利用相关矩阵法优化光谱指数的冬油菜氮素营养诊断

作者：唐子竣; 向友珍; 王辛; 张威; 李志军; 张富仓; 陈俊英

来源：农业工程学报, 2023, 39(17): 97-106.

• 遥感
• 模型
• 高光谱
• 相关矩阵法
• 冬油菜
• 氮营养指数

近年来高光谱技术由于无损和高效等优点成为了现代精准农业发展的必要手段方法。为实现冬油菜无损、快速的氮素盈亏诊断，该研究以连续两年(2022—2023年)不同覆盖及施氮处理下冬油菜蕾薹期采集的90份植物样品(地上部生物量和植株氮浓度)和高光谱实测数据为数据源，根据原始光谱和一阶微分(first-order differential,FD)光谱与氮营养指数(nitrogen nutrition index,NNI)的相关系数计算了8种(共16个)典型的光谱指数，随后利用相关矩阵法提取最佳光谱组合，并根据与NNI相关系数的计算结果筛选最优光谱指数，最后将最优光谱指数分为3组模型输入变量，分别采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、极限学习机(extreme learning machine,ELM)和反向神经网络(back propagation neural network,BPNN)构建冬油菜蕾薹期NNI估算模型。结果表明一阶微分光谱指数与NNI的相关系数均大于原始光谱指数，3个组合选择的光谱指数与NNI的相关系数均较高且波长组合位置均在红边(670～760 nm)内，与NNI相关系数最高的光谱指数为FDSAVI，为0.674，波长组合位于712和678 nm；冬油菜NNI估算模型的最优输入变量与最优建模方法相结合建立的模型为组合2(输入变量为一阶微分光谱指数)与RF模型相结合，其中最优模型验证集的决定系数为0.823，均方根误差为0.079，平均相对误差为7.513%，表明模型精度较高，预测结果将为遥感技术在作物生产中植物氮素营养监测和诊断的潜在应用提供技术依据。

• 单位
  西北农林科技大学