CN115343249A - 一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法 - Google Patents
一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法 Download PDFInfo
- Publication number
- CN115343249A CN115343249A CN202210932123.3A CN202210932123A CN115343249A CN 115343249 A CN115343249 A CN 115343249A CN 202210932123 A CN202210932123 A CN 202210932123A CN 115343249 A CN115343249 A CN 115343249A
- Authority
- CN
- China
- Prior art keywords
- leaf
- summer corn
- nitrogen
- nitrogen concentration
- summer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 title claims abstract description 308
- 229910052757 nitrogen Inorganic materials 0.000 title claims abstract description 154
- 240000008042 Zea mays Species 0.000 title claims abstract description 110
- 235000002017 Zea mays subsp mays Nutrition 0.000 title claims abstract description 104
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 title claims abstract description 96
- 235000005822 corn Nutrition 0.000 title claims abstract description 96
- 235000016709 nutrition Nutrition 0.000 title claims abstract description 35
- 230000035764 nutrition Effects 0.000 title claims abstract description 35
- 238000003745 diagnosis Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000010521 absorption reaction Methods 0.000 claims abstract description 37
- 238000010790 dilution Methods 0.000 claims abstract description 32
- 239000012895 dilution Substances 0.000 claims abstract description 32
- 230000003595 spectral effect Effects 0.000 claims abstract description 23
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 7
- 239000002028 Biomass Substances 0.000 claims description 26
- 238000002310 reflectometry Methods 0.000 claims description 25
- 235000016383 Zea mays subsp huehuetenangensis Nutrition 0.000 claims description 8
- 235000009973 maize Nutrition 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 16
- 238000001228 spectrum Methods 0.000 abstract description 13
- 239000000618 nitrogen fertilizer Substances 0.000 abstract description 9
- 238000012360 testing method Methods 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 14
- 238000012544 monitoring process Methods 0.000 description 7
- 208000003643 Callosities Diseases 0.000 description 3
- 206010020649 Hyperkeratosis Diseases 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000985 reflectance spectrum Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 210000004081 cilia Anatomy 0.000 description 1
- 244000038559 crop plants Species 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000003041 laboratory chemical Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000017260 vegetative to reproductive phase transition of meristem Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法，包括以下步骤：S1：确定改进吸收面积指数；S2：构建不同叶位叶片氮素诊断模型；S3：构建不同叶位临界氮浓度稀释模型；S4：确定夏玉米全生命周期叶片尺度适宜氮素营养状况的光谱指数阈值。本发明从优化氮肥精准管理和提高氮肥利用效率的角度出发，针对利用光谱技术在夏玉米氮素营养诊断中，涉及全生命周期和叶片尺度光谱融合技术研究不足的问题，开展近地面高光谱技术试验，利用近地面高光谱遥感技术手段从上、中、下叶位多角度立体对夏玉米叶片氮浓度进行预测。构建夏玉米氮浓度不同叶位叶片尺度模型，明确不同生育阶段最佳诊断叶位。
Description
技术领域
本发明属于植株预测技术领域，具体涉及一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法。
背景技术
夏玉米是重要的粮食作物，实时监测与精准评估其氮素营养状况对提高氮肥利用效率和减少环境污染具有重要意义。现代光谱遥感技术具有及时、精准和无损监测的优势，克服了传统基于实验室化学分析手段诊断作物氮素营养方法的周期长、破化大、时效差等不足，因而在作物营养诊断中的应用越来越广泛，已成为现代精准农业研究的热点和关键。叶片对光的吸收和反射显著受作物植株体内氮素含量的影响。叶片的氮素营养状况对作物生育期内生长动态监测和氮肥调控管理具有重要的意义。叶片尺度的反射率光谱曲线与叶片本身生化组分关系密切，不同施肥水平下叶片的氮素状况不同，这些差异会引起叶片反射光谱曲线的变化。与冠层尺度反射光谱曲线相比，叶片尺度的光谱信息受作物冠层结构、土壤背景等因素影响较小。
目前基于光谱遥感数据对作物叶片氮素含量估算研究较多，学者在叶片尺度上的研究主要集中在分析作物叶片光谱特征及其生物理化参数定量化特征，探索最优波段或波段组合，并利用数学模型实现作物氮素营养状况的评估。研究表明，450-780nm波段与作物叶片氮素关系密切，是氮素敏感区域，可以作为诊断叶片氮素的敏感参数。作物叶片氮素光谱诊断研究主要和冠层尺度区分较多，叶片尺度内部不同叶位间研究较少涉及，但是作物受氮素胁迫后，中下部首先在胁迫初期表现明显，冠层早期表现并不明显，若只针对冠层开展研究，这样会错过氮素养分胁迫早期的诊断，另外，目前对叶片的研究也较笼统，对叶片光谱数据的获取没有细化到不同叶位，导致在实际应用中，操作性较差，因此有必要对作物不同叶位叶片氮素营养光谱监测技术进一步研究，确定不同生育阶段最佳的诊断叶位。对作物从不同叶位和冠层尺度多角度立体监测，以提高不同叶位和冠层尺度光谱遥感技术诊断氮素营养状况的实用性。
发明内容
本发明为了解决上述问题，提出了一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法。
本发明的技术方案是：一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法包括以下步骤：
S1：获取夏玉米全生命周期的光谱数据，并基于光谱数据确定改进吸收面积指数；
S2：根据改进吸收面积指数，构建不同叶位叶片氮素诊断模型；
S3：构建不同叶位临界氮浓度稀释模型；
S4：根据不同叶位叶片氮素诊断模型和不同叶位临界氮浓度稀释模型确定夏玉米全生命周期叶片尺度适宜氮素营养状况的光谱指数阈值。
进一步地，步骤S1中，确定改进吸收面积指数的具体方法为：将夏玉米植株的波长作为横坐标，将夏玉米植株的反射率作为纵坐标，建立直角坐标系；在直角坐标系中，将波长为680nm对应的反射率纵坐标作为第一点，将波长为760nm对应的反射率纵坐标作为第二点，将波长为680nm对应的反射率纵坐标和波长为760nm对应的反射率纵坐标的连线与波长为550nm对应的反射率纵坐标延长线的交点作为第三点，以第一点、第二点和第三点形成几何区域，将几何区域面积作为改进吸收面积指数。
进一步地，步骤S2中，构建不同叶位叶片氮素诊断模型的不同方法为：计算改进吸收面积指数和夏玉米叶片氮浓度的相关系数，并采用回归分析方法确定相关系数最大值对应的改进吸收面积指数和夏玉米叶片氮浓度的回归关系，完成不同叶位叶片氮素诊断模型构建。
进一步地，步骤S2中，改进吸收面积指数和夏玉米叶片氮浓度的相关系数R的计算公式为：
其中，xi为改进吸收面积指数，
为改进吸收面积指数的平均值，yi为夏玉米氮浓度，
为夏玉米氮浓度的平均值。
进一步地，步骤S3中，不同叶位临界氮浓度稀释模型包括夏玉米上层叶片临界氮浓度稀释模型、夏玉米中层叶片临界氮浓度稀释模型和夏玉米下层叶片临界氮浓度稀释模型，其表达式分别为：
其中，Nc1为夏玉米上层叶片临界氮浓度，Nc2为夏玉米中层叶片临界氮浓度，Nc3为夏玉米下层叶片临界氮浓度，a1为夏玉米上层叶片单位生物量的临界氮浓度，b1为夏玉米上层叶片单位生物量的临界氮浓度的稀释系数，Wmax，1为夏玉米上层叶片干物质的最大值，a2为夏玉米中层叶片单位生物量的临界氮浓度，b2为夏玉米中层叶片单位生物量的临界氮浓度的稀释系数，Wmax，2为夏玉米中层叶片干物质的最大值，a3为夏玉米下层叶片单位生物量的临界氮浓度，b3为夏玉米下层叶片单位生物量的临界氮浓度的稀释系数，Wmax，3为夏玉米下层叶片干物质的最大值。
本发明的有益效果是：本发明从优化氮肥精准管理和提高氮肥利用效率的角度出发，针对利用光谱技术在夏玉米氮素营养诊断中，涉及全生命周期和叶片尺度光谱融合技术研究不足的问题，开展近地面高光谱技术试验，利用近地面高光谱遥感技术手段从上、中、下叶位多角度立体对夏玉米叶片氮浓度进行预测。构建夏玉米氮浓度不同叶位叶片尺度模型，明确不同生育阶段最佳诊断叶位。
附图说明
图1为夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法的流程图；
图2为改进吸收面积指数(IREA)构建示意图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法，包括以下步骤：
S1：获取夏玉米全生命周期的光谱数据，并基于光谱数据确定改进吸收面积指数；
S2：根据改进吸收面积指数，构建不同叶位叶片氮素诊断模型；
S3：构建不同叶位临界氮浓度稀释模型；
S4：根据不同叶位叶片氮素诊断模型和不同叶位临界氮浓度稀释模型确定夏玉米全生命周期叶片尺度适宜氮素营养状况的光谱指数阈值。
在本发明实施例中，步骤S1中，确定改进吸收面积指数的具体方法为：将夏玉米植株的波长作为横坐标，将夏玉米植株的反射率作为纵坐标，建立直角坐标系；在直角坐标系中，将波长为680nm对应的反射率纵坐标作为第一点，将波长为760nm对应的反射率纵坐标作为第二点，将波长为680nm对应的反射率纵坐标和波长为760nm对应的反射率纵坐标的连线与波长为550nm对应的反射率纵坐标延长线的交点作为第三点，以第一点、第二点和第三点形成几何区域，将几何区域面积作为改进吸收面积指数。
谱指数的选取，植被指数是根据某些特定波段的不同组合形式，其对作物的养分和水分等比较敏感，能够反映作物的养分和水分等状况。植株的反射率在680至760nm之间急剧上升形成一条斜边。680-760nm区域有很强的吸收谷，是红外和近红外之间的过渡区，大量研究表明，根据过渡区信息衍生的光谱参数，能够有效诊断作物氮素营养诊断状况。本发明结合过渡区特性，基于550nm、680nm和760nm的反射率，基于面积法提出了改进吸收面积指数(IREA)，以期提高提高光谱遥感监测精度。
如图2所示，改进吸收面积指数(IREA)指由DBEC包围的面积(FDBEC)，其中B点是680nm的反射率，C点是760nm的反射率，D点是550nm和760nm反射率的连线与550nm反射率延长线的交点，E点是移动变量(变化范围680～760nm)。改进吸收面积指数(IREA)为DBFC的面积(FDBFC)分别减去CEH的面积(FCEH)和BFHE的面积(FBFHE)，其计算公式如下：
FDBEC＝FDBFC-FCEH–FBFHE
其中，
根据同一直线上斜率相等原则计算BD：
因此，FDBEC为
其中，R550为550nm的反射率，R680为680nm的反射率，R760为760nm的反射率，Rx为xnm的反射率，其中，x∈[680,760]。IREA指数即为FDBEC。
在本发明实施例中，步骤S2中，构建不同叶位叶片氮素诊断模型的不同方法为：计算改进吸收面积指数和夏玉米叶片氮浓度的相关系数，并采用回归分析方法确定相关系数最大值对应的改进吸收面积指数和夏玉米叶片氮浓度的回归关系，完成不同叶位叶片氮素诊断模型构建。
不同叶位叶片氮素诊断模型是确定叶片氮浓度(LNC)值与改进吸收面积指数(IREA)之间的关系的方法具体为：
采用回归分析，模型有：
线性模型：LNC＝a+bIREA；
对数模型：LNC＝a+bln(IREA)；
抛物线模型：LNC＝a+b(IREA)+c(IREA)2；
指数模型：LNC＝aeb(IREA)；
单变量幂函数：LNC＝a(IREA)b；
其中，a，b，c分别为系数。
在本发明实施例中，步骤S2中，改进吸收面积指数和夏玉米叶片氮浓度的相关系数R的计算公式为：
其中，xi为改进吸收面积指数，
为改进吸收面积指数的平均值，yi为夏玉米氮浓度，
为夏玉米氮浓度的平均值。
在本发明实施例中，步骤S3中，不同叶位临界氮浓度稀释模型包括夏玉米上层叶片临界氮浓度稀释模型、夏玉米中层叶片临界氮浓度稀释模型和夏玉米下层叶片临界氮浓度稀释模型，其表达式分别为：
其中，Nc1为夏玉米上层叶片临界氮浓度，Nc2为夏玉米中层叶片临界氮浓度，Nc3为夏玉米下层叶片临界氮浓度，a1为夏玉米上层叶片单位生物量的临界氮浓度，b1为夏玉米上层叶片单位生物量的临界氮浓度的稀释系数，Wmax，1为夏玉米上层叶片干物质的最大值，a2为夏玉米中层叶片单位生物量的临界氮浓度，b2为夏玉米中层叶片单位生物量的临界氮浓度的稀释系数，Wmax，2为夏玉米中层叶片干物质的最大值，a3为夏玉米下层叶片单位生物量的临界氮浓度，b3为夏玉米下层叶片单位生物量的临界氮浓度的稀释系数，Wmax，3为夏玉米下层叶片干物质的最大值。
本发明引入大量田间试验数据，明确了不同叶位叶片的氮浓度变异特性和光谱特征，结果表明，上、中层叶片氮浓度较下层叶片高16％，不同叶位叶片氮浓度从拔节期后随生育期逐渐降低，且叶片高谱特征变化主要受叶片氮含量影响；对叶片光谱数据的获取细化到了不同叶位。
光谱指数选取及模型评价方面，创建了改进吸收面积指数(IREA)，基于新确定的改进吸收面积指数(IREA)构建的氮浓度预测模型精度(R2平均为0.648，RMSE平均为0.235，RE平均为7.71％)显著高于有效波段、比值指数和已有的植被指数构建的PLSR回归预测模型、比值植被指数模型和已有植被指数模型。明确了夏玉米不同生育期诊断的最佳叶位，其中拔节期、喇叭口期、开花期为上层叶片，抽雄期为下层叶片，抽丝期、灌浆期和成熟期为中层叶片。
不同叶位临界氮浓度稀释模型构建方面，在北京地区，对于夏玉米临界曲线的研究较少，系统研究基于不同部位的临界曲线未见报道。本发明针对北京地区夏玉米基于不同叶位建立临界氮浓度稀释曲线模型，这项研究对夏玉米不同叶位(上层叶片、中层叶片、下层叶片)临界氮浓度稀释曲线首次最全面的研究，研究结果为前面章节中利用光谱技术评价夏玉米叶片氮营养状况提供诊断依据。具体步骤如下：
分别对两年不同施氮处理每个取样日的上、中、下层叶片生物量进行方差分析(P<0.05)，结果表明，同一时期，随着施氮量的增加，夏玉米不同叶位生物量均显著增加，继续增加施肥量至337.5kg/hm2(处理编号为N2)时，同时期N2、N3、N4处理地上部生物量整体差异不显著。这说明，氮肥达到一定量后，玉米叶片生物量将不受氮素限制。对作物生长受氮素营养限制的施氮水平，对其地上部生物量和对应的氮浓度进行线性拟合；对不受氮素营养限制的施氮水平，用其地上部生物量的平均值代表最大生物量。每个取样日的临界氮浓度即为以上线性曲线与以最大生物量为横坐标的垂线的交点纵坐值。分别对临界氮浓度进行幂函数拟合建立不同叶位的临界氮浓度稀释曲线。
夏玉米全生命周期叶片适宜氮素营养状况的光谱指数阈值确定方面，为了进一步提高模型的应用性，根据不同叶位叶片尺度叶片氮浓度预测模型和不同叶位临界氮浓度稀释模型，确定氮营养指数(NNI)。目前氮营养指数(NNI)是诊断作物氮素营养状况的公认指标，一般认为NNI等于1时，氮素处于适宜状况，小于1为氮素缺乏，大于1为氮素过剩。但在实际应用中，NNI等于1的情况较少，因此本研究参考Cilia等[57]提出的NNI处于0.9～1.1之间认为氮素处于适宜状况，制定了夏玉米叶片氮素营养适宜状况的光谱指数阈值表。
实际应用中，夏玉米受氮素胁迫后，中下部首先在胁迫初期表现明显，冠层早期表现并不明显，因此通过对夏玉米多角度立体监测，根据本研究确定的不同生育阶段的最佳诊断叶位及其诊断模型，能够对夏玉米受氮素胁迫早期及时诊断。
本发明的有益效果为：本发明从优化氮肥精准管理和提高氮肥利用效率的角度出发，针对利用光谱技术在夏玉米氮素营养诊断中，涉及全生命周期和叶片尺度光谱融合技术研究不足的问题，开展近地面高光谱技术试验，利用近地面高光谱遥感技术手段从上、中、下叶位多角度立体对夏玉米叶片氮浓度进行预测。构建夏玉米氮浓度不同叶位叶片尺度模型，明确不同生育阶段最佳诊断叶位。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法，其特征在于，包括以下步骤：
S1：获取夏玉米全生命周期的光谱数据，并基于光谱数据确定改进吸收面积指数；
S2：根据改进吸收面积指数，构建不同叶位叶片氮素诊断模型；
S3：构建不同叶位临界氮浓度稀释模型；
S4：根据不同叶位叶片氮素诊断模型和不同叶位临界氮浓度稀释模型确定夏玉米全生命周期叶片尺度适宜氮素营养状况的光谱指数阈值。
2.根据权利要求1所述的夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法，其特征在于，所述步骤S1中，确定改进吸收面积指数的具体方法为：将夏玉米植株的波长作为横坐标，将夏玉米植株的反射率作为纵坐标，建立直角坐标系；在直角坐标系中，将波长为680nm对应的反射率纵坐标作为第一点，将波长为760nm对应的反射率纵坐标作为第二点，将波长为680nm对应的反射率纵坐标和波长为760nm对应的反射率纵坐标的连线与波长为550nm对应的反射率纵坐标延长线的交点作为第三点，以第一点、第二点和第三点形成几何区域，将几何区域面积作为改进吸收面积指数。
3.根据权利要求1所述的夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法，其特征在于，所述步骤S2中，构建不同叶位叶片氮素诊断模型的不同方法为：计算改进吸收面积指数和夏玉米叶片氮浓度的相关系数，并采用回归分析方法确定相关系数最大值对应的改进吸收面积指数和夏玉米叶片氮浓度的回归关系，完成不同叶位叶片氮素诊断模型构建。
4.根据权利要求3所述的夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法，其特征在于，所述步骤S2中，改进吸收面积指数和夏玉米叶片氮浓度的相关系数R的计算公式为：
其中，xi为改进吸收面积指数，
为改进吸收面积指数的平均值，yi为夏玉米氮浓度，
为夏玉米氮浓度的平均值。
5.根据权利要求1所述的夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法，其特征在于，所述步骤S3中，不同叶位临界氮浓度稀释模型包括夏玉米上层叶片临界氮浓度稀释模型、夏玉米中层叶片临界氮浓度稀释模型和夏玉米下层叶片临界氮浓度稀释模型，其表达式分别为：
其中，Nc1为夏玉米上层叶片临界氮浓度，Nc2为夏玉米中层叶片临界氮浓度，Nc3为夏玉米下层叶片临界氮浓度，a1为夏玉米上层叶片单位生物量的临界氮浓度，b1为夏玉米上层叶片单位生物量的临界氮浓度的稀释系数，Wmax，1为夏玉米上层叶片干物质的最大值，a2为夏玉米中层叶片单位生物量的临界氮浓度，b2为夏玉米中层叶片单位生物量的临界氮浓度的稀释系数，Wmax，2为夏玉米中层叶片干物质的最大值，a3为夏玉米下层叶片单位生物量的临界氮浓度，b3为夏玉米下层叶片单位生物量的临界氮浓度的稀释系数，Wmax，3为夏玉米下层叶片干物质的最大值。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2022108097739 | 2022-07-11 | ||
| CN202210809773 | 2022-07-11 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115343249A true CN115343249A (zh) | 2022-11-15 |
Family
ID=83950872
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210932123.3A Pending CN115343249A (zh) | 2022-07-11 | 2022-08-04 | 一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115343249A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117195609A (zh) * | 2023-11-08 | 2023-12-08 | 吉林大学 | 一种区域玉米植株氮营养匮缺的定量诊断方法 |
| CN117236070A (zh) * | 2023-11-08 | 2023-12-15 | 吉林大学 | 基于最佳产量的区域玉米植株磷需求量定量化获取方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110125477A1 (en) * | 2009-05-14 | 2011-05-26 | Lightner Jonathan E | Inverse Modeling for Characteristic Prediction from Multi-Spectral and Hyper-Spectral Remote Sensed Datasets |
| US20150254800A1 (en) * | 2014-03-06 | 2015-09-10 | F12 Solutions, Llc | Nitrogen status determination in growing crops |
| CN110567892A (zh) * | 2019-09-17 | 2019-12-13 | 中国水利水电科学研究院 | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 |
| CN113268923A (zh) * | 2021-05-17 | 2021-08-17 | 中国水利水电科学研究院 | 一种基于模拟多光谱的夏玉米产量估算方法 |
| CN113514410A (zh) * | 2021-07-07 | 2021-10-19 | 河南农业大学 | 一种基于冠层高光谱技术的夏玉米全生育期氮素利用率垂向分布的实时定量监测方法 |
-
2022
- 2022-08-04 CN CN202210932123.3A patent/CN115343249A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110125477A1 (en) * | 2009-05-14 | 2011-05-26 | Lightner Jonathan E | Inverse Modeling for Characteristic Prediction from Multi-Spectral and Hyper-Spectral Remote Sensed Datasets |
| US20150254800A1 (en) * | 2014-03-06 | 2015-09-10 | F12 Solutions, Llc | Nitrogen status determination in growing crops |
| CN110567892A (zh) * | 2019-09-17 | 2019-12-13 | 中国水利水电科学研究院 | 一种基于临界氮浓度的夏玉米氮素高光谱预测方法 |
| CN113268923A (zh) * | 2021-05-17 | 2021-08-17 | 中国水利水电科学研究院 | 一种基于模拟多光谱的夏玉米产量估算方法 |
| CN113514410A (zh) * | 2021-07-07 | 2021-10-19 | 河南农业大学 | 一种基于冠层高光谱技术的夏玉米全生育期氮素利用率垂向分布的实时定量监测方法 |
Non-Patent Citations (11)
| Title |
|---|
| CHIARA CILIA ET AL.: "Nitrogen Status Assessment for Variable Rate Fertilization in Maize through Hyperspectral Imagery", REMOTE SENSING, vol. 2014, no. 6, 31 December 2014 (2014-12-31) * |
| HAN NANA ET AL: "Rapid Diagnosis of Nitrogen Nutrition Status in Summer Maize over Its Life Cycle by a Multi-Index Synergy Model Using Ground Hyperspectral and UAV Multispectral Sensor Data", ATMOSPHERE, vol. 13, no. 122, 12 January 2022 (2022-01-12) * |
| LU LIU;ZHIGONG PENG;BAOZHONG ZHANG;ZHENG WEI;NANA HAN;SHAOZHE LIN;HE CHEN;JIABING CAI: "Canopy Nitrogen Concentration Monitoring Techniques of Summer Corn Based on Canopy Spectral Information", SENSORS, vol. 19, no. 19, 31 December 2019 (2019-12-31) * |
| 刘冰峰;李军;赵刚峰;NAVEED TAHIR;贺佳;: "夏玉米叶片全氮含量高光谱遥感估算模型研究", 植物营养与肥料学报, no. 04, 25 July 2012 (2012-07-25) * |
| 李岚涛;盛开;尹焕丽;郭娅;王丹丹;王宜伦;: "考虑植株氮垂直分布的夏玉米营养诊断敏感位点筛选", 农业工程学报, no. 06, 23 March 2020 (2020-03-23) * |
| 温鹏飞: "玉米单叶和冠层氮素营养参数垂直分布反演及遥感监测研究", CNKI博士电子期刊, no. 2020, 15 February 2020 (2020-02-15), pages 2 * |
| 谭昌伟, 王纪华, 黄文江, 刘良云, 赵春江, 郭新宇: "不同株型夏玉米群体冠层反射光谱特征及其应用研究", 遥感技术与应用, no. 04, 30 September 2004 (2004-09-30) * |
| 谭昌伟, 黄义德, 黄文江, 王纪华, 赵春江, 刘良云: "夏玉米叶面积指数的高光谱遥感植被指数法研究", 安徽农业大学学报, no. 04, 25 December 2004 (2004-12-25) * |
| 谭昌伟;郭文善;朱新开;李春燕;王纪华;: "不同条件下夏玉米冠层反射光谱响应特性的研究", 农业工程学报, no. 09, 30 September 2008 (2008-09-30) * |
| 金梁;胡克林;田明明;魏丹;李虹;白由路;张军政;: "夏玉米叶片分层氮素营养的高光谱诊断", 光谱学与光谱分析, no. 04, 15 April 2013 (2013-04-15) * |
| 龙碧波;廖玲玲;刘慧霞;朱元励;: "典型农作物波谱与环境要素的关系研究", 黑龙江农业科学, no. 06, 10 June 2010 (2010-06-10) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117195609A (zh) * | 2023-11-08 | 2023-12-08 | 吉林大学 | 一种区域玉米植株氮营养匮缺的定量诊断方法 |
| CN117236070A (zh) * | 2023-11-08 | 2023-12-15 | 吉林大学 | 基于最佳产量的区域玉米植株磷需求量定量化获取方法 |
| CN117195609B (zh) * | 2023-11-08 | 2024-01-26 | 吉林大学 | 一种区域玉米植株氮营养匮缺的定量诊断方法 |
| CN117236070B (zh) * | 2023-11-08 | 2024-01-30 | 吉林大学 | 基于最佳产量的区域玉米植株磷需求量定量化获取方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115343249A (zh) | 一种夏玉米全生命周期叶片尺度氮素营养高光谱诊断方法 | |
| CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
| CN110082300B (zh) | 基于光谱参量的冬小麦冠层含水率监测模型建立方法 | |
| CN112557393B (zh) | 基于高光谱影像融合图谱特征的小麦叶层氮含量估测方法 | |
| CN107271382A (zh) | 一种不同生育期油菜叶片spad值遥感估算方法 | |
| CN111855589A (zh) | 水稻叶片氮积累量遥感反演模型和方法 | |
| Rubio-Delgado et al. | Predicting leaf nitrogen content in olive trees using hyperspectral data for precision agriculture | |
| CN111044516B (zh) | 一种水稻叶绿素含量遥感估测方法 | |
| CN110189793B (zh) | 基于高光谱的小麦氮肥生理利用率估测模型构建及不同氮效率小麦品种分类 | |
| Guthrie et al. | Assessment of internal quality attributes of mandarin fruit. 2. NIR calibration model robustness | |
| CN112485204A (zh) | 基于高光谱的水稻穗期氮营养监测与诊断方法及应用 | |
| CN110082309B (zh) | 冬小麦冠层spad值综合光谱监测模型建立方法 | |
| CN111855591A (zh) | 水稻地上部碳氮比遥感反演模型和方法 | |
| Feng et al. | Analysis of the relationship between the spectral characteristics of maize canopy and leaf area index under drought stress | |
| CN110069895B (zh) | 冬小麦含氮量全生育时段光谱监测模型建立方法 | |
| CN107271372A (zh) | 一种苹果叶片叶绿素遥感估测方法 | |
| CN102374971A (zh) | 一种基于高光谱技术的玉米叶片氮含量估算方法 | |
| CN112881327B (zh) | 一种基于新型植被指数的烟叶spad值估测方法 | |
| CN113298859B (zh) | 一种基于无人机影像的作物氮肥变量管理方法 | |
| Atzberger et al. | Retrieval of wheat bio-physical attributes from hyperspectral data and SAILH+ PROSPECT radiative transfer model | |
| CN117910280B (zh) | 定量估算区域玉米植株关键生育期下钾素需求量的方法 | |
| CN115184322A (zh) | 一种水稻叶片水分含量监测方法 | |
| CN115508356A (zh) | 一种基于氮分配理论的稻麦叶片氮含量高光谱估算方法 | |
| CN116883874A (zh) | 一种用于芳樟矮林综合长势的评估方法及系统 | |
| CN112632847A (zh) | 基于XGBoost回归算法的水稻叶片淀粉含量遥感反演模型和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |