基于高光谱的寒地水稻叶片氮素含量预测

摘要：

为快速、无损和准确地诊断水稻营养状况，开展了基于高光谱成像技术的寒地水稻叶片氮素含量预测研究。以不同施氮水平下的水稻叶片为研究对象，利用高光谱成像技术，分析拔节期水稻叶片光谱，采用全波段高光谱数据、连续投影算法及分段主成分分析（segmented principal components analysis，SPCA）与相关分析（correlation analysis，CA）相结合的方法建立多种回归分析模型，并对模型进行检验和筛选。结果表明：随着施氮水平提高，水稻叶片反射率在可见光区域降低，在近红外区域升高。在校正集决定系数上，基于多元逐步回归分析的全波段模型较好，校正集决定系数为0.821，校正集均方根误差 RMSEC=0.079；在预测集决定系数上，基于 SPCA-CA 结合多元回归分析的多变量单波段指数、差值指数、双差值指数模型较好，预测集决定系数为0.869，预测集均方根误差 RMSEP=0.085。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了参考。

关键词：光谱分析、算法、氮素、水稻、连续投影算法、分段主成分分析

所属期刊栏目：32

分类号：O657.3;S511(分析化学)

资助基金：国家“863”项目AA2013102303；黑龙江省博士后科研启动基金项目LBH-Q13022；黑龙江省自然科学基金面上项目C2015006；哈尔滨市科技创新人才项目2015RQQXJ020

在线出版日期：2016-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：187-194