来源：期刊VIP网 时间：
作者：陈建福;岳云开;付虹雨;许明志;焦鑫伟;廖澳;张蕾;赵亮;陈兆中;崔国贤;佘玮;
单位：湖南农业大学农学院;
摘要：氮肥对苎麻生长及产量品质形成具有重要意义。传统氮素检测方法存在费时、费力、时效性差等缺点，而高光谱遥感技术能有效监测作物多项生理指标，从而帮助实时掌握作物的生长态势和营养情况。本研究设置4个施氮水平，即N0(不施氮肥)、N1(施纯氮273 kg/hm~2)、N2(施纯氮332 kg/hm~2)、N3(施纯氮390 kg/hm~2,常规施用量),以及2个追肥时期，即封行期(a)和旺长期(b),利用光谱技术分析不同处理苎麻在冠层和叶片两个尺度下的光谱特征差异，然后通过分析多尺度高光谱数据与苎麻叶片氮含量(LNC)的相关性，分别采用偏最小二乘回归(PLSR)、支持向量机(SVM)和随机森林(RF)三种机器学习方法构建了苎麻关键生育时期(苗期、封行期、旺长期、成熟期)的LNC估测模型，并进行了对比分析。结果表明：多个生育时期冠层光谱模型的精度优于叶片光谱模型，基于冠层光谱波段构建的苎麻LNC估测模型在成熟期精度最高(R~2=0.795,RMSE=0.608),基于叶片光谱波段构建的苎麻LNC估测模型在旺长期精度最高(R~2=0.670,RMSE=0.470);采用RF算法构建的LNC估测模型在多个生育时期中表现最佳，总体性能稳定且精度较高。综上，基于多尺度高光谱技术的苎麻叶片氮含量估测是可行的，尤其基于冠层尺度的估测更易操作，这为苎麻氮素反演提供了更优的手段。
关键词：苎麻;;叶片氮含量;;高光谱;;多尺度
基金资助：湖南省自然科学基金项目(2021JJ30341);; 湖南省教育厅重点项目(23A0178);; 国家现代农业产业技术体系-麻类产业技术体系项目(CARS-16-E11)
