高光譜和NSGA2-ELM算法的粳稻葉片氮素含量反演

馮 帥，曹英麗,2*，許童羽,2，于豐華,2，陳春玲,2，趙冬雪，金 彥

1. 沈陽農業大學信息與電氣工程學院，遼寧 沈陽 110161 2. 沈陽農業大學遼寧省農業信息化工程技術中心，遼寧 沈陽 110161

引 言

氮素是農作物生長發育過程中重要的營養成分，實時監測和評估農作物的氮素含量對于農作物田間精準管理和長勢預測等均具有十分重要的意義[1]。

目前，采用高光譜檢測法對果蔬[2-3]和糧食作物[4-6]的氮素營養診斷已成為國內外學者研究的主要內容。王樹文[7]等研究表明基于主成分分析和相關分析結合多元回歸分析模型的差值指數、 多變量單波段指數等模型反演效果較好，預測集R2為0.869，RMSE為0.085。劉明博[8]等采用連續投影法(SPA)篩選的有效波段、 光譜指數RVI、 NDVI以及全光譜波段構建多種水稻葉片氮素含量反演模型。對比發現，基于SPA有效波段構建的模型的估測效果明顯優于光譜指數所建，但略差于全光譜波段所建模型。Tian[9]等通過分析多種高光譜植被指數與水稻葉片氮素含量的定量關系，得出采用綠色比率指數SR(R553,R537)反演葉片氮素含量具有最佳估測精度。Du[10]等采用高光譜激光雷達(HSL)技術構建兩種積分指數NOAC和RII反演水稻葉片全氮含量(LNC)。方美紅[11]等采用小波系數構建水稻葉片氮含量反演模型，研究表明該模型有較高估測精度，預測值與估測值的復相關系數高達0.99，顯著優于傳統光譜指數反演模型。

粳稻生長過程中受氮肥影響較為明顯，不同施氮水平下的粳稻生長趨勢有一定的差異，葉片對自然光的吸收和反射也表現出不同的變化，進而對粳稻產量產生較大影響?！?br>