基于多源卫星数据的水稻叶片氮含量估算研究学术报告

一、作者与发表信息
本研究的作者为贾韬（凤阳县农业农村局）、唐立芳（凤阳县农业农村局）、汪建飞（安徽科技学院）和鲁立江（安徽科技学院），发表于《安徽农学通报》2025年第16期“创刊30周年专栏”。

二、学术背景
氮素是水稻生长的关键营养元素，直接影响其产量和品质。传统氮素监测方法依赖田间采样与实验室分析，成本高且难以大范围应用。遥感技术为作物氮素监测提供了新思路，但近地平台的高光谱数据受限于尺度和成本，而卫星遥感数据（如QuickBird、SPOT-6）的潜力尚未充分挖掘。
本研究旨在通过多源卫星数据模拟与高光谱数据融合，构建水稻叶片氮含量（Leaf Nitrogen Content, LNC）估算模型，探索不同生育期（分蘖期、孕穗期、抽穗期、开花期、灌浆期）的氮素敏感波段组合，为水稻精准管理提供技术支撑。

三、研究流程与方法
1. 数据采集与处理
- 研究区与样本设计：试验于2020—2022年在安徽凤阳小岗村进行，设置36个小区（2 m×8 m），统一施肥管理。
- 高光谱数据：使用HH2光谱仪（ASD公司）采集水稻冠层高光谱反射率（325–1075 nm），覆盖5个生育期，每个小区按“Z”字形测量3次，数据经ViewSpec Pro处理。
- 氮含量数据：同步采集水稻叶片样本，通过凯氏定氮法测定全氮含量（质量分数）。

1. 卫星数据模拟

   • 波段响应函数：基于QuickBird（蓝、绿、红、近红外波段）和SPOT-6（类似波段）的官方响应函数，利用ENVI 5.3软件重采样地面高光谱数据，生成模拟卫星反射率（公式1）。
     
   • 光谱指数构建：以任意两波段组合构建12个光谱指数，包括归一化差异光谱指数（NDSI）和比值光谱指数（RSI）（公式2–3）。
     

2. 模型构建与验证

   • 相关性分析：筛选与氮含量显著相关的光谱指数（以决定系数R²和均方根误差RMSE评估）。
     
   • 偏最小二乘回归（PLSR）模型：随机划分2/3数据为训练集，1/3为测试集，重复10次验证模型稳定性。
     

四、主要结果
1. 氮素含量与光谱特征
- 氮含量从孕穗期到灌浆期逐渐降低（分蘖期除外），与光谱反射率呈负相关。
- 高光谱曲线在480 nm和670 nm处出现吸收谷，近红外波段（700–900 nm）反射率稳定。

1. 敏感波段与光谱指数

   • QuickBird数据：分蘖期和孕穗期以蓝绿波段组合（NDSI-BG、RSI-BR）相关性最高（R²=0.3518–0.6281）；抽穗期至灌浆期以红边-近红外组合（NDSI-RN、RSI-RN）最佳（R²=0.5429–0.7140）。
     
   • SPOT-6数据：分蘖期和孕穗期敏感波段为蓝-红（NDSI-BR、RSI-BR，R²=0.3518–0.6222），后期转为绿-近红外（NDSI-GN、RSI-GN，R²=0.5379–0.7029）。
     

2. 模型精度比较

   • QuickBird模型整体优于SPOT-6（训练集平均R²=0.63 vs. 0.61），但RMSE较高（0.42 vs. 0.28）。
     
   • 抽穗期模型精度最高（QuickBird R²=0.72，SPOT-6 R²=0.70），开花期最低。
     

五、结论与价值
1. 科学意义：揭示了水稻不同生育期氮素敏感波段的动态变化规律，证实卫星模拟数据可用于氮含量估算。
2. 应用价值：为精准农业提供低成本、大范围的氮素监测方法，尤其适用于抽穗期等高需氮阶段的管理决策。
3. 局限性：分蘖期模型稳定性不足，需进一步优化；QuickBird数据虽精度高，但RMSE较大，适合粗略估测。

六、研究亮点
1. 方法创新：首次结合QuickBird与SPOT-6响应函数，通过ENVI重采样技术模拟多源卫星数据。
2. 生育期动态分析：明确了氮素敏感波段随生育期的迁移规律（前期蓝绿波段主导，后期红边-近红外关键）。
3. 模型普适性：PLSR模型验证表明，该方法可推广至其他作物或卫星数据（如WorldView-2）。

七、其他发现
研究还指出，生育期是影响反射率的重要因素，未来需结合多时相数据提升模型鲁棒性。参考文献中引用的冬小麦和马铃薯案例（如李粉玲2016、Wu等2007）进一步佐证了多光谱指数在作物氮素监测中的普适潜力。

（注：全文严格遵守术语规范，如“重采样（resampling）”“偏最小二乘回归（PLSR）”等均在首次出现时标注英文原词。）