利用高光谱分析技术实现冬小麦长势的准确、 无损监测具有重要的实践意义。 基于连续两年的氮素运筹试验, 通过获取叶面积指数(LAI)、 地上干生物量(AGDB)、 地上鲜生物量(AGFB)、 植株含水量(PWC)、 叶绿素密度(CHD)和氮素积累量(ANC)六个冬小麦长势指标及冬小麦冠层高光谱, 引入主成分分析法(PCA)构建可表征冬小麦长势的综合长势指标(CGI), 并结合偏最小二乘回归法(PLSR)构建CGI的高光谱估测模型。 结果表明, 除植株含水量外, 其他长势指标与所构建的CGI都达到极显著水平, 表明利用CGI可以表征各长势指标信息。 对比CGI和其他各长势指标的PLSR模型表现可知, CGI光谱监测模型表现最优(R2=0802, RMSE=1268, RPD=2015), 也具有较高的预测精度和稳健度(R2=0672, RMSE=1732, RPD=1489)。 表明基于PCA方法所构建的CGI可以表征冬小麦长势, 利用PLSR方法可以实现对冬小麦长势的准确监测, 且监测效果要优于单一的冬小麦长势指标。
冬小麦 长势 高光谱 主成分分析 偏最小二乘回归 Winter wheat Growth status Hyperspectrum PCA PLSR 光谱学与光谱分析
2018, 38(5): 1520