查看更多>>摘要:通过研究猕猴桃叶片氮平衡指数(Nitrogen balance index,NBI)与高光谱反射率之间的关系,建立合适的遥感估算模型,以期为指导陕西咸阳地区猕猴桃生长监测及田间精准施氮奠定理论基础.以陕西省咸阳市杨凌区的徐香猕猴桃为主要研究对象,测定其高光谱反射率、叶片氮平衡指数,通过一阶导数、二阶导数、连续统去除和标准正态分布光谱变换,分析包含原始光谱在内的 5 种不同光谱与叶片氮平衡指数之间的关系;进一步通过连续投影算法,剔除冗余信息,筛选出特征波长,并基于不同光谱的特征波长,使用单因素回归模型、随机森林回归(Random forest regression,RF)模型、支持向量机回归(Support vector regression,SVR)模型和偏最小二乘回归(Par-tial least square regression,PLSR)模型进行建模,比较模型精度.结果表明,当NBI值不同时,猕猴桃叶片相关指标的变化趋势类似:可见光波段的反射率随NBI值的增加呈现下降的趋势,而近红外波段反射率的变化趋势则与之相反,表现出随NBI值的增加而上升的趋势;部分光谱变换可以增加通过 0.01 水平显著性检验的波段数,提升与NBI值的相关性,其中连续统去除光谱的敏感波段数增加得最多,增加了 190 个,一阶导数光谱相关系数的绝对值最大值为 0.77;连续投影算法可最大限度地减少数据的冗余,最高降维比达 99%,在大幅提高计算效率的同时提高了模型的精度;与单因素回归模型相比,多因素机器学习模型对猕猴桃氮平衡指数的估算能力较高,其中SNV-SVR的表现最好,决定系数(R2)为 0.82,相对百分比差异(RPD)为 2.34.在今后对猕猴桃氮平衡指数的估测中,可优先考虑本研究模型.