基于高光譜成像的氮素脅迫下寒地水稻營養(yǎng)診斷的研究.pdf

1、黑龍江省是我國優(yōu)秀的粳稻主產(chǎn)區(qū)，培育優(yōu)良的粳稻品種和探尋科學的養(yǎng)分管理措施是實現(xiàn)粳稻高產(chǎn)的前提條件。水稻的氮素營養(yǎng)是表現(xiàn)其生長狀態(tài)的主要農(nóng)藝性狀之一，水稻葉片的顏色可直接反缺氮素營養(yǎng)含量，進而間接反映出水稻需水、需肥等內(nèi)部生理需求。通過檢測水稻氮素營養(yǎng)狀況來指導精準灌溉、精量施肥等養(yǎng)分管理措施，對黑龍江省水稻增產(chǎn)具有巨大的推動作用。所以通過檢測水稻氮素營養(yǎng)來分析黑龍江省寒地水稻生長情況和預測寒地水稻產(chǎn)量工作中具有重要意義。
　　本

2、論文結合“863”項目“微小型無人機遙感信息獲取與養(yǎng)分管理技術”及省博士后科研啟動金“基于微小型無人機水稻養(yǎng)分多光譜遙感診斷技術研究”等課題進行。本實驗在黑龍江省哈爾濱市方正水稻研究院進行，以陽光4號水稻品種作為實驗研究對象。根據(jù)實驗田水稻種植分布,設置6個施肥梯度（不施氮、嚴重缺氮、缺氮、適量氮、過量氮、嚴重過氮），每個水平有4個重復，共24個小區(qū)。
　　本試驗使用美國HeadWall公司生產(chǎn)的高光譜推掃式成像儀，應用其室外平臺

3、進行實驗，利用高光譜成像系統(tǒng)采集可見光-近紅外(400～1000nm)范圍內(nèi)的水稻冠層高光譜圖像，同時利用德國AA3連續(xù)流動分析儀測定葉片含氮量。論文采用中值濾波算法對原始高光譜圖像進行降噪處理，進而準確提取水稻冠層光譜反射率;利用水稻光譜特征位置變量分析技術得出水稻光譜反射率的紅邊曲線，確定出敏感波段范圍為520～750nm可見光波段;結合室內(nèi)分析的水稻葉片氮素含量，采取相關分析法對葉片氮素含量與葉片光譜參數(shù)之間的相關性進行了分析，確

4、定了敏感波長;利用BP神經(jīng)網(wǎng)絡進行了水稻冠層養(yǎng)分水平分類;采用回歸分析法分別構建了單波段、雙波段及三波段氮素含量檢測模型。結果表明，通過對葉片氮素含量化學分析數(shù)據(jù)和水稻冠層光譜反射率數(shù)據(jù)進行相關分析，確定了水稻冠層的特征波長為581nm、671nm、683nm、707nm;針對不同氮素水平下水稻冠層拔節(jié)期、抽穗期建立了BP神經(jīng)網(wǎng)絡，氮素水平分類預測精度拔節(jié)期達到96％、抽穗期達到90％;利用單波段(581nm)、雙波段(533nm、58

5、1nm)比值與差值植被指數(shù)、兩個三波段比值植被指數(shù)建立氮素預測模型其估算精度R2為單波段0.7328，雙波段為0.7735和0.7592，三波段為0.8695和0.8682，預測模型RMSE雙波段為0.9554和0.6806，三波段為0.8209和0.8195。綜合分析三波段比值植被指數(shù)預測模型預測效果較好。
　　本試驗針對寒地水稻氮素脅迫下的養(yǎng)分診斷有了一定的研究進展，將為高光譜技術在農(nóng)作物營養(yǎng)的快速、無損診斷方面提供參考價值。