分享自:

通过修正氮垂直衰减系数提高棉花冠层氮含量高光谱估算精度

期刊:Artificial Intelligence in AgricultureDOI:10.1016/j.aiia.2026.11.005

以下是关于该研究的学术报告:

作者与发表信息

本研究由石河子大学农学院和新疆生产建设兵团绿洲生态农业重点实验室的王金刚(Wang Jingang)、王海江(Wang Haijiang)、吕新(Lv Xin)等学者完成。王海江与吕新为通讯作者。论文发表于 Artificial Intelligence in Agriculture 期刊,于2026年11月3日被接收,计划于2026年正式刊出。

学术背景

氮素是影响作物光合作用和产量形成的关键营养元素。及时准确地获取作物冠层不同垂直层次的氮素分布信息,对于精准施氮管理至关重要。在作物冠层中,由于光照条件的不同,上层叶片获得更多氮素,而下层叶片在氮胁迫下首先表现出缺氮症状。因此,冠层垂直方向的氮素分布具有明显的异质性。

传统的氮素垂直衰减系数(vertical attenuation coefficient of nitrogen,Kt)被广泛用于描述冠层氮素的垂直分布。然而,Kt本质上主要反映的是光合氮(photosynthetic nitrogen,PN)的分布,因为叶片氮含量与叶绿素含量高度相关,而叶绿素是光合氮的核心组成部分。非光合氮(non-photosynthetic nitrogen,NPN)——包括细胞壁蛋白、抗氧化酶等组分——的动态变化却未被Kt所捕获。这一局限性制约了Kt对冠层氮状态的全面表征能力。

针对上述问题,本研究旨在将光合氮与非光合氮组分相结合,对传统Kt进行修正,获得一个新的指标K,以更准确地描述棉田冠层的氮素垂直分布。同时,利用遥感技术对K进行估算,并提出一种融合生理参数光谱特征的建模策略,以提高K的估算精度和氮素垂直分布的遥感反演能力。

研究流程

本研究的整体工作流程可分为以下几个主要步骤。

第一,田间试验设计与数据采集。试验于2021年至2023年在石河子大学试验站进行,设定了五个施氮水平(0、150、250、350、450 kg·ha⁻¹),棉花品种分别为耕野64(2021年)和新陆早75(2022年和2023年)。在每个生育关键期(蕾期、花期、初铃期、盛铃期),采集棉株并自上而下分为上、中、下三个冠层。对每个冠层分别测定叶面积指数(LAI)、叶绿素含量(LCC)、可溶性蛋白含量、抗氧化酶活性(SOD、POD、CAT、MDA)以及基于质量和基于面积的氮含量(Nm、Na)。高光谱影像由SOC710-VP和SOC710-SWIR两台成像光谱仪采集,光谱范围分别为376–1044 nm和916–1699 nm。

第二,光合氮与非光合氮的表征。依据前人的氮分配模型,将总氮分解为光合氮和非光合氮。光合氮与单位叶面积的叶绿素含量(LCCA)呈显著线性正相关。非光合氮则与加权抗氧化酶(weighted antioxidant enzymes,WAE)建立线性关系。WAE通过将SOD、POD、CAT、MDA的标准化回归系数作为权重计算得出。比例系数Spn和Snpn通过线性回归拟合确定,分别为1.915和−0.893。

第三,修正垂直衰减系数K的构建。传统Kt假定总氮随累积叶面积指数呈指数衰减。本研究将总氮分解为PN和NPN后,发现叶绿素含量随累积叶面积指数呈指数下降,而WAE则呈线性下降。据此,将PN的指数衰减项和NPN的线性衰减项同时纳入氮分配方程,推导出修正后的垂直衰减系数K。利用2021年数据验证K对冠层各层氮含量的估算精度,结果表明K优于传统Kt,尤其对中层氮含量的估算精度最高,Nm和Na的加权决定系数(WR²)分别达0.841和0.877。

第四,基于PROSAIL-PRO辐射传输模型的K光谱估算。PROSAIL-PRO模型耦合了PROSPECT-PRO叶片模型和4SAIL冠层模型,可模拟冠层光谱反射率。利用田间实测参数设定模型输入范围,生成查找表(LUT)。通过代价函数匹配实测光谱与模拟光谱,反演得到LCCA、LAI、LPC和CBC等参数,并用实测数据验证反演精度(R²均高于0.80)。然后,对原始光谱进行Savitzky-Golay平滑和连续小波变换(CWT)预处理。采用多特征集成算法(MFE)和连续投影算法(SPA)提取K及生理参数的光谱特征。建立随机森林(RF)、XGBoost和人工神经网络(ANN)等机器学习模型估算K,并提出融合K光谱特征与生理参数光谱特征的建模策略。模型以2021–2022年数据建模,2023年数据用于独立验证。此外,2025年在常规农田采集150个样本检验模型的迁移性。

主要结果

冠层垂直层次的生理参数表现出明显的分层特征。Nm、Na、LCCA和LPC自上而下递减,而LAI和LMA则呈相反趋势。抗氧化酶活性随施氮量增加而降低,下层酶活性高于上层,表明下层叶片对氮胁迫更敏感。

修正后的K随施氮量增加呈下降趋势,并在全生育期内逐渐增大。K与冠层各层的生理参数相关性普遍强于传统Kt。光谱特征分析显示,Kt的特征主要集中于450–700 nm的色素主导区域,而K的特征除可见光区外,还在1150–1650 nm区域出现明显聚集,这与非光合组分(如MDA、POD)的吸收特征相一致。

在K的估算模型中,融合生理参数光谱特征显著提升了精度。最优融合模型Km-LPC-MDA-POD和Ka-LPC-MDA的WR²分别达0.838和0.892,相较于未融合模型分别提高了1.95%和2.65%。对应地,传统Kt的最优融合模型Ktm-LCC-LPC和Kta-LPC-MDA的WR²分别为0.802和0.838,均低于K模型。模型不确定性分析表明,基于K的估算模型不确定性更低。

利用最优K模型反演冠层各层氮含量,WR²在上、中、下三层的Nm估算中分别为0.717–0.836、0.698–0.791和0.729–0.779;Na估算中分别为0.776–0.811、0.743–0.827和0.739–0.783。与传统直接光谱估算相比,K模型对中下层氮含量的估算精度提升尤为明显。在2025年不同农田条件下的独立验证中,Km估算不同生育期各层氮含量的WR²为0.596–0.819,Ka为0.634–0.819,表明模型具有良好的迁移性和稳定性。

结论与意义

本研究通过将光合氮与非光合氮相结合,对传统垂直衰减系数Kt进行了修正,提出了新的指标K。K能够同时表征冠层中光合氮和非光合氮的垂直动态变化,比传统Kt更全面地反映棉田氮素分布状况。结合PROSAIL-PRO辐射传输模型与机器学习方法,实现了对K的高光谱遥感估算。融合生理参数光谱特征的建模策略显著提高了K的估算精度和模型稳定性。

该研究提供了一种新的技术路径,可在冠层上层尚未表现出缺氮症状时,通过中下层氮素变化提前预警作物氮亏缺,为精准施氮管理提供决策支持。同时,研究也为利用遥感技术监测作物不同功能氮组分的空间分布开辟了新思路,具有重要的科学价值和应用前景。

研究亮点

本研究的创新点主要体现在以下方面:首次将非光合氮引入垂直衰减系数的构建,突破传统Kt仅反映光合氮的局限;提出利用加权抗氧化酶表征非光合氮动态的方法;发展了一种融合K光谱特征与生理参数光谱特征的建模策略;并结合PROSAIL-PRO模型和机器学习算法,实现了对修正系数K的高精度遥感估算。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com