不同施氮水平下冬小麦叶片氮含量的高光谱遥感监测

摘要

为探讨不同施氮水平下冬小麦叶片氮含量的高光谱响应机制，进而实现冬小麦叶片氮含量的高光谱遥感监测，以65份冬小麦品种为研究对象，设置0（N1）、100（N2）、200（N3）kg/hm²等3个氮肥梯度，采用连续投影算法（SPA）筛选特征波段，结合随机森林（RF）和BP神经网络（BPNN）构建基于无人机高光谱的冬小麦叶片氮含量监测模型。结果表明，冬小麦叶片氮含量在不同施氮处理间差异显著，同一生育时期下的冬小麦叶片氮含量随着施氮水平的增加呈现逐渐增加的趋势；冬小麦光谱反射率在近红外光谱区域（780～1021 nm）对施氮水平的变化更为敏感，随着生育时期的推进，冬小麦高光谱反射率呈现下降趋势。通过构建不同施氮水平下的冬小麦叶片氮含量监测模型发现，N2处理下的SPA+BPNN模型表现最佳，校正集的决定系数（R²）、均方根误差（RMSE）、相对分析误差（RPD）分别为0.807、3.173 mg/g、2.279%，验证集的R²、RMSE和RPD分别为0.802、3.201 mg/g和2.246%。

关键词

冬小麦 / 施氮水平 / 叶片氮含量 / 高光谱反射率 / 特征波段 / 随机森林 / BP神经网络