应用近红外光谱法估测小麦叶片糖氮比

糖氮比能够反映作物碳氮代谢的协调程度，及时、准确地监测糖氮比对于作物氮素营养诊断和调控具有重要意义.本研究以不同年份、品种、施氮水平的小麦大田试验为基础，获取鲜叶和粉末状干叶近红外(nir)光谱及糖氮比信息，分别运用偏最小二乘法(partialleastsquares,pls)、bp神经网络(backpropagationneuralnetwork,bpnn)和小波神经网络(waveletneuralnetwork,wnn)3种方法建立了小麦叶片糖氮比预测模型，并利用随机选择的样品集对所建模型进行测试和检验.结果表明：小麦鲜叶光谱模型预测性能不佳；而干叶片预测模型表现了较好的准确性，在1655~2378nm谱区范围内基于3种方法构建的干叶粉末糖氮比估算模型，其预测均方根误差均低于0.3%，决定系数均高于0.9.比较而言，wnn法表现最佳.总体显示，近红外光谱法可以准确预测小麦叶片糖氮比状况，为科学诊断糖氮比提供了理论基础和技术途径.