摘要
为了定量诊断冬小麦氮素营养状况，本文以2017-2019年关中地区冬小麦为研究对象，在冬小麦的主要生育期采集冠层光谱信息和相应的农学参数，对冬小麦冠层光谱进行平滑处理和光谱变换，分析“三边参数”、任意两波段光谱指数和植被指数与地上部生物量、植株氮浓度和氮营养指数的相关性。从“冠层光谱-农学参数-NNI”和“冠层光谱-NNI”两个方向出发，通过多元线性逐步回归选取敏感光谱参数，分别建立基于偏最小二乘回归、神经网络和随机森林的地上部生物量、植株氮浓度和氮营养指数估算模型，并利用最佳地上部生物量模型和最佳植株氮浓度模型间接计算氮营养指数，与冠层光谱直接估算氮营养指数的模型进行比较，确定估算氮营养指数的最佳模型。结合无人机影像，对氮营养指数进行反演填图，为区域性冬小麦氮素营养监测提供理论依据和技术支持。主要研究结论如下： （1）地上部生物量、植株氮浓度和氮营养指数的冠层光谱响应规律表明：可见光部分的冠层光谱反射率随地上部生物量的增大呈现递增趋势，随植株氮浓度和氮营养指数的增大呈现递减趋势；在近红外部分，光谱反射率随三者的增加均呈现递增趋势。变换光谱与地上部生物量、植株氮浓度和氮营养指数的相关性高于原始冠层光谱。 （2）各特征参数与地上部生物量、植株氮浓度和氮营养指数的相关性分析表明：通过任意两波段筛选的光谱指数与地上部生物量、植株氮浓度和氮营养指数的相关性显著高于“三边参数”和已报导植被指数，一阶导数光谱提取的任意两波段光谱指数与地上部生物量、植株氮浓度和氮营养指数的相关性最佳，相关系数分别为0.77、0.77和0.51。 （3）分生育期地上部生物量、植株氮浓度和氮营养指数的遥感估算模型结果表明：地上部生物量和植株氮浓度在各生育期的估算模型优于氮营养指数。灌浆期和抽穗期的地上部生物量预测模型具有极好的预测能力，RPD分别为2.16和2.00；灌浆期也是植株氮浓度估算效果最佳的生育期，最佳估算模型为基于任意两波段光谱指数构建的偏最小二乘模型，RPD为2.07；拔节期和抽穗期的氮营养指数模型RPD分别为1.60和1.51，具备一定的估算能力。全生育期的三类农学参数的最佳估算模型都具备估算能力，RPD在1.5-2.0之间。 （4）“冠层光谱-农学参数-NNI”和“冠层光谱-NNI”两种估算氮营养指数的结果对比发现，分生育期和全生育期最佳地上部生物量和植株氮浓度估算氮营养指数的精度均低于冠层光谱特征指数直接估算氮营养指数的模型，可以利用全生育期氮营养指数估算模型进行NNI的遥感估算。 （5）结合无人机影像，利用一阶导数提取归一化光谱指数构建的氮营养指数偏最小二乘回归模型能够定量反演冬小麦NNI的空间分布，模型的相对预测偏差RPD为1.66，可以为小区域性冬小麦氮素营养监测提供理论依据和技术支持。
NETL