【導(dǎo)讀】題目水稻氮磷鉀的高光譜遙感診斷。專業(yè)遙感科學(xué)與技術(shù)。二Ｏ一二年六月六日

　　

【正文】 ，表現(xiàn)出不同的生長狀況，進(jìn)而影響到其葉片高光譜反射率的值，因此?？赏ㄟ^高光譜技術(shù)診斷水稻氮磷鉀營養(yǎng)狀況。 本研究 通過地面便攜式光譜儀測定不同氮磷鉀水平下的水稻葉片高光譜以及葉片氮磷鉀含量的室內(nèi)化學(xué)分析，采用 紅邊參數(shù)，協(xié)同間隔偏最小二乘法（ siPLS）和 BP 人工神經(jīng)網(wǎng) 絡(luò)這三種方法分別分析 水稻葉片氮磷鉀含量和葉片高光譜之間的關(guān)系 。實驗研究結(jié)果表明，在水稻氮素營養(yǎng)方面，確定敏感波段范圍為 4701300nm，基于 siPLS 和 BP 人工神經(jīng)網(wǎng)絡(luò)的水稻氮含量估測模型精度，均高于基于紅邊參數(shù)的估測模型，且這兩種模型的相關(guān)系數(shù)接近或大于 ，且均方根誤差 RMSE都在 到 之間；與氮相比，基于三種算法的水稻葉片磷含量估測模型的均方根誤差 RMSE 均很高，接近或超過 ，相當(dāng)于水稻磷含量平均值的 1/3，因此，水稻磷素營養(yǎng)的高光譜診斷模型還有待進(jìn)一步的研究；水稻鉀素營養(yǎng)的敏感波段 范圍為 6581112nm，基于 siPLS 和 BP 人工神經(jīng)網(wǎng)絡(luò)的水稻鉀含量估測模型精度均高于基于紅邊參數(shù)的估測模型，其相關(guān)系數(shù)大于 ，均方根誤差 RMSE 接近 ，相當(dāng)于水稻鉀含量平均值的 1/14。最后，鑒于水稻數(shù)據(jù)生育期和品種的不完整性 ,本研究所得到的結(jié)論還有待下一步系統(tǒng)的分析和驗證。 參考文獻(xiàn)： [1] Duru M. Evaluation of chlorophyll meter to assess nitrogen status of cocksfoot sward. Journal of Plant Nutrition, 20xx, 25( 2): 275286. [2] Thomas JR, Oerther GF. Estimating nitrogen content of sweet pepper leaves by reflectance measurements. Agronomy Journal. 1972, 64 : 1113. [3] 陳斌 . 利用光譜反射特性測定茶鮮葉的葉綠素含量 . 江蘇理工大學(xué)學(xué)報 . 1996, 17(4): 1015. [4] Horler DNH, Barber LP, Ferns DC. Approaches to detection of geochemical stress in vegetation. Advances in Space Research. 1983, 3: 175179. [5] 唐延林 , 王人潮 , 王秀珍等 . 水稻葉面積指數(shù)和葉片生化的光譜法研究 . 華南農(nóng)業(yè)大學(xué)學(xué)報 . 20xx, 24(1): 37. [6] 張金恒 , 王珂 , 王人潮等 . 水稻葉片反射光譜診斷氮素營養(yǎng)敏感波段的研究 . 浙江大學(xué)學(xué)報 .20xx, 30(3): 340346. [7] 李曉松，李增元，高志海等 . 基于 NDVI與偏最小二乘回歸的荒漠化地區(qū)植被覆蓋度高光譜遙感估測 . 中國沙漠 . 20xx, 31(1): 162167. [8] 王人潮 , 陳銘臻 , 蔣亨顯 . 水稻遙感估產(chǎn)的農(nóng)學(xué)機(jī)理研究 . 浙江大學(xué)學(xué)報 . 1993, 19: 714. [9] 陸景陵 . 植物營養(yǎng)學(xué) . 中國農(nóng)業(yè)大學(xué)出版社 . 1994, 3536. 18 [10] 王磊 , 自由路 , 楊俐蘋 . 春玉米磷素營養(yǎng)的光譜響應(yīng)及診斷 . 20xx, 13(5): 802808. [11] 劉煒 , 常慶瑞 , 郭曼等 . 冬小麥導(dǎo)數(shù)光譜特征提取與缺磷脅迫神經(jīng)網(wǎng)絡(luò)診斷 . 光譜學(xué)與光譜分析 . 20xx, 31(4): 10921096. [12] 林芬芳 , 丁曉東 , 付志鵬等 . 基于互信息理論的水稻磷素營養(yǎng)高光譜診斷 . 光譜學(xué)與光譜分析 . 20xx, 29(9): 24672470. [13] 楊雪紅 . 基于高光譜的棉花中鉀含量的預(yù)測研究 .科技信息 . 20xx, 23: 238239. [14] 朱西存 , 趙庚星 , 隋學(xué)艷等 . 基于光譜分析技術(shù)的蘋果花鉀素含量估測研究 . 紅外 . 20xx, 31(8): 1923. [15] 王磊 , 自由路 . 不同鉀素處理春玉米葉片營養(yǎng)元素含量變化及其光譜響應(yīng) . 遙感學(xué)報 . 20xx, 11(5): 641647. [16] Pimstein A, Karnieli A, Surinder K et al. Exploring remotely sensed technologies for monitoring wheat potassium and phosphorus using field spectroscopy. Field Crops Research. 20xx, 121: 125135. [17] 魯如坤 . 土壤和農(nóng)業(yè)化學(xué)分析 .中國農(nóng)業(yè)科學(xué)技術(shù)出版社 ,20xx,31(3):400411. [18] 王秀珍 , 王人潮 , 李云梅等 . 不同氮素營養(yǎng)水平的水稻冠層光譜紅邊參數(shù)及其應(yīng)用研究 . 浙江大學(xué)學(xué)報 .20xx, 27( 3): 301306. [19] 王圓圓 , 陳云浩 , 李京等 . 利用偏最小二乘回歸反演冬小麥條銹病嚴(yán)重度 . 國土資源遙感 , 20xx, 3(1): 5760. [20] 王惠文 . 偏最小二乘回歸方法及其應(yīng)用 . 國防工業(yè)出版社 , 1999, 200. [21] 魏海坤 . 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的理論與方法 . 國防工業(yè)出版社 , 20xx, 9496. 致謝： 感謝本實驗中采集試驗所使用的水稻葉片光譜數(shù)據(jù)和實驗室測定氮磷鉀含量數(shù)據(jù)的技術(shù)人員；感謝指導(dǎo)老師林芬芳對本文撰寫過程中給出的細(xì)心指導(dǎo)以及修改意見；感謝在試驗過程遇到困難時給予熱心建議的同學(xué)和朋友。 19 Hyperspectral remote sense diagnosis of the content of nitrogen, phosphorus and potassium in rice Sun Wei Department of Remote Sensing, Nanjing University of Information Science and Technology, Nanjing 210044 ABSTRACT Rice nutritional diagnosis of the traditional chemical analysis methods are time consuming, and diagnosis in a timely manner can not be applied to the production. Based on plant spectral reflectance properties of the ground hyperspectral technology has the advantages of accurate, fast, high degree of automation, nondestructive, it is possible to diagnosis the growing of rice and its nutrition rapidly. In this study, the data sources e from the rice jointing stage leaf based on hyperspectral data. The red edge parameters, synergy interval partial least squares and BP neural work method which monly used in hyperspectral data processing are used to analyze the ground hyperspectral estimates of rice NPK contents. In the way of rice nitrogen ,the sensitive wavelength range were identified from 470 to 1300nm, Accuracy of estimation model based on artificial neural works in siPLS and BP Rice nitrogen content higher than the estimate based on the parameters of the red edge model, the correlation coefficient is close to or greater than , the root mean square error RMSE between to 。 Comparing with nitrogen, the root mean square error RMSE estimation model based on the rice leaf phosphorus content of the three methods are all very high, which closes to or more than , equivalent to 1/3 of the average phosphorus content of rice. Therefore, the high spectral diagnostic model for rice phosphorus nutrition remains to be further research。 In the way of rice Potassium, the sensitive wavelength range were identified from 658 to 1112nm, Accuracy of estimation model based on siPLS and BP artificial neural work estimation model are higher than estimation model based on red edge parameters the correlation coefficient greater than , the root mean square error RMSE close to , equivalent to 1/14 of the average potassium content of rice. Finally, considering the inpleteness of the growth period and varieties of rice data, the conclusion of this study should to be taken for further analysis and verification. Key word: Rice, Nitrogen, Phosphorus,Potassium, Hyperspectral