摘要
精准、快速的作物氮素状态诊断是田间精准高效氮肥管理的前提，构建基于叶面积指数、生物量、氮累积量和含氮量的临界氮浓度稀释曲线是作物氮素诊断的重要工具。然而传统人工破损性取样分析手段耗时耗力，效率低，亟需快速、无损的氮素指标监测方法。本研究以马铃薯为研究对象，利用无人机多光谱成像技术，结合冠层辐射传输模型和机器学习算法，提出一种反演马铃薯叶面积指数的混合算法，显著提升模型精度；融合光谱植被指数、纹理特征与气象参数等多源信息，建立了马铃薯叶片氮含量、冠层叶片生物量、氮累积量的遥感监测模型。本研究对于提高马铃薯规模化、精细化管理水平具有重要意义。主要研究结果如下： （1）PROSAIL模型参数敏感性分析和查找表确定。可见光、红边波段光谱反射率对叶面积指数变化均存在不同程度的响应情况，叶面积指数＜3时可见光和红边范围内光谱反射率对叶面积指数总敏感度均高于74%，而叶面积指数较高时，可见光、红边波段反射率对叶面积指数的总敏感度降低，而对平均叶倾角和叶绿素含量的总敏感度升高。同时，利用10000条光谱构建查找表反演叶面积指数的精度和效率最高。 （2）构建了基于物理模型的马铃薯高精度叶面积指数反演模型。基于PROSAIL冠层辐射传输模型构建包含模拟光谱反射率和由模拟光谱计算的植被指数的2类查找表，由此进行2个品种全生育期叶面积指数反演时，模型R²分别为0.52和0.51。提出一种融合冠层辐射传输模型和偏最小二乘算法的混合算法，构建的LAI全生育期反演模型R2为0.75，模型精度较传统查找表算法显著提升。基于该方法的块茎形成期和块茎膨大期叶面积指数反演模型R2分别为0.83和0.87。 （3）确定了马铃薯氮营养生理生化指标最佳反演特征和反演算法。利用Boruta算法筛选出叶片氮含量、冠层叶片生物量、氮累积量遥感反演模型的敏感特征参数，结合6种算法构建了马铃薯叶片氮含量、冠层叶片生物量、氮累积量的估算模型，随机森林是遥感反演叶片氮含量、冠层叶片生物量、氮累积量的最佳算法。结合随机森林和植被指数+纹理特征的经验模型在反演叶片氮含量、冠层叶片生物量、氮累积量时精度最高，叶片氮含量、冠层叶片生物量、氮累积量的最佳建模R2分别为0.74、0.89、0.86，RMSE分别为0.30%、0.23 t·hm-2、1.28 t·hm-2。融合气象数据能够提高叶片氮含量和冠层叶片生物量反演精度。
NETL