泛化性.[结论]通过CA-CARS结合的方式筛选出的特征参数所构建的PNC反演模型,能有效提升PNC监测模型的精度、迁移性及稳定性.