《International Journal of Remote Sensing》 山東科技大學計算機科學與工程學院
作物營養元素中, 氮素對生長發育和產量的影響最大, 施用量也最大, 通過研究作物全氮含量的光譜特性建立作物氮素含量的高光譜估算模型, 對快速診斷作物的氮素狀況對指導有效施肥具有現實意義。高光譜分辨率遙感技術與傳統的多光譜遙感相比具有波段多、光譜分辨率高且連續的特點, 能直接對地物進行微弱光譜差異的定量分析, 在植被遙感研究與應用中表現出強大優勢?；跓o人機的高光譜圖像獲取手段具有靈活、實時等優點，可快速獲取大面積作物的高光譜圖像數據。S185機載高速成像光譜儀采用畫幅式成像技術，可以快速、精確、實時地取大面積作物的高光譜圖像數據，對于作物生長長勢監控、產量估算以及病蟲害防治具有重要的作用。
1樣田選取
本次研究地點為北京國家精準農業基地，冬小麥的樣田面積約為150㎡，整個樣田分為48個小區，分別種植不同水分、施肥以及品種的小麥;具體的分布如下圖所示：
圖1 樣田分布圖——國家精準農業示范基地
2高光譜數據采集
高光譜圖像數據獲取采用德國Cubert公司S185機載高速成像光譜儀，光譜范圍是450-950 nm，光譜采樣間隔4nm;飛行高度50m，地面空間分辨率約為0.02m。飛行試驗分別在2015年4月15日、2015年4月26日、2015年5月12日與2015年5月27日進行，以上日期分別對應著冬小麥的拔節期、挑旗期、開花期以及灌漿期，不同生長期對應的高光譜數據如下圖：
圖2 樣田冬小麥四個生長期S185高光譜數據RGB合成圖
四個生長期不同波段與葉片氮素含量相關性如下圖所示：
圖3 樣田冬小麥四個生長期不同波段與葉片氮素含量相關性
3模型分析
模型典型波段的選取表(基于多元線性回歸以及BP神經網絡模型的相關性與均方根誤差)：
拔節期、挑旗期、開花期以及灌漿期等四個生長期分別對應的特征波段如下圖所示：
圖4：四個生長期特征波段：(a)：拔節期 (b)：挑旗期 (c)：開花期 (d)：灌漿期
4模型驗證
基于多元線性回歸不同生長期的模型驗證結果如下圖所示：
圖5-1 拔節期模型驗證結果
圖5-2 挑旗期模型驗證結果
圖5-3 開花期模型驗證結果
圖5-4 灌漿期模型驗證結果
5結論
利用S185機載高速成像儀測得的高光譜數據與實測的葉片氮含量建立的校正模型相關性較好，通過模型驗證分析了模型的可靠性，以上方法為大面積的機載高光譜作物氮素含量分析提供了一定的借鑒意義。
