精确、快速估算冬小麦叶片氮含量，对冬小麦长势监测及田间管理指导具有重要的研究意义。为精确反演冬小麦叶片氮含量(leaf nitrogen content，LNC)，本文利用遥感方法，依托不同氮处理水平对冬小麦的影响试验，基于获取的高光谱遥感数据和LNC地面实测数据，对比分析光谱指数与随机森林算法(random forest，RF)反演冬小麦叶片氮含量的精度和稳健性。结果表明，以敏感波段496 nm和604 nm为自变量，利用随机森林算法构建的LNC回归模型精度较光谱指数法有了大幅提高，模型的建模精度为R2=0。922，均方根误差为0。290;验证精度为R 2=0。873，均方根误差为0。397，并且相对分析误差值为2。220，表明将敏感波段与随机森林算法组合构建的反演模型能较好地反演冬小麦叶片氮含量。
国家科技期刊平台
NSTL
万方数据
维普
