[发明专利]一种基于高光谱技术的玉米叶片氮含量估算方法

说明书

技术领域  本发明涉及农业中作物生理生化指标的测试方法，特别是针对玉米叶片氮含量(Leaf Nitrogen Concentration，LNC)无损伤估算方法。

背景技术  玉米叶片氮营养状况是玉米高产栽培管理的重要依据，因此准确、及时地掌握玉米叶片氮含量是玉米生产中氮肥合理施用的基础。而田间快速、准确、及时地测定玉米叶片氮含量已成为当前研究的热点。目前，玉米氮素含量信息的获取方法主要采用传统的常规化学分析，这种方法虽然能准确掌握玉米氮含量，但存在费时、繁琐和需要破坏植株等缺点，尤其是在需要了解作物生长发育早、中期的氮营养状况，为玉米追肥提供施肥决策时，常规的化学分析需要到田间进行破坏性植株采样，然后经过实验室烘干，粉碎，消化和测定等一系列过程，耗时长，结果往往难于及时用于指导作物追肥。外观诊断法虽然可以对作物氮营养状况进行判断，但当出现缺素症状时，往往已经产生危害，为时已晚；同时，外观诊断也存在一定的主观性，往往不能达到精准指导施肥的目的。目前应用的田间速测方法的速度虽快，但精确度不高，受外界环境条件的影响大。随着遥感技术特别是高光谱技术的发展，高光谱遥感具有光谱分辨率高，波段连续性强，光谱信息量大的优点，能够记录作物叶片生长发育中细微的生长变化，可以从高光谱数据中提取比较详细的生物物理和生物化学参数信息，近年来我国利用高光谱技术在水稻、小麦、玉米的氮营养状况诊断方面，已有大量的研究基础。在玉米氮营养状况的光谱获取方面，关于植株氮含量的光谱反射特征及其相关性、植株氮状况估计的光谱参数和高光谱估算模型等，在冠层水平和单叶水平也有了研究报道。但是，由于影响作物光谱特性的因素众多，各种环境因素，品种本身具有的特性都对光谱信息的准确性有一定的影响，传统的冠层水平或单一品种叶片水平获取的光谱信息所建立的模型的普适性不高，已建立的模型精度低等缺点，因此在目前的玉米生产中尚未得到应用。

发明内容  本发明针对传统的光谱信息提取方法进行了改进。我们通过控制外界环境条件消除大田环境不确定性的影响，对3个玉米品种(组合)进行了光谱信息的提取，提出了归一化差值光谱指数(Normalized Difference Spectral Index，NDSI)和比值光谱指数(Ratio Spectral Index，RSI)概念，并建立了玉米叶片氮含量和NDSI与RSI之间的关系模型，发现NDSI(714，554)和RSI(714，554)可以用来估算玉米LNC，3个品种都可以用上述参数来构建玉米叶片氮含量估算模型，品种间存在差异。

具体实施方式

第一，玉米叶片反射光谱测定。在玉米第6叶展开时进行叶片光谱测定，测定时将样品平置于反射率近似为零的黑色橡胶上或使用专用探头，保证探头紧压在叶片上，并移动探头在叶片叶脉两侧上、中、下部连续测定6次，取平均值作为该叶片的光谱反射率。

第二，特定波长光谱反射率的提取。我们利用3个玉米品种(组合)进行光谱信息提取的研究发现，玉米叶片氮含量(LNC)的敏感波段为500nm～649nm和691nm～730nm，3个品种都在此波段范围内表现极显著的负相关关系，并在同一波长获得最高的相关系数，说明可以利用统一的波段来预测不同品种的LNC。根据第一步玉米反射光谱的测定数据，提取得到特定波长(本发明为714nm和554nm)的光谱反射率。

第三，归一化差值光谱指数(NDSI)和比值光谱指数(RSI)的计算。参照冠层光谱研究中描述植被特征的归一化差值植被指数(Normalized Difference Vegetation Index，NDVI)和比值植被指数(Ratio Vegetation Index，RVI)，利用单叶光谱反射率(R)，提出了归一化差值光谱指数(NDSI)和比值光谱指数(RSI)的概念，具体计算公式如下：

NDSI(λ1，λ2)＝(R_λ1-R_λ2)/(R_λ1+R_λ2)

RSI(λ1，λ2)＝R_λ2/R_λ1

将第二步获得的特定波长(714nm和554nm)的光谱反射率代入以上公式，计算得到NDSI(714，554)和RSI(714，554)。

第四，玉米叶片氮含量的计算。根据构建的玉米LNC估算的优化模型，即玉米LNC与NDSI(714，554)或RSI(714，554)的指数模型，将第三步计算得到的NDSI(714，554)或RSI(714，554)代入相关模型，即可计算得到对应的玉米LNC。3个品种及综合模型如下所示：