应用近红外光谱估测小麦叶片氮含量
研究利用近红外光谱(near-infrared,NIR)和化学计量学方法估测小麦(Triticum aestivum)新鲜叶片和粉末状干叶中全氮含量的可行性,并建立小麦叶片氮含量估测模型,以期为小麦氮素营养的精确管理提供理论依据.以3个小麦田间试验观测资料为基础,分别运用偏最小二乘法(partial least squares,PLS)、反向传播神经网络(back-propagation neural network,BPNN)和小波神经网络(wavelet neural network,WNN),建立小麦叶片氮含量的鲜叶和粉末状干叶近红外光谱估测模型,用随机选择的样品集对所建模型进行测试和检验.结果显示,利用PLS、BPNN和WNN3种方法构建的近红外光谱模型均能准确地估测小麦叶片氮含量,其中基于BPNN和WNN的模型优于基于PLS的模型,且以基于WNN的模型表现最好.对模型进行检验的结果显示,粉末状干叶模型的预测均方根误差(RMSEP)分别为0.147、0.101和0.094,鲜叶模型的RMSEP分别为0.216、0.175和0.169,模型的相关系数均在0.84以上.因此,利用近红外光谱估算小麦叶片氮素营养精确可行,对其他作物的氮素营养估测提供了借鉴和参考.
叶片、近红外光谱、神经网络、偏最小二乘法、氮含量、小麦
35
S512.1(禾谷类作物)
国家“863”资助项目2011AA100703;国家自然科学基金30871448;教育部新世纪优秀人才支持计划NCET-08-0797;江苏省创新学者攀登计划BK20081479;江苏省自然科学基金BK2008330和BK2010453
2011-12-06（万方平台首次上网日期，不代表论文的发表时间）
844-852
