基于高光谱的抽穗期寒地水稻叶片氮素预测模型

• 作者: 冯江 牛羽新 王树文 阿玛尼 陈双龙 马昕宇
• 来源期刊: 农机化研究
• 学科: 农学
• 关键词: 抽穗期 水稻叶片 高光谱 氮素 回归分析
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 试验研究
• 页码范围: 158-164
• 页数: 7页
• 分类号: S123
• 字数: 4857字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-188X.2019.03.028

摘要

为快速、无损地监测水稻叶片氮素营养状况,开展了基于高光谱成像技术的抽穗期寒地水稻叶片氮素预测模型的研究.以不同施氮水平的寒地水稻叶片为研究对象,采用连续投影算法(successive projections algorithm,SPA)和分段主成分分析(segmented principal components analysis,SPCA)方法选择水稻叶片的高光谱特征波段,SP-CA方法降维后结合相关分析(correlation analysis,CA)构建特征光谱参量,并建立基于全波段高光谱数据、SPA特征波段及SPCA特征光谱参量的多种回归分析模型且对模型进行检验和筛选.研究结果表明:在校正集决定系数RC2上,基于多元逐步回归分析(multiple stepwise regression analysis,MSRA)的全波段模型较好,RC2=0.964,校正集均方根误差RMSEC=0.083;RP2为0.961,RMSEP为0.050.该研究结果为快速检测水稻叶片氮素含量及水稻生长期间精确施肥管理提供了技术支撑和理论依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王树文	东北农业大学电气与信息学院	48	503	13.0	20.0
2	冯江	东北农业大学电气与信息学院	67	429	11.0	16.0
3	牛羽新	东北农业大学电气与信息学院	2	8	1.0	2.0
4	马昕宇	东北农业大学电气与信息学院	4	19	3.0	4.0
5	陈双龙	东北农业大学电气与信息学院	2	8	1.0	2.0
6	阿玛尼	东北农业大学电气与信息学院	1	8	1.0	1.0