利用红边特征参数监测小麦叶片氮素积累状况

• Published in: Nong ye gong cheng xue bao Vol. 25; no. 11; pp. 194 - 201
• Main Author: 冯伟 朱艳 姚霞 田永超 郭天财 曹卫星
• Format: Journal Article
• Language: Chinese
• Published: 河南农业大学国家小麦工程技术研究中心,郑州,450002%南京农业大学江苏省信息农业高技术研究重点实验室,南京,210095%河南农业大学国家小麦工程技术研究中心,郑州,450002 2009; 南京农业大学江苏省信息农业高技术研究重点实验室,南京,210095
• Subjects: 光谱分析; 叶片氮积累量; 小麦; 模型; 监测; 红边特征参数; models; spectrum analysis; leaf nitrogen accumulation; 监测; 红边特征参数; 模型; 叶片氮积累量; 光谱分析; wheat; red edge characteristic indices; 小麦; monitoring
• ISSN: 1002-6819
• DOI: 10.3969/j.issn.1002-6819.2009.11.035

以不同类型小麦品种在氮素差异梯度下连续3a田间试验为基础,在关键生育时期同步测定冠层光谱反射率、叶片干物质量及氮含量,探索建立小麦叶片氮素状况估算的新型红边参数及监测模型。结果表明,冠层微分光谱在红边区域内随氮素水平提高呈明显规律性变化,而原始光谱反射率的变化却较为复杂。与叶片氮积累量关系密切的常见红边参数间存在差异,其中,以GM2、SR705和FD742表现最突出,线性回归模型拟合精度（R2）分别为0.854、0.848和0.873,估计标准误差（SE）分别为1.136、1.160和1.059。基于红边双峰特征分析,构建新型红边双峰特征参数,其中,红边左偏峰面积LSDr_REPLE对叶片氮积累量方程拟合取得很好效果,决定系数和估计标准误差分别为0.869和1.080。经不同年际独立数据的检验表明,以GM2、SR705和FD742为变量,模型预测平均相对误差（RE）分别为17.6%、17.0%和14.9%,而红边左偏峰面积LSDr_REPLE模型预测误差控制得更好,平均相对误差RE为14.5%。以上表明,红边参数GM2、SR705和FD742可以对小麦叶片氮素状况进行有效监测,而红边左偏峰面积LSDr_REPLE模型预测更为准确可靠。