基于近红外光谱与多元模型的小麦氮含量估算

采用频谱测量的谷物氮元素估算方法易受作物水分等因素的影响，对此提出了采用近红外光谱与最小二乘法(PLS)的小麦氮素与水分预测方案。采用光谱传感器获得的光谱反射率数据(光谱范围是400~950 nm)，在植物生长阶段(BBCH 32)测试了是否可以估算春小麦中的氮与水分。2014―2015年，在甘肃地区进行小麦的田地试验，试验场共包含36个小区，在播种期间主小区使用氮施肥(N 70 kg/hm2或100 kg/hm2)，子块则使用水灌溉。在BBCH 32，对所有的小区使用便携式光谱仪测量其冠层反射率，然后，每个小区选择0.25 m2样方作为地表小麦作物量的采样，并分析总氮量。首先通过对数线性比对光谱数据进行预处理，然后使用Savitzky-Golay方法与均值化对其进行第一阶导数滤波，然后，通过偏最小二乘法(PPLS)结合光谱信息与正定数据对模型进行校准。结果表明，本方法优于基于指标的方法，其最优模型的氮、水分性能分别为RPD=2.26、RPD=1.49