水氮運(yùn)籌是作物生產(chǎn)中最重要的管理措施，適時(shí)適量的氮素供給是作物高產(chǎn)優(yōu)質(zhì)的根本保障。因此，生產(chǎn)上需要基于適時(shí)掌握作物長(zhǎng)勢(shì)和氮素狀況，進(jìn)行及時(shí)合理地氮素診斷與施肥調(diào)控。然而已有的作物氮素監(jiān)測(cè)方法在時(shí)間或空間上難以滿足實(shí)時(shí)、快速、無損、準(zhǔn)確診斷的要求。隨著高光譜遙感技術(shù)的發(fā)展，使得遙感能在光譜維上展開，可以直接對(duì)地物進(jìn)行微弱光譜差異的定量分析，在植物遙感與應(yīng)用中表現(xiàn)出強(qiáng)大優(yōu)勢(shì)，并在農(nóng)業(yè)生產(chǎn)中得到長(zhǎng)足發(fā)展。高光譜遙感數(shù)據(jù)具有波段窄和連續(xù)的特點(diǎn)，可以構(gòu)造許多對(duì)生物理化參數(shù)相對(duì)敏感的光譜指數(shù)，能夠精細(xì)表達(dá)植被葉綠素、水、氮等生化組分吸收及細(xì)胞結(jié)構(gòu)多次散射的波形，有助于提高高光譜數(shù)據(jù)用于提取作物生長(zhǎng)信息的水平。冠層光譜是一種綜合信息，是眾多地物的混合光譜，為了準(zhǔn)確提取目標(biāo)物的特征信息，可以通過構(gòu)造植被指數(shù)和使用微分光譜技術(shù)，以消除大氣和背景的影響。因此，通過對(duì)冠層高光譜信息的提取和分析，可以對(duì)作物長(zhǎng)勢(shì)進(jìn)行有效監(jiān)測(cè)與營(yíng)養(yǎng)診斷。高光譜指數(shù)與多光譜指數(shù)相比，能夠顯著提高許多植被參數(shù)的估測(cè)精度，但有時(shí)候會(huì)暴露出過于敏感的特點(diǎn)。在遙感定量分析中，有必要采用不同的光譜數(shù)據(jù)處理技術(shù)，用于壓縮背景噪聲，提高分析的精度；同時(shí)加大訓(xùn)練樣本的數(shù)量和復(fù)雜度，增強(qiáng)分析結(jié)果的真實(shí)性和適用性。

葉片氮積累量是葉片氮含量與葉重的乘積，它既反映植株個(gè)體葉片氮含量的信息，又包含植被群體蓋度特征。改善作物氮素營(yíng)養(yǎng)，提高葉片氮含量，增加群體蓋度，在葉片氮積累量水平上會(huì)反映得更為明顯，反之亦然。因此，葉片氮積累量對(duì)作物群體長(zhǎng)勢(shì)及氮素診斷具有重要的理論意義。田間地力水平及管理措施的差異常導(dǎo)致作物個(gè)體與群體的異質(zhì)性，但小麥葉片氮積累量卻與產(chǎn)量密切相關(guān)5。小麥葉片氮素在開花～乳熟前高積累，灌漿開始葉片氮素穩(wěn)定輸出再分配，可以同時(shí)提高小麥產(chǎn)量和籽粒蛋白質(zhì)含量，因此，了解葉片氮積累量的水平及動(dòng)態(tài)變化，對(duì)評(píng)價(jià)作物生產(chǎn)能力及預(yù)測(cè)產(chǎn)量和品質(zhì)均有重要意義。植被冠層光譜反映群體特征綜合信息，研究葉片氮積累量與冠層光譜之間的量化關(guān)系，在小麥氮素診斷中具有重要的應(yīng)用價(jià)值。

高光譜相機(jī)無損估測(cè)小麥葉片氮積累量

本研究應(yīng)用了400-1000nm的高光譜相機(jī)，可采用廣東賽斯拜克科技有限公司產(chǎn)品SP130M進(jìn)行相關(guān)研究。光譜范圍在400-1000nm，波長(zhǎng)分辨率優(yōu)于2.5nm，可達(dá)1200個(gè)光譜通道。采集速度全譜段可達(dá)128FPS，波段選擇后最高3300Hz（支持多區(qū)域波段選擇）。

本研究目的是以不同年份、品種、施氮水平的田間試驗(yàn)為基礎(chǔ)，綜合分析小麥葉片氮素積累量與冠層高光譜參數(shù)的關(guān)系，以期確立氮素營(yíng)養(yǎng)指標(biāo)的定量監(jiān)測(cè)模型，為遙感技術(shù)在小麥氮素營(yíng)養(yǎng)診斷的實(shí)際應(yīng)用提供理論依據(jù)和技術(shù)支持。

1材料與方法

1.1試驗(yàn)設(shè)計(jì)

本研究進(jìn)行了3個(gè)田間試驗(yàn)，涉及到不同年份、不同類型品種及不同施氮水平。田間試驗(yàn)基本情況列于

表1。

試驗(yàn)1:于2003～2004年在江蘇省農(nóng)業(yè)科學(xué)院(南京市，118°78′E,32°04'N)進(jìn)行。前茬水稻田，供試土壤為黃黏土，有機(jī)質(zhì)0.96%,全氮0.10%,速效磷4029mg·kg1,速效鉀10278mg·kg1。供試小麥品種為寧麥9號(hào)(低蛋白質(zhì)含量，約10%)、淮麥20(中蛋白質(zhì)含量，約12%)、徐州26(高蛋白質(zhì)含量，約15%)和揚(yáng)麥10(中蛋白質(zhì)含量，約13%)。設(shè)5個(gè)施氮水平，分別為0、75、150、225和300 kg·hm2純氮，基追比64,60%作基肥，拔節(jié)肥和孕穗肥各占20%,配施P2Os150 kg·hm?2和K?O 1125kg·hm2,全部用作基肥。小區(qū)面積為16m2,基本苗為1.8×10°株/hm2,行距25am。兩因素隨機(jī)區(qū)組排列，3次重復(fù)。其他管理措施同高產(chǎn)大田栽培。該試驗(yàn)資料用于監(jiān)測(cè)模型的檢驗(yàn)。

試驗(yàn)2:2004～2005年在江蘇省農(nóng)科院進(jìn)行，供試品種為寧麥9號(hào)(低蛋白含量，約10%),揚(yáng)麥12號(hào)(中蛋白含量，約127%),豫麥34(高蛋白含量，約15%),土壤質(zhì)地為重粘土，有機(jī)質(zhì)209%,全氮0.18%,速效

氮150.20mg·kg1,速效磷140.03mg·kg',速效鉀113.5mg·kg'。前茬為水稻，試驗(yàn)設(shè)4個(gè)施氮水平：純氮0 kg·hm?2(N0),純氮75kg·hm2(N1),純氮150 kg·hm?2(N2),純氮225 kg·hm2(N3),配施80 kg·hmP?Os和150 kg·hm2K?O,磷鉀肥全部用作基肥，以上各處理的氮肥50%用作基肥，50%為拔節(jié)期追肥。試驗(yàn)隨機(jī)排列，3次重復(fù)，小區(qū)面積4×4.5=18m2,基本苗1.5×10株/hm2,行距25 cm。其他栽培管理措施同一般高產(chǎn)麥田。該試驗(yàn)資料用于建立監(jiān)測(cè)模型。

試驗(yàn)3:2005～2006年在江蘇省南京市農(nóng)林局科學(xué)試驗(yàn)田(江寧區(qū)淳化鎮(zhèn)，118°83'E,31°95'N)進(jìn)行，供試品種為寧麥9號(hào)(低蛋白含量，約10%),豫麥34(高蛋白含量，約15%),土壤質(zhì)地為黃棕壤，有機(jī)質(zhì)1143%,全氮011%,速效氮625mg·kg1,速效磷10.36mg·kg,速效鉀825mg·kg1。前茬為水稻，試驗(yàn)設(shè)4個(gè)施氮水平：純氮0kg·hm?2(N0),純氮90 kg·hm?2(N1),純氮180 kg·hm?2(N2),純氮270 kg·hm?2

(N3),配施150 kg·hm2P?O?和210kg·hm2K?O,磷鉀肥全部用作基肥，以上各處理的氮肥50%用作基肥，50%為拔節(jié)期追肥。試驗(yàn)隨機(jī)排列，3次重復(fù)，小區(qū)面積5×5.5=27.5m2,基本苗1.8×10°株/hm2,行距25

cm。其他栽培管理措施同一般高產(chǎn)麥田。該試驗(yàn)資料用于建立監(jiān)測(cè)模型。

1.2測(cè)定方法

1.21光譜數(shù)據(jù)測(cè)定

小麥冠層光譜測(cè)量采用美國(guó)Analytical SpectralDevice(ASD)公司生產(chǎn)的FieldSpec Pro FR2500型背掛式野外高光譜輻射儀，波段值為350～2500 mm,其中，350～1000 mm光譜采樣間隔為1.4 mm,光譜分辨率為3mm;1000～2500 nm光譜采樣間隔為2nm,光譜分辨率為10mm。冠層光譜測(cè)定選擇在天氣晴朗、無風(fēng)或風(fēng)速很小時(shí)進(jìn)行，時(shí)間范圍為10:00～14:00,傳感器探頭垂直向下，光譜儀視場(chǎng)角為25°,距冠層頂垂直高度約1.0

m,地面視場(chǎng)范圍直徑為0.44m。每個(gè)小區(qū)記錄10個(gè)采樣光譜，以其平均值作為該小區(qū)的光譜反射值。測(cè)量過程中及時(shí)進(jìn)行標(biāo)準(zhǔn)白板校正(標(biāo)準(zhǔn)白板反射率為1,這樣所得的目標(biāo)物光譜是無量綱的相對(duì)反射率),對(duì)每組目標(biāo)的觀測(cè)前后均以參考板標(biāo)定。

1.22農(nóng)學(xué)參數(shù)測(cè)定

與光譜測(cè)量同步每小區(qū)取小麥20株按器官分離，各器官烘干、稱重(將籽粒與穎殼剝離),粉碎后測(cè)定全氮含量。全氮含量采用凱氏定氮法測(cè)定，葉片氮素積累量LNA(gN·m22)=葉片氮含量LNC(%)×葉片干物重LDW(gDWm22)。

1.3數(shù)據(jù)分析與利用

本研究綜合了已有光譜參數(shù)的算法，并在MAILAB語言環(huán)境下編程實(shí)現(xiàn)。以試驗(yàn)2和試驗(yàn)3資料為基

礎(chǔ)，對(duì)小麥冠層多個(gè)光譜參數(shù)與葉片氮積累量進(jìn)行相關(guān)分析，選擇與葉片氮積累量顯著相關(guān)的敏感波段及植被指數(shù)，通過回歸分析建立小麥葉片氮積累量監(jiān)測(cè)模型，利用估計(jì)標(biāo)準(zhǔn)誤差(SE)和擬合決定系數(shù)(R2)優(yōu)化方程。利用試驗(yàn)1資料對(duì)所篩選建立的模型進(jìn)行測(cè)試和檢驗(yàn)，采用通用的均方根差(RMSE)、平均相對(duì)誤差

(RE)、精度(R2)和準(zhǔn)確度(斜率)4個(gè)指標(biāo)進(jìn)行綜合評(píng)定，并繪制觀察值與預(yù)測(cè)值之間11關(guān)系圖。本文所選取高光譜參數(shù)及定義見表2。

2  結(jié)果與分析

2.1不同施氮水平下小麥葉片氮素積累狀況葉片氮含量和氮積累量是表征小麥氮素狀況的主要指標(biāo)。以試驗(yàn)3結(jié)果為例(表3),可以看出，兩小麥

品種在各生育時(shí)期的葉片氮積累量均隨施氮量增加而提高，不同處理間的差異隨生育時(shí)期而表現(xiàn)不同，抽穗~開花植株生長(zhǎng)旺盛，此時(shí)植株對(duì)氮的需求急劇增加，葉片氮積累量在處理間均達(dá)顯著水平。品種間比較，葉片氮積累量在整個(gè)生育期均表現(xiàn)為寧麥9號(hào)高于豫麥34。葉片氮積累量隨生育時(shí)期推進(jìn)呈現(xiàn)先升后降的趨勢(shì)，且在孕穗～抽穗達(dá)到高峰，兩品種表現(xiàn)相同。增加施氮量提高葉片氮積累量的幅度因生育時(shí)期的差異而表現(xiàn)不同，寧麥9號(hào)在抽穗期最大，提高了7.15倍，豫麥34在孕穗期最大，提高了4.35倍，整個(gè)生育期均表現(xiàn)寧麥9號(hào)高于豫麥34,這表明寧麥9號(hào)較豫麥34對(duì)氮素的反應(yīng)更為敏感。

2.2不同葉片氮素積累量水平下小麥冠層光譜變化

利用試驗(yàn)3中寧麥9號(hào)孕穗期冠層高光譜反射率為例，說明不同葉片氮積累量水平下小麥冠層高光譜反射率的響應(yīng)模式(圖1A),并對(duì)寧麥9號(hào)N2處理(純氮180kg·hm2)拔節(jié)至灌漿后期冠層光譜反射率作圖表達(dá)冠層光譜隨生育時(shí)期的動(dòng)態(tài)變化(圖1B)。圖1A顯示,冠層葉片氮積累量的差異顯著影響冠層光譜反射特征，在不同波段區(qū)域光譜響應(yīng)不同。冠層光譜反射率在350～710mm和1400～2500mm波段隨葉片氮積累量水平的增加而降低，相反，在740～1100 nm波段范圍內(nèi)提高，但在1100～1400 nm波段內(nèi)未表現(xiàn)出明顯規(guī)律。圖1B對(duì)不同生育時(shí)期冠層光譜的分析表明，生育期差異對(duì)光譜的影響與葉片氮積累量類似，具有明顯規(guī)律性變化的波段區(qū)域主要存在于紫外可見光波段(350～710mm)和近紅外反射平臺(tái)(740～1100 nm)區(qū)域，這是由于不同生育階段的冠層結(jié)構(gòu)和植株生化組分均發(fā)生劇烈變化，必然對(duì)光譜特征產(chǎn)生重要影響。從拔節(jié)到孕穗期，植株生長(zhǎng)旺盛，吸氮量和冠層蓋度急劇增加，并在抽穗～開花期維持較高水平，灌漿前期開始隨著籽粒灌漿進(jìn)程的推進(jìn)，碳水化合物及氮素開始向籽粒轉(zhuǎn)移并積累，綠葉減少，枯黃葉增加。因此，不同生育期的植株長(zhǎng)勢(shì)及生理變化對(duì)冠層光譜必然產(chǎn)生重要影響，拔節(jié)至孕穗、開花期，可見光區(qū)的光譜反射率逐潮降低，在近紅外區(qū)逐漸升高，而在開花和灌漿前期至灌漿后期，冠層光譜的變化與生育前期卻相反。

2.3小麥葉片氮素積累量與原始光譜及一階導(dǎo)數(shù)間的相關(guān)性

將試驗(yàn)2和試驗(yàn)3所有生育時(shí)期的葉片氮積累量與對(duì)應(yīng)的冠層光譜反射率及其一階微分光譜數(shù)據(jù)(n=

402)進(jìn)行總體統(tǒng)計(jì)相關(guān)分析(圖2A)。由圖2A可知，波長(zhǎng)小于727 mm和大于1350 nm,光譜反射率與葉片氮積累量呈負(fù)相關(guān)，其中在560～710mm間相關(guān)系數(shù)存在一個(gè)較低的波谷(r·-0.73),在745～1100 mm間相關(guān)系數(shù)存在一個(gè)較高的平臺(tái)(r@081),而在726 nm附近，相關(guān)系數(shù)迅速下降，且波動(dòng)較大。葉片氮積累量與一階微分光譜之間的相關(guān)系數(shù)圖(圖2B)表明，在480～510 mm為負(fù)相關(guān)且達(dá)較高水平，最高為- 0.84,此區(qū)域位于藍(lán)邊范圍內(nèi)；在710～755 nm間表現(xiàn)正相關(guān)，最大相關(guān)系數(shù)波長(zhǎng)位于742mm附近(r=092),達(dá)極顯著水平，該位置的光譜急劇變化，處于紅邊范圍，與生物量及LA聯(lián)系密切。在短波紅外的1280～1340 mm和1500～1580 nm相關(guān)性均達(dá)較高水平。

2.4小麥葉片氮素積累量與高光譜參數(shù)的關(guān)系

冠層光譜反映植被群體信息，包括莖、葉、穗及土壤背景光譜，又受大氣吸收散射的影響，通過對(duì)冠層光譜數(shù)據(jù)求微分，可以減小背景噪音的影響，同時(shí)有效分解混合光譜。利用微分光譜技術(shù)衍生了許多與之相關(guān)的光譜參數(shù)，通過葉片氮積累量與光譜參數(shù)間相關(guān)分析，篩選出5個(gè)表現(xiàn)較好的參數(shù)(表4),其中，利用紅藍(lán)邊面積比和742mm處一階導(dǎo)數(shù)作因變量，方程擬合效果較好，決定系數(shù)在0.9以上，此冪函數(shù)可以很好地表達(dá)

葉片氮積累量與光譜參數(shù)的關(guān)系(圖3A、B)。單波段包含的信息簡(jiǎn)單且易受背景噪聲的影響，與群體長(zhǎng)勢(shì)關(guān)系不穩(wěn)定，因此，構(gòu)造了多種植被指數(shù)。對(duì)葉片氮積累量與不同植被指數(shù)進(jìn)行相關(guān)分析并建回歸方程，優(yōu)選出8個(gè)光譜參數(shù)用以表達(dá)與葉片氮積累量的關(guān)系(表4)。所選用的植被指數(shù)主要為差值或歸一化指數(shù)，入選的波段為窄波段與寬波段并用，回歸方程多表現(xiàn)為冪函數(shù)關(guān)系。而GREENNDV與葉片氮積累量的關(guān)系為指

數(shù)函數(shù)(R2=0.8996),當(dāng)葉片氮積累量達(dá)到6gm2水平時(shí)就出現(xiàn)嚴(yán)重飽和，影響該函數(shù)的預(yù)測(cè)效果。其中，利用AVHRRXGVI摻數(shù)，所建立的回歸估算方程具有較高的決定系數(shù)，擬合效果最好(圖3D)。

2.5模型的測(cè)試與檢驗(yàn)

為了考察模型的可靠性和普適性，利用2003～2004年度獨(dú)立數(shù)據(jù)(Exp.1)對(duì)上述建立的方程分別進(jìn)行驗(yàn)證，采用通用的均方根差(RMSE)、相對(duì)誤差(RE)、精度(R2)、準(zhǔn)確度(斜率)4個(gè)指標(biāo)進(jìn)行檢驗(yàn)，模型的預(yù)測(cè)能力如表5所示。結(jié)果表明，綜合4個(gè)指標(biāo)，對(duì)葉片氮積累量的預(yù)測(cè)以FD742和紅邊位置兩個(gè)光譜參數(shù)表現(xiàn)最優(yōu)，預(yù)測(cè)的精度分別為0.8449和08394,RMSE分別為0984和1.014,預(yù)測(cè)的相對(duì)誤差為15.65%和

15.38%,準(zhǔn)確度均十分接近于1,說明該模型對(duì)葉片氮積累量的預(yù)測(cè)具有較好的準(zhǔn)確度和普適性(表5、圖

4)。考慮所采用2004～2005和2005～2006連續(xù)2a試驗(yàn)資料的建模過程，F(xiàn)D742與葉片氮積累量的關(guān)系密切(R2=09097),而紅邊位置(REPc)與葉片氮積累量的關(guān)系稍差(R2=0.8359),且利用FD742參數(shù)建立的方程不易飽和，可以適用于較高的葉片氮積累量水平。因此，利用FD742預(yù)測(cè)葉片氮積累量，方程擬合符合

度和模型預(yù)測(cè)精度均較高。利用SDr/SDb和AVHRRZGVI兩個(gè)光譜參數(shù)對(duì)葉片氮積累量進(jìn)行預(yù)測(cè)，測(cè)試檢驗(yàn)的結(jié)果稍差，但其預(yù)測(cè)能力也達(dá)較高水平，且該參數(shù)在兩年試驗(yàn)資料的建模過程中表現(xiàn)比較突出。因此，在預(yù)測(cè)葉片氮積累量時(shí)SDr/SDb和AVHRRXGV地是比較有潛力的指標(biāo)，這還有待于在不同時(shí)空條件下進(jìn)一步測(cè)試和評(píng)價(jià)。

3結(jié)語與討論

葉片氮積累量包括葉片氮含量和葉片重量雙重信息,能夠更有效地反映小麥群體狀態(tài)，用來表征冠層營(yíng)養(yǎng)狀況，指示小麥生產(chǎn)潛力。利用冠層光譜對(duì)氮含量和地上生物量或LA進(jìn)行估測(cè)已有不少研究，但對(duì)冠層葉片氮積累量進(jìn)行光譜定量分析是有重要意義和應(yīng)用價(jià)值，本實(shí)驗(yàn)室對(duì)此已開展不少工作[12,13]。薛利紅等研究表明，1220 nm與660 m波段組合可以較好反映小麥葉片氮積累量，李映雪[等在此基礎(chǔ)上將122(nm調(diào)整為近紅外平臺(tái)超寬波段平均反射率，與660 nm波段組合，可以有效改善模型對(duì)葉片氮積累量的估算效果。本文利用連續(xù)3年大田試驗(yàn)資料，包括不同品種和施氮水平，不同年際和試驗(yàn)地點(diǎn)，資料內(nèi)涵豐富，紡合分析了多種高光譜參數(shù)與葉片氮積累量的關(guān)系,建立了擬合度和檢驗(yàn)精度均很好的監(jiān)測(cè)模型。本研究采用的光譜參數(shù)構(gòu)造形式多樣,主要有多波段組合、模擬寬光譜波段的組合及微分光譜參數(shù)，比較分析了不同形式光譜參數(shù)的預(yù)測(cè)效果,其中,模擬寬光譜波段的組合可以為高空大面積遙感監(jiān)測(cè)小麥氮素營(yíng)養(yǎng)狀況提供理論依據(jù)和技術(shù)支撐，利用微分光譜參數(shù)監(jiān)測(cè)葉片氮積累量為高光譜遙感精細(xì)探測(cè)冠層生化組分提供了技術(shù)途徑。

葉綠素的敏感波段主要在可見光區(qū),生物量和蓋度等對(duì)光譜的反應(yīng)主要發(fā)生在近紅外波段，而蛋白質(zhì)的特征吸收光譜在中紅外光區(qū)(2054 mm和2172mm),利用蛋白質(zhì)特征光譜估測(cè)氮含量適用于干樣品，由于水分的干擾，難以應(yīng)用推廣到活體群體水平。由于氮素是葉綠素最重要的組成部分,葉綠素與氮素存在良好的線性相關(guān)，因此對(duì)葉綠素的光譜研究同樣適用于氮素狀況的光譜估測(cè)。Bonham Carter等定義了紅邊”位置，并開始了紅邊”位置與色素關(guān)系的研究。Rock51、Curan?和Pinar"等認(rèn)為，作物群體植被光譜的紅邊"位置能夠很好地反映葉綠素密度信息。Gitelson?,1等研究認(rèn)為“紅邊”位置更能反映LAI很好地估測(cè)生物量。Moses等開展了對(duì)不同算法下紅邊”位置的氮素估算效果進(jìn)行評(píng)價(jià)。唐延林等研究表明，冠層光譜“紅邊”位置在孕穗前“紅移”,抽穗后“藍(lán)移”;趙春江  等研究認(rèn)為，紅邊”隨著施氮量的增加而紅移”,相反，發(fā)生“藍(lán)移”。本研究資料也顯示，葉片氮積累量在孕穗前不斷增加，發(fā)生紅移”,于孕穗～抽穗期達(dá)到高峰，紅移”程度與葉片氮積累量高度正相關(guān)；之后，籽粒開始灌漿，葉片氮素轉(zhuǎn)移，葉片氮積累量逐漸下降，開始“藍(lán)移”。因此，利用“紅邊”位置可以有效表達(dá)葉片氮積累量，這正是光譜監(jiān)測(cè)的農(nóng)學(xué)機(jī)理所在，本文基于此建立了利用紅邊”位置為變量的葉片氮積累量監(jiān)測(cè)模型，在模型測(cè)試中表現(xiàn)突出。

葉綠素吸收光譜區(qū)約550～750mm,其中在綠峰(約550nm)和紅谷(約680mm)附近光譜反射率隨氮素狀況呈規(guī)律性變化，生長(zhǎng)旺盛時(shí)紅光吸收加深加寬，導(dǎo)致變形點(diǎn)紅移，表現(xiàn)衰老時(shí)，葉結(jié)構(gòu)開始破壞和葉綠素減少，導(dǎo)致紅光反射增加，變形點(diǎn)藍(lán)移。因此，營(yíng)養(yǎng)生長(zhǎng)旺盛時(shí)，葉片氮積累量水平高，紅移發(fā)生且紅谷愈深，紅邊面積SDr增加，反之，發(fā)生藍(lán)移且紅谷變淺甚至消失，紅邊面積減小。由于綠峰反射率與氮素水平呈顯著負(fù)相關(guān)，黃邊面積SDy的變化規(guī)律與紅邊面積相似，而藍(lán)邊面積SDb的變化卻與紅邊面積相反。唐延林[201、王秀珍[2]等研究表明，紅藍(lán)面積比可以很好地估計(jì)LAI和地上部生物量。Hansen2等利用692 mm和447nm兩個(gè)波段的歸一化指數(shù)預(yù)測(cè)小麥葉片氮含量，Penue las24.251等采用680 mm和430mm兩個(gè)波段定義色素簡(jiǎn)單比值指數(shù)SRPI和歸一化色素指數(shù)NPC預(yù)測(cè)氮素狀況。以上研究揭示，紅光波段與藍(lán)光波段在評(píng)價(jià)植被長(zhǎng)勢(shì)和氮素狀況均十分有用。因此，構(gòu)造紅邊面積與藍(lán)邊面積的比值或差值作為參數(shù)，它有助于改善與葉片氮積累量的相關(guān)性。本文以紅藍(lán)面積比為變量，與葉片氮積累量作回歸分析，方程擬合性好，預(yù)測(cè)精度也

較高。

紅邊(680～780 mm)內(nèi)最大的一階微分值為紅邊斜率，與葉片氮積累量的關(guān)系顯著相關(guān)，紅邊斜率所在波長(zhǎng)位置即紅邊位置，其與葉片氮積累量的關(guān)系表現(xiàn)并不突出，而利用Miller"等求得的紅邊位置REP。(倒高斯模型)可用來預(yù)測(cè)葉片氮積累量(R2=0.8394,RMSE=1.014,n=134)。紅邊內(nèi)與葉片氮積累量關(guān)系最密切的一階微分值不在紅邊位置，而在742nm附近，此波長(zhǎng)是光譜變化最劇烈的位置，葉片氮積累量水平越高，此處的冠層光譜變化就愈劇烈。有研究發(fā)現(xiàn)，水稻LAI和生物量與一階微分光譜之間最大相關(guān)系數(shù)的波長(zhǎng)位置亦發(fā)生在743m附近，且顯著正相關(guān)(2)。因此，利用FD742與葉片氮積累量作回歸分析，方程擬合效果好(R2=Q9097,SE =1.079,n=402),通過另一年的獨(dú)立數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)，該模型預(yù)測(cè)精度高(R2=

0.8449,RMSE=0.984,n=134),表明本模型在不同條件下具有較好的普適性。然而本文中的監(jiān)測(cè)模型是在一個(gè)生態(tài)區(qū)多年大田試驗(yàn)資料上構(gòu)建的,若今后能通過不同生態(tài)點(diǎn)的廣泛檢驗(yàn)并不斷完善,將在小麥氮素監(jiān)測(cè)與診斷中具有更大的應(yīng)用價(jià)值。

隨著高光譜技術(shù)的發(fā)展和算法的進(jìn)步，無損估測(cè)小麥葉片氮積累量的方法將更加精確和高效。未來，我們可以將高光譜相機(jī)與無人機(jī)、衛(wèi)星等其他技術(shù)結(jié)合，實(shí)現(xiàn)從空中對(duì)小麥氮營(yíng)養(yǎng)進(jìn)行大范圍監(jiān)測(cè)，這將為精準(zhǔn)農(nóng)業(yè)提供強(qiáng)有力的支持。高光譜相機(jī)作為一種新型的光學(xué)儀器，為作物氮營(yíng)養(yǎng)的監(jiān)測(cè)提供了新的解決方案。無損估測(cè)小麥葉片氮積累量的方法不僅可以提高監(jiān)測(cè)效率，而且不會(huì)對(duì)作物產(chǎn)生損害，具有巨大的應(yīng)用潛力。雖然這種方法還面臨著一些挑戰(zhàn)，但隨著技術(shù)的進(jìn)步和算法的改進(jìn)，其前景令人期待。