基于高光谱的寒地水稻叶片氮素含量预测研究学术报告

作者与发表信息
本研究由东北农业大学电气与信息学院的王树文、赵越、王丽凤、王润涛、宋玉柱、张长利、苏中滨合作完成，发表于《农业工程学报》（Transactions of the Chinese Society of Agricultural Engineering）2016年第32卷第20期（2016年10月）。

学术背景
氮素是水稻生长的关键营养元素，但过量施氮会导致土壤退化、产量下降及环境污染。传统实验室检测方法虽准确但时效性差，难以满足农业生产需求。高光谱成像技术因其快速、无损、准确的特点，被广泛应用于作物营养诊断。然而，寒地水稻（如黑龙江地区）的氮素监测研究仍存在数据冗余、模型普适性不足等问题。本研究旨在通过高光谱技术结合多种算法，建立寒地水稻叶片氮素含量的高效预测模型，为精准施肥提供技术支撑。

研究流程
1. 试验设计与数据采集
- 研究对象：选用黑龙江方正县的“龙稻20”水稻品种，设置6个施氮梯度（0、60、90、120、150、180 kg/hm²），每个梯度4次重复，共24个小区。
- 高光谱成像：使用美国Headwall公司的高光谱成像系统（400–1000 nm，分辨率3 nm），采集拔节期水稻叶片图像。每叶片选取叶脉两侧4 mm×40 mm的矩形区域作为感兴趣区域（ROI），提取平均光谱反射率。
- 氮素测定：采用德国AA3连续流动分析仪测定叶片铵态氮含量，每个小区10片叶子，剔除异常值后取均值，最终获得24组有效数据（12组用于建模，12组用于验证）。

1. 数据处理与模型构建

   • 全波段建模：采用多元逐步回归分析（MSRA）筛选敏感波段（899 nm和890 nm），建立全波段模型。
     
   • 连续投影算法（SPA）降维：通过SPA选择8个特征波段（454、460、475、504、525、685、700、735 nm），构建MSRA模型。
     
   • 分段主成分分析（SPCA）结合相关分析（CA）：
     
     • 根据相关系数矩阵将光谱分为5段（400–504 nm、505–670 nm等），对各段进行主成分分析（PCA），提取敏感波段（如463、558、730 nm等）。
       
     • 构建7类特征光谱参数（如单波段指数SI、差值指数DI、双差值指数DDI等），通过一元回归（SRA）筛选最优参数（如SI(866)、DI(730,715)等），最终建立多元回归（MRA）模型。
       

2. 模型验证与比较

   • 评估指标包括校正集决定系数（Rc²）、预测集决定系数（Rp²）、均方根误差（RMSE）。全波段MSRA模型Rc²最高（0.821），但SPCA-CA-MRA模型预测性能最优（Rp²=0.869，RMSEP=0.085）。
     

主要结果
1. 光谱特征：施氮量增加导致可见光区域（如560 nm反射峰）反射率降低，近红外区域（760–1000 nm）反射率升高。
2. 模型性能：
- 全波段模型计算量大但拟合度高（Rc²=0.821）；
- SPA-MSR模型简化了变量（仅用735 nm和525 nm），预测性能较好（Rp²=0.820）；
- SPCA-CA-MRA模型综合了多参数优势（如DDI(866,685,558)），预测精度最高（Rp²=0.869）。
3. 敏感参数：近红外波段（如866 nm）和差值指数（如DI(730,715)）对氮素含量敏感，验证了高光谱参数在氮素反演中的有效性。

结论与价值
1. 科学价值：
- 提出SPCA-CA结合MRA的降维方法，解决了高光谱数据冗余问题；
- 明确了寒地水稻叶片氮素含量与光谱特征的定量关系，为作物生理研究提供新视角。
2. 应用价值：
- 模型可集成至便携式检测设备，实现田间快速氮素诊断；
- 为寒地水稻精准施肥管理提供技术依据，减少环境污染风险。

研究亮点
1. 方法创新：首次将SPCA-CA算法应用于寒地水稻氮素预测，兼顾数据降维与模型精度。
2. 区域针对性：聚焦黑龙江寒地水稻，填补了高纬度地区作物营养监测的研究空白。
3. 多模型对比：系统比较全波段、SPA、SPCA-CA三种方法的优劣，为后续研究提供方法论参考。

其他价值
研究指出，未来需扩大试验区域以验证模型普适性，并探索环境干扰（如光照、湿度）对光谱数据的影响，为室外实时监测奠定基础。