文献类型： 中文期刊

作者： 张银杰 ¹ ; 王磊 ¹ ; 白由路 ¹ ; 杨俐苹 ¹ ; 卢艳丽 ¹ ; 孙艳敏 ² ; 张静静 ¹ ; 李格 ¹ ;

作者机构： 1. 中国农业科学院农业资源与农业区划研究所/农业农村部植物营养与肥料重点实验室

2. 濮阳市农业科学院

关键词： 玉米;光谱反射率;土壤无机氮含量;光谱参数;偏最小二乘回归

期刊名称： 植物营养与肥料学报

ISSN： 1008-505X

年卷期： 2020 年 26 卷 007 期

页码： 1206-1215

收录情况： 北大核心 ; CSCD

摘要： [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.