基于玉米叶片光谱特征的土壤无机氮含量估算模型的建立与验证

  【目的】  作物叶片颜色反映土壤养分的供应状况。研究作物叶片氮素相关的特征光谱信息与土壤无机氮含量的关系，以建立基于叶片光谱信息的土壤无机氮含量诊断模型，实现利用高光谱技术对作物和土壤进行实时监测。  【方法】  在两年(2017—2018) 的玉米 (郑单958) 田间试验中，设置6个施氮水平，施氮量分别为0、60、120、180、240、300 kg/hm2。在玉米的拔节期、大喇叭口期、开花吐丝期、灌浆期测定叶片高光谱反射率，对植株和土壤样品进行采集，分析土壤无机氮含量的变化，明确叶片光谱反射率与土壤无机氮含量的关系，利用光谱参数和偏最小二乘回归法 (partial least squares regression，PLSR) 建立诊断模型并进行模型精度的评价。  【结果】  施氮处理土壤无机氮含量显著高于不施氮处理，随着生育期的推移，土壤无机氮含量呈递减趋势，追肥可显著提高土壤无机氮含量。拔节期和开花吐丝期叶片光谱反射率与土壤无机氮含量在可见光波段呈负相关关系，在近红外波段呈正相关关系；大喇叭口期两者在可见光波段呈负相关关系，灌浆期两者无明显相关关系。在光谱参数模型中，4个生育期土壤无机氮含量预测的最佳光谱指数分别为RVI-2、RSI (534，726)、RSI (567，519) 和RVI-2，其回归模型验证集的R2分别为0.642、0.749、0.696、0.540。在PLSR预测模型中，利用PLSR建立的诊断模型验证集的R2分别为0.876、0.838、0.765、0.595，RPD (ratio of percent deviation) 分别为2.140、2.077、2.002、1.369。  【结论】  基于叶片光谱反射率建立的PLSR估算模型，在玉米的拔节期、大喇叭口期、开花吐丝期均能很好地预测土壤无机氮含量。因此，利用叶片光谱特征诊断土壤无机氮含量具有一定的可行性。     

不同品种玉米氮含量与叶片光谱反射率及SPAD值的相关性

为明确不同玉米品种SPAD值及光谱反射率进行氮素营养诊断的可行性,以华北地区的6个主要玉米杂交品种中单909、隆平206、郑单958、金赛06-9、农华101与登海605为材料,设置0.04、0.4、2.0和4.0 mmol/L 4个氮水平的砂培试验,研究了玉米拔节期氮含量、叶片光谱反射率及SPAD值的处理间差异,及其不同氮水平下玉米氮含量与叶片550 nm处的光谱反射率及SPAD值的相关性。结果表明:来源于氮水平的变异远高于品种及二者交互作用引起的变异,植株氮含量与叶片550 nm处的光谱反射率呈显著负相关关系(R=-0.808 8),氮含量与SPAD值存在极显著的正相关性(R=0.895 6)。因此,通过SPAD值及光谱反射率对华北地区玉米杂交种进行氮素营养诊断是可行的,且用SPAD值来诊断氮素营养状况要比光谱反射率的精确度高。     

玉米不同层位叶片生理生化指标与SPAD值的关系

  【目的】  研究不同层位玉米叶片氮素指标的变化，确定在不同生育时期进行营养诊断的最佳叶片，以便能够及时、准确地进行氮素营养光谱诊断，实现玉米高产和肥料高效益。  【方法】  设置两年 (2017和2018) 的盆栽试验，共设6个施氮水平，分别在玉米的关键生育时期 (拔节期、大喇叭口期、开花吐丝期和灌浆期) 按叶片层位取样，分析叶片生理生化指标 (叶片氮含量、叶绿素含量、可溶性蛋白质含量、可溶性糖含量、叶片厚度和净光合速率) 的变化及其与SPAD值的关系，确定利用SPAD值对叶片氮含量进行估算的最佳叶片。  【结果】  1) 叶片氮含量、叶绿素含量、可溶性蛋白质含量、叶片厚度及净光合速率随着氮肥增施呈现先增加后平稳的趋势，与叶片SPAD值呈正相关关系；可溶性糖含量随着氮肥增施呈先减少后平稳的趋势，与SPAD值呈负相关关系。2) 叶片氮含量、叶绿素含量、可溶性蛋白质含量、叶片厚度、净光合速率及SPAD值垂直分布上均表现为上层叶片>下层叶片；可溶性糖含量表现为下层叶片>上层叶片。3) SPAD值与叶片氮含量之间建立的线性回归模型均达极显著水平，拔节期和灌浆期的上层叶片、大喇叭口期和开花吐丝期的中层叶片氮含量与SPAD值回归决定系数 (R2) 较高，分别为0.768、0.865、0.893、0.924。  【结论】  生育期、氮水平和叶片层位显著影响玉米叶片中与氮素营养相关的生理生化指标，呈现一定的空间异质性，在玉米拔节期和灌浆期利用SPAD值进行叶片氮含量营养诊断时应考虑测定上层叶片 (顶两片、三片完全展开叶)，而在大喇叭口期和开花吐丝期应测定中层叶片 (中两片完全展开叶、穗位叶及以下两片叶)。     

Bt玉米丛枝菌根真菌侵染率与养分含量的变化研究

本文对比了两个不同转化事件的Bt玉米品种"5422Bt1"和"5422CBCL"及其同源常规玉米"5422"丛枝菌根真菌侵染率和叶片及根系氮、磷、钾养分含量的变化,并分析了丛枝菌根真菌侵染率和养分含量的相关性。结果表明,在观测期间,两个Bt玉米品种与常规玉米之间根系丛枝菌根真菌侵染率均无显著差异,但氮、磷、钾养分含量则明显不同,丛枝菌根真菌侵染率与养分含量之间的相关性也有所改变,其变化随玉米品种、生育期以及器官不同而不同。Bt玉米"5422Bt1"在大喇叭口期叶片全钾和根系全磷、开花授粉期叶片全磷和根系全氮、乳熟期叶片全钾以及成熟期叶片全磷和根系全氮、全钾含量均显著高于常规玉米"5422",而大喇叭口期和开花授粉期叶片全氮、开花授粉期根系全磷和全钾以及乳熟期根系全钾含量则低于常规玉米"5422"。Bt玉米"5422CBCL"在大喇叭口期叶片全钾和根系全氮及全钾、开花授粉期叶片全磷以及成熟期根系全氮和全钾含量显著大于常规玉米"5422",而开花授粉期根系全磷、乳熟期根系全磷和全钾以及成熟期叶片全磷含量则小于常规玉米"5422"。相关分析表明,常规玉米"5422"和Bt玉米"5422CBCL"的丛枝菌根真菌侵染率与根系全氮含量及叶片全钾含量之间均呈显著正相关(P0.05),而Bt玉米"5422Bt1"则无显著相关性(P0.05)。可见,与常规玉米"5422"相比,Bt玉米养分含量以及丛枝菌根真菌侵染率与养分含量之间相关关系与不同转化事件所形成的品种特性有关。     

不同形式的光谱参量对春玉米氮素营养诊断的比较

选择适宜的光谱参量,对利用光谱技术进行作物营养诊断精确度的提高是至关重要的。该文对单因素氮处理下春玉米（Zea may L.）不同层位叶片光谱反射率与氮含量作了相关分析,探讨了叶片水平上单波段光谱反射率（R）、单波段光谱反射率的对数（LgR）、双波段组合光谱反射率（R1+R2）、以及对数形式的双波段组合光谱反射率（LgR1+ LgR2）4种形式光谱参量对氮素营养诊断的可靠性。结果表明,第6片完全展开叶叶片光谱反射率与氮含量在可见光波段存在较高的负相关关系,以550和720 nm两波段组合的光谱参量（LgR550+LgR720和Lg(R550+R720)）建立的线性回归方程的拟合度最好;不同生育期应选择对养分盈亏敏感的叶片作为营养诊断的光谱监测目标,不同生育期叶片氮素营养的光谱敏感波段不同,应选择二者相关性高的波段,较为适宜的光谱参量形式与营养成分建立估算模型。研究表明,经对数处理后的光谱参量,无论是单波段还是双波段,拟合方程的精度都有不同程度的提高,且方程的稳定性也增强,说明对数形式的光谱参量提高了对氮素营养诊断的精确度。     

荔枝花芽分化期叶片的光谱特征及其养分预测

为实现荔枝营养状况的快速监测,提高荔枝的精细施肥管理水平,服务华南荔枝的高产优质安全生产,研究了广州白云区荔枝花芽分化期冠层高光谱4 种变化形式的特性,结果表明荔枝秋梢冠层叶片光谱具有植物光谱共性。结合试验测得的冠层叶片生化养分数据（全氮、全磷、叶绿素、有机碳）分别与光谱反射率这4种形式作相关性分析。选择最显著相关的波段进行曲线拟合,结果表明：叶绿素、有机碳含量的最佳光谱诊断敏感波段分别是反射率一阶导数的 1 562 nm (r=0.8944)、1 720 nm (r=0.7827),全氮、全磷的最佳光谱诊断敏感波段分别是倒数对数一阶导数的2 059 nm (r=0.8073),1 347 nm (r=0.7575);全氮、叶绿素、有机碳指数函数拟合最优（RMSE分别为0.002730, 0.008138和0.000416）,全磷线性模型最优（RMSE=0.000336）。研究结果对华南精细荔枝果业的实施和果业环境保护都具有一定的指导意义。     

不同品种夏玉米光谱特征差异及其与农学参量相关性研究

研究测定了不同品种夏玉米在六个典型生育期地上部分全氮、叶绿素含量、干生物量、叶面积指数(LAI)以及冠层光谱反射率,利用不同方法比较了不同品种玉米光谱特征的差异,系统分析了单波段反射率、可见光和近红外波段组合而成的8种常见植被指数与相应时期不同农学参量的相关性。结果表明:不同品种夏玉整个生育期不同品种冠层在可见光范围内反射率差异一直没有达到显著水平,苗期和拔节期在近红外区域反射率也无显著差异,从孕穗期到乳熟期在近红外区域反射率差异增大,普遍呈显著性差异。采用F检验法可以准确地反映不同品种在不同波段反射率的差异。常见光谱植被指数从拔节期到孕穗期绝大部分都可以准确反映不同品种夏玉米的农学参量,以GRVI最佳,它不仅可以区分不同品种夏玉米在中后期的长势,又可以准确拟合这段时期作物的农学参量。     

基于无人机图像参数对滴灌条件下玉米氮素营养的动态诊断

于2018和2019年在宁夏平吉堡农场进行滴灌水肥一体化氮肥梯度试验，以天赐19为试验材料，设6个氮素水平，即 0 （N0）、90（N1）、180（N2）、270（N3）、360（N4）和450（N5）kg·hm⁻²，在玉米拔节期（V6）、小喇叭口期（V10）、大喇叭口期（V12）、吐丝期（R1）和乳熟期（R3）利用无人机搭载数码相机获取玉米冠层图像，利用Matlab编写代码开发的数字图像识别系统提取玉米冠层图像红光值R、绿光值G、蓝光值B，研究基于此计算的10个冠层图像参数指标与氮素营养指标间的相关性，筛选出稳定性好且敏感度高的图像色彩参数，构建玉米氮素营养诊断指标与图像参数间关系模型并进行验证，以探究利用无人机图像进行宁夏引黄灌区滴灌玉米拔节-乳熟期氮素营养动态估测的可行性。结果表明：冠层图像参数指标绿光与红光比值(G/R)、绿光标准化值（NGI）、红绿蓝植被指数(RGBVI)与植株氮含量和叶片氮含量相关性高且变异系数小，可作为氮素营养诊断的潜在最佳色彩参数；将最佳色彩参数与植株氮含量和叶片氮含量分别进行回归模型构建，幂函数模型可以更好地预估玉米氮素营养状况；利用2019年相同氮素试验进行模型验证，发现NGI与植株氮浓度和叶片氮浓度实测值与估测值的R2分别为0.738和0.689，检验指标RMSE为2.594和3.014，nRMSE为13.125%和13.347%，预测精度和准确性高于G/R和RGBVI。故选择NGI作为滴灌玉米拔节−乳熟期氮素营养动态诊断的最优参数，参数NGI与植株氮浓度的关系模型（N_P=4.967×106NGI^14.26）R²为0.707，与叶片氮浓度的关系模型（N_L=1.707×106NGI^12.88）R²为0.654。说明应用无人机图像技术可以较好地对宁夏引黄灌区玉米拔节−乳熟期氮素营养状况进行动态估测，构建的氮素营养诊断模型可为宁夏引黄灌区滴灌玉米氮肥精准配施提供理论依据。     

氮肥基/追比对华北平原夏玉米生长发育与水、氮利用的影响Ⅱ.夏玉米氮素累积、转运与土壤无机氮动态

在较低施氮量[180 kg(N) · hm-2]下,以"郑单958"为材料,研究了氮肥不同基/追比(1∶ 2、1∶ 1和2∶ 1)对华北平原夏玉米氮素累积、转运与土壤无机氮动态及土壤氮素表观盈亏的影响.结果表明:施氮使夏玉米氮素累积量增大,并促进叶、茎鞘氮素向籽粒转运,但不能相应提高氮收获指数(NHI),且NHI随基施氮比重增大而降低;基施氮主要在拔节至大喇叭口期发挥作用,追施氮则主要在大喇叭口至吐丝期发挥作用,氮肥利用率随追氮比例增大而提高,N1∶ 2较N2∶ 1处理氮肥利用率提高2倍多;土壤无机氮含量因施氮而有较大幅度提高,拔节期后各土层无机氮含量一般以乳熟期为界前降后升,处理间略有差异,追肥越少此趋势越明显;不施氮处理各生育阶段土壤氮素均表现亏缺,吐丝后亏缺量占总亏缺量近80%,施氮使总亏缺量大大降低,N 1∶ 1处理氮亏缺量最小,N 1∶ 2与N2∶ 1处理相当,各施氮处理土壤氮素表观盈亏呈明显的阶段性,拔节至大喇叭口期出现大量盈余,从而使播种至吐丝期整体表现盈余,吐丝后两阶段均表现亏缺.     

基于高光谱的寒地水稻叶片氮素含量预测

为快速、无损和准确地诊断水稻营养状况,开展了基于高光谱成像技术的寒地水稻叶片氮素含量预测研究。以不同施氮水平下的水稻叶片为研究对象,利用高光谱成像技术,分析拔节期水稻叶片光谱,采用全波段高光谱数据、连续投影算法及分段主成分分析(segmented principal components analysis,SPCA)与相关分析(correlation analysis,CA)相结合的方法建立多种回归分析模型,并对模型进行检验和筛选。结果表明:随着施氮水平提高,水稻叶片反射率在可见光区域降低,在近红外区域升高。在校正集决定系数上,基于多元逐步回归分析的全波段模型较好,校正集决定系数为0.821,校正集均方根误差RMSEC=0.079;在预测集决定系数上,基于SPCA-CA结合多元回归分析的多变量单波段指数、差值指数、双差值指数模型较好,预测集决定系数为0.869,预测集均方根误差RMSEP=0.085。该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了参考。     

基于夏玉米光谱特征的叶绿素和氮素水平及氮肥吸收利用研究

本文首先分析不同施 N 水平条件下夏玉米冠层在6个典型生育期的光谱特征曲线,然后计算了可见光和近红外波段光谱反射率组成的归一化植被指数(NDvI)及相应时期叶片叶绿素含量和地上部分全N含量2个重要指标以及孕穗期冠层NDVI和几个N肥吸收利用效率的相关性.结果表明,孕穗期冠层光谱反射率在近红外区域反射率最大,且其可见光和近红外区域反射率差异最大:从苗期到孕穗期,NDVI和叶绿素、全N含量的相关性逐渐增强,到抽雄期减弱,灌浆期又有所增强;整体来讲绿色归一化植被指数 GNDNI(560,760)在各生育期与不同农学参量的相关性比其他波段组合的指数好,其次为NDVI(660,760)波段组合.随着施N量的增加,N肥利用效率、收获指数和N肥收获指数、N素农艺效率以及N肥回收效率均逐渐降低,对各N肥吸收利用指数的预测以NDVI(660,760)、NDVI(660,1100)和GNDVI(560,760)较理想.     

基于冠层覆盖度的玉米植株临界氮浓度模型构建与产量预测

  【目的】  依据临界氮浓度稀释原理,构建基于冠层覆盖度的覆膜滴灌玉米植株临界氮浓度稀释曲线,并通过氮营养指数和氮累积亏缺量模型对玉米氮营养状况进行诊断和评价,以期达到基于该模型的玉米产量预测。  【方法】  于2019—2020年,在宁夏引黄灌区开展了4个氮肥用量(0、120、240、360 kg/hm2)田间试验,采用滴灌水肥一体化技术,氮肥按照苗期10%、拔节—大喇叭口期45%、抽雄—吐丝期20%和灌浆期25%的比例分8次随水追肥。在玉米关键生育时期测定农学参数和图像参数,分别测定了地上部生物量、植株氮浓度和产量,建立和验证基于冠层覆盖度的玉米植株临界氮浓度经验模型。  【结果】  基于冠层覆盖度的玉米植株临界氮浓度、最大氮浓度和最小氮浓度模型R2分别为0.917、0.843、0.873。临界氮浓度模型检验参数RMSE和n-RMES分别为 0.242和 11.753%。以冠层覆盖度为基础的氮营养指数和氮累积亏缺量推算出玉米最佳施氮处理为240 kg/hm2。不同生育时期氮营养指数、氮累积亏缺量与相对产量的关系极显著,R2均不小于0.922,且大喇叭口期和抽雄期R2值最高。采用独立试验验证表明,在大喇叭口期和抽雄期表现出稳定的模型性能,R2值≥0.944,n-RMSE均≤9.089%。在大喇叭口期和抽雄期,氮营养指数、氮累积亏缺量与相对产量呈极显著相关,能准确地解释受氮素限制和不受氮素限制生长条件下相对产量的变化。  【结论】  基于冠层覆盖度构建的植株临界氮浓度稀释曲线可准确判断和评价玉米拔节期至吐丝期的氮素营养状况,依据氮营养指数、氮累积亏缺量与相对产量所构建的关系模型可对玉米产量进行准确估计,其为玉米生长过程中氮肥的精确管理和产量预测提供了一种简便的新方法。     

基于ANN技术和高光谱遥感的盐渍土盐分预测

土壤盐渍化是干旱、半干旱农业区主要的土地退化问题,及时、精准、动态地监测盐渍土盐分,对于治理、防治盐渍土和进行农业可持续发展至关重要。以松嫩平原西部长岭县为例,利用盐渍土高光谱数据构建盐渍土盐分遥感预测模型。电导法测得土壤盐量,用ASD高光谱仪野外采集高光谱数据,利用光谱导数变换选择能够表征盐渍土盐分信息的最佳波段,即550、720、760、820和940 nm。通过比较3层和4层72种不同神经网络结构,最终选择5-6-1 结构的3层神经网络预测盐渍土盐分（R2 = 0.895,RMSE = 0.089）。与传统回归相比（R2 = 0.81,RMSE = 0.25）,运用高光谱数据与人工神经网络方法相结合,能够提高盐渍土的预测精度,说明人工神经网络在构建光谱反射率与土壤参数关系研究中具有突出优势。     

基于波段深度分析和BP神经网络的水稻色素含量高光谱估算

该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(BDA)与BP神经网络结合,以提高利用高光谱技术对水稻叶片色素含量的估算精度。基于连续统去除处理的水稻冠层高光谱数据(400~750 nm),选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数,在此基础上进行主成分分析(PCA)实现降维,然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演,探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性。结果表明,波段深度分析突出了光谱吸收特征差异,挖掘了更多的潜在信息,使得光谱曲线的差异性得到增强。BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(R~2=0.61,RMSEP=0.128 mg?g~(-1)),BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(R~2=0.73,RMSEP=0.343 mg?g~(-1))。对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度,发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题,提高水稻叶片色素含量的估算精度。     

黄土高原不同玉米-大豆间作模式对玉米生长发育的影响

以玉米品种(郑单958,豫玉22)和大豆品种(中黄24,中黄13)为材料进行田间试验,在单作和间作两种模式(间作比例分别为2:2,2:4)下研究了黄土塬区不同玉米-大豆间作模式对玉米生长发育的影响。研究结果表明,郑单958分别与大豆两个品种间作,玉米叶片叶绿素相对含量、单株叶面积、茎粗和干物质积累量从大喇叭口期开始均高于单作,株高在生育后期表现为间作高于单作。豫玉22分别与大豆两个品种间作,玉米叶片叶绿素相对含量和茎粗从大喇叭口期开始高于单作,干物质积累量从吐丝期开始高于单作,单株叶面积在吐丝期显著高于单作,株高在生育后期表现为间作低于单作。间作下的郑单958干物质积累量在生育后期高于豫玉22,更有利于增产。在所选的玉米和大豆间作模式中,郑单958和中黄24以2:4间作是黄土塬区对玉米增产更为有利的间作模式。     

玉米冠层叶片光谱反射率与玉米长势空间变异的关系

为了寻找一种快捷获取玉米叶绿素空间分布信息的方法,研究了玉米苗期冠层叶片光谱反射率的变化特征,分析了不同生长阶段冠层叶片光谱反射率的空间分布和叶绿素质量浓度的空间分布.研究结果表明:玉米苗期冠层叶片叶绿素的质量浓度空间分布不均匀.冠层叶片的叶绿素质量浓度与光谱指数RVI的相关性较低,与归一化差异植被指数NDV1值和550 nm波段的反射率均有较高的相关性.分析550nm波段的反射率值与冠层叶片叶绿素质量浓度值的相关关系,显示二者成负相关变化趋势,相关系数绝对值在0.69～0.88范围随着生长期的变化而逐渐增大,五叶期前期的相关性系数绝对值达到苗期最大值,表明550 nm波段反射率值能够较好的反映玉米苗期叶绿素质量浓度的水平,分析和掌握550 nm波段反射率值的变化及其空间分布特性对快速监测玉米苗期生长状况,对指导田间施肥具有重要意义.     

机器学习结合高光谱植被指数与SPAD值估算冬小麦氮含量

冬小麦叶片氮含量与叶片光合作用和营养状况密切相关，直接影响植株生长发育，而茎秆中的氮含量与茎秆中纤维素、半纤维素和木质素的比例和含量密切相关，直接影响茎秆质量及植株的抗倒伏能力。然而，有关对冬小麦茎秆氮含量估算研究较为有限，限制了从氮含量角度判断茎秆质量及对倒伏的预测能力。为精准估算冬小麦不同器官（叶片、茎秆）氮含量，该研究通过2年田间试验，获取冬小麦4个关键生育期（拔节期、抽穗期、开花期、灌浆期）和3种施氮水平条件下（N1、N2和N3）的冠层光谱反射率、叶片、茎秆氮含量及叶片SPAD (soil and plant analyzer development， SPAD)值。分析了不同生育期和施氮水平条件下高光谱植被指数对叶片和茎秆氮含量的敏感性，并结合5种常用的机器学习算法：随机森林回归（random forest regression，RFR）、支持向量回归（support vector regression，SVR）、偏最小二乘回归（partial least squares regression，PLSR）、高斯过程回归（gaussian process regression，GPR）、深度神经网络回归（deep neural networks，DNN）构建冬小麦叶片和茎秆氮含量估算模型。结果表明：高光谱植被指数对叶片和茎秆氮含量的敏感性受到生育期和施氮水平的影响。在灌浆期，最佳植被指数双峰冠层植被指数 DCNI（double-peak canopy nitrogen index）对叶片氮含量的敏感性最高，R²为0.866。对茎秆氮含量，在抽穗期的敏感性最高，最佳植被指数归一化叶绿素比值指数 NPQI（normalized phaeophytinization index）与氮含量相关系数R²＝0.677。施氮水平的提升增加了光谱植被指数对茎秆氮含量的敏感性。结合SPAD值的机器学习算法提升了氮含量的估算精度，对叶片氮含量，在不同生育期和施氮水平条件下估算精度提升了1%～7%，其中在全生育期的归一化均方根误差NRMSE从0.254提升到0.214，抽穗期的NRMSE提升最大，从0.201提升到0.128。对茎秆氮含量，全生育期的NRMSE从0.443提升到0.400，抽穗期的NRMSE提升最大，从0.323提升到0.268。在全生育期，结合SPAD值的DNN模型对叶片（R²=0.782、NRMSE=0.214）和茎秆（R²=0.802、NRMSE=0.400）氮含量的估算精度最佳。研究说明，SPAD值与光谱植被指数结合有利于提升冬小麦不同生育期和施氮水平条件下叶片和茎秆氮含量的估算精度。     

不同生育期水稻叶面积指数的高光谱遥感估算模型

2011年和2012年通过大田试验,利用便携式野外光谱仪实测水稻冠层不同生育时期的高光谱数据,同时使用SUNSCAN冠层分析系统采集水稻冠层叶面积指数（LAI）;采用光谱微分技术和统计分析技术,分别分析高光谱反射率及其植被指数与LAI之间的关系,建立LAI估算模型并进行模拟结果对比。结果表明：水稻抽穗-成熟期,利用光谱值的对数形式对LAI值的模拟效果较好,分蘖-抽穗期利用光谱反射率模拟LAI变化过程的效果不理想。 在利用各种植被指数估算LAI方法中,水稻分蘖-抽穗期以修改型土壤调整植被指数MSAVI[758,805]对LAI的估算效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.7754）,估算精度较高。在抽穗-成熟期,也以修改型土壤调整植被指数MSAVI[758,817]对LAI的模拟效果最好,模拟值与实测值的相关系数通过了0.01水平的显著性检验（R=0.6488）,估算精度较高。说明修改型土壤调整植被指数（MSAVI）能更好地模拟水稻不同生育期的叶面积指数,按照分蘖-抽穗期、抽穗-成熟期两个生育阶段分别建立水稻冠层LAI的高光谱估算模型能够提高LAI估算的准确度,研究结果也证实了分生育阶段建模的必要性。