基于无人机高光谱遥感的水稻氮营养诊断方法

氮亏缺量能够直接反映作物氮营养缺失程度，快速、大面积获取水稻氮亏缺量信息对实现水稻精准施肥具有重要意义。而现有的研究大都集中于利用无人机遥感监测水稻氮营养情况，对氮亏缺量本身的研究较少。本研究基于无人机高光谱遥感获取冠层光谱数据、通过田间采样获取水稻农学数据，研究东北地区水稻临界氮浓度曲线构建方法，在此基础上确定水稻氮亏缺量；以氮亏缺量约等于0状态下光谱为标准光谱，分别对光谱反射率进行比值、差值、归一化差值变换，通过竞争性自适应重加权采样法对原始光谱反射率与变换后光谱反射率进行特征波长提取，并以二者提取的特征波长为输入变量，氮亏缺量为输出变量，分别构建基于多元线性回归、极限学习机与蝙蝠算法优化极限学习机3种算法的水稻氮亏缺量反演模型。结果表明：基于田间数据构建东北地区水稻临界氮浓度曲线方程系数a、b分别为2.026与-0.460 3,和以往研究基本一致；相比其余变换方法，对水稻冠层光谱进行归一化差值变换与特征波长提取显著提高了冠层光谱反射率与水稻氮亏缺量的相关性，也提高了后续反演模型的反演结果；以归一化差值光谱为输入的蝙蝠算法优化极限学习机反演模型预测效果显著优于其余模型，验证集R

Diagnosis Method of Rice Nitrogen Deficiency Based on UAV Hyperspectral Remote Sensing