基于叶片反射光谱估测水稻氮营养指数

摘要：

[目的]基于叶片反射光谱建立快速、无损监测水稻氮营养指数(nitrogen nutrition index,NNI)的估算模型.[方法]2018-2019年开展2个水稻品种(徽两优898和Y两优900)及5个氮肥梯度(施氮量为0、75、150、225和300kg·hm-2,分别记为No、N1、N2、N3、N4)的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型.[结果]单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR(R900,R540)可较好反演水稻NNI.但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶(L3)预测精度最好(R2=0.731,RMSE=0.130,RE=11.6％),顶2叶(L2)次之(R2=0.707,RMSE=0.136,RE=12.2％),顶1叶(L1)最差(R2=0.443,RMSE =0.187,RE=14.7％);顶2叶和顶3叶组合平均光谱(L23)的预测精度优于单叶水平和其他叶位组合(R2=0.740,RMSE=0.128,RE=11.5％).再将窄波段比值指数SR (R900,R540)近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR [AR(900±50),AR(540±10)]模型精度较SR (R900,R540)未明显降低,且在L23水平下2个模型的模型精度和预测精度基本一致(R2=0.740,RMSE=0.128,RE=11.5％).水稻NNI小于1时与产量呈线性的正相关关系(P＜0.05),大于1时产量趋于平稳.[结论]L2和L3叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L23可提高模型预测精度.基于叶片反射光谱构建的多种波段比值指数(SR (R900,R540)和SR [AR(900±50),AR (540±10)])可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据.

关键词：叶片;水稻;氮营养指数;比值指数;模型;波段宽度

所属期刊栏目：54

资助基金：国家重点研发计划;国家自然科学基金;安徽省重点研发计划

在线出版日期：2021-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：4525-4538