【研究背景】叶片氮素积累量(Leaf nitrogen accumulation,LNA)不仅可以反映出植株个体叶片氮素含量,还可以反映出群体的植被覆盖率,是小麦育种和栽培工作中一项十分重要的测量内容,快速获取植株LNA有利于提高科研工作效率。传统上一般用化学分析的方法来测量植株LNA,必须对植物组织进行化学分析,费时费力。相比之下,遥感则能快速、准确、无损地诊断作物营养状况。本文研究了高光谱变量与小麦LNA之间的相关性,确定了二者之间的定量关系,为作物氮素状况的无损检测和诊断提供了技术途径。【材料与方法】试验以扬麦6号、扬麦16号和宁麦9号为研究对象,设置N0(不施氮)、N1(7.5g N/m)、N2(15 g N/m)、N3(22.5 g N/m)和N4(30 g N/m)五个氮肥处理,每个处理分三次重复。用ASD光谱仪分别于小麦苗期、拔节期、孕穗期、开花期和灌浆期测定小麦叶片的高光谱反射率并计算一阶微分光谱反射率及相应的光谱特征参数,测定光谱的同时,每小区随机选取3至5株植株带回实验室进行氮含量的测定。【结果与分析】原始光谱反射率与小麦LNA在420-600nm的可见光范围内间没有明显的相关性,剩余可见光波段间均存在显著相关性。在近红外区域,原始光谱反射率随着LNA的增加而急剧下降,其中在790nm波段处,LNA与原始光谱反射率之间相关性最大(r=-0.874)。一阶微分光谱反射率与小麦LNA间没有显著差异,在大多数光谱波段内,相关系数均达到极显著水平,这说明小麦LNA与一阶微分光谱反射率间存在很高的相关性,其中在831nm波段处,小麦LNA与一阶微分光谱反射率之间相关性最大(r=0.864)。本研究选取了18个光谱特征变量探究其与小麦LNA间的关系。这些变量中9个是基于光谱位置的变量,其中红边内最大的一阶微分值(Dr)与小麦LNA相关性最高(r=-0.893);3个是基于光谱面积的变量,其中红边内一阶微分总和(SDr)与小麦LNA相关性最高(r=0.911);6个是基于植被指数的变量,其中(SDr-SDb)/(SDr+SDb)与小麦LNA相关性最高(r=0.941)。选取这三个变量分别为自变量,小麦LNA为因变量,采用线性、指数、对数、抛物线、幂函数和一元三次6种函数模式构建诊断模型,选取最优结果。相关系数(R)分别为0.813、0.847和0.935,均方根误差(RMSE)分别为2.02g·m、1.72 g·m和0.98 g·m与相对误差(RE)分别为25.97%、20.85%和11.25%。【结论】由此表明,与小麦LNA间存在显著或极显著相关的高光谱参数可用作诊断氮素营养水平,尤其以(SDr-SDb)/(SDr+SDb)诊断效果最为理想。
暂无评论