应用近红外光谱法估测小麦叶片糖氮比

• 作者: 姚霞 曹卫星 朱艳 汤守鹏 王雪 田永超 黄宇
• 来源期刊: 应用生态学报
• 学科: 农学
• 关键词: 近红外光谱 糖氮比 偏最小二乘法 BP神经网络 小波神经网络
• 年，卷（期）: 2015,（8）
• 页码范围: 2371-2378
• 分类号: O433.4|S512.1
• 语种: 中文

摘要

糖氮比能够反映作物碳氮代谢的协调程度,及时、准确地监测糖氮比对于作物氮素营养诊断和调控具有重要意义.本研究以不同年份、品种、施氮水平的小麦大田试验为基础,获取鲜叶和粉末状干叶近红外(NIR)光谱及糖氮比信息,分别运用偏最小二乘法(partial least squares,PLS)、BP神经网络(back-propagation neural network,BPNN)和小波神经网络(wavelet neural network,WNN)3种方法建立了小麦叶片糖氮比预测模型,并利用随机选择的样品集对所建模型进行测试和检验.结果表明:小麦鲜叶光谱模型预测性能不佳;而干叶片预测模型表现了较好的准确性,在1655～2378 nm谱区范围内基于3种方法构建的干叶粉末糖氮比估算模型,其预测均方根误差均低于0.3％,决定系数均高于0.9.比较而言,WNN法表现最佳.总体显示,近红外光谱法可以准确预测小麦叶片糖氮比状况,为科学诊断糖氮比提供了理论基础和技术途径.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹卫星	南京农业大学江苏省信息农业高技术研究重点实验室	295	13282	68.0	99.0
2	田永超	南京农业大学江苏省信息农业高技术研究重点实验室	45	1632	23.0	40.0
3	姚霞	南京农业大学江苏省信息农业高技术研究重点实验室	32	921	16.0	30.0
4	黄宇	南京农业大学江苏省信息农业高技术研究重点实验室	6	34	3.0	5.0
5	王雪	南京农业大学江苏省信息农业高技术研究重点实验室	24	64	5.0	7.0
6	汤守鹏	南京农业大学江苏省信息农业高技术研究重点实验室	2	47	2.0	2.0