基于机器学习算法的滴灌棉花地上部氮浓度估测模型研究

地上部氮浓度是准确诊断作物氮素丰缺进而评价其生长状况的重要指标。通过构建基于高光谱的滴灌棉花地上部氮浓度估测模型,实现棉花氮素含量的实时、无损、精确获取,为精准施肥提供理论依据和技术支撑。以新疆北部主栽棉花‘新陆早45号’和‘新陆早53号’为供试品种,设置6个施纯氮处理(0、120、240、348、360、480 kg/hm²),测量棉花冠层高光谱信息,利用函数变换去除冗余,一阶与二阶导数筛选结果相似,倒数的对数筛选结果较为分散。采用机器学习权重排序进行特征筛选,共选出359、371、751、752、746、739、755 nm等7个特征波段。同时遍历波长组合,优化前人研究与氮素高相关的植被指数,共选出RVI′_810,460、NDVI′_811,856、NDVI′_750,705、RVI′_740,720、RVI′_851,852、DVI′_359,360、NDVI′_851,852等7个光谱指数。将筛选得到的特征波段与植被...