基于冠層高光譜的南方丘陵地區(qū)晚稻氮素營養(yǎng)診斷

邵　華，石慶華，郭　熙，趙小敏,*

(1.江西農(nóng)業(yè)大學(xué)江西省鄱陽湖流域農(nóng)業(yè)資源與生態(tài)重點(diǎn)實(shí)驗(yàn)室,江西南昌330045;2.江西農(nóng)業(yè)大學(xué)江西省作物生理生態(tài)與遺傳育種重點(diǎn)實(shí)驗(yàn)室，江西南昌330045;3.江西省土壤肥料技術(shù)推廣站，江西南昌330046)

?

基于冠層高光譜的南方丘陵地區(qū)晚稻氮素營養(yǎng)診斷

邵華1,2,3，石慶華2，郭熙1，趙小敏1,2*

(1.江西農(nóng)業(yè)大學(xué)江西省鄱陽湖流域農(nóng)業(yè)資源與生態(tài)重點(diǎn)實(shí)驗(yàn)室,江西南昌330045;2.江西農(nóng)業(yè)大學(xué)江西省作物生理生態(tài)與遺傳育種重點(diǎn)實(shí)驗(yàn)室，江西南昌330045;3.江西省土壤肥料技術(shù)推廣站，江西南昌330046)

摘要：為研究水稻氮素營養(yǎng)診斷的快速方法、初步構(gòu)建基于高光譜的水稻氮素營養(yǎng)診斷模型，以南方丘陵區(qū)晚稻氮肥試驗(yàn)為例，利用分別測定不同施氮水平及水稻不同生育期水稻冠層葉片的高光譜反射特征，應(yīng)用一階微分光譜以及植被指數(shù)分別構(gòu)建基于高光譜的晚稻氮素營養(yǎng)診斷模型。結(jié)果表明：不同氮素水平下冠層葉片光譜反射率的差異主要集中在400～650 nm可見光處和730～1350 nm近紅外處，隨著冠層氮素含量增加可見光處光譜反射率降低，而在近紅外范圍內(nèi)反射率增加。隨著水稻生長發(fā)育，冠層葉片光譜反射率降低，而且反射峰值由519 nm向554 nm移動(dòng)。應(yīng)用738 nm處的光譜反射率與葉片氮素含量建模，用一階微分反射率得到的最優(yōu)模型為指數(shù)模型Y=1.591 4e88.794(R2=0.736 2)，用比值植被指數(shù)(RVI)和歸一化植被指數(shù)(NDVI)得到的最優(yōu)模型分別為指數(shù)模型Y=18.658e-1.040 9(R2=0.630 4)和二次多項(xiàng)式Y(jié)=-17.454X2+0.733 1X+4.130 2(R2=0.652 3)，所有模型中以一階微分反射率得到的模型最佳，最適合于在供試條件下的水稻氮素營養(yǎng)診斷。

關(guān)鍵詞：晚稻；高光譜；氮素營養(yǎng)；診斷模型

水稻氮素營養(yǎng)診斷一直是作物營養(yǎng)診斷和水稻施肥決策的重點(diǎn)和熱點(diǎn)[1]，傳統(tǒng)的水稻氮素營養(yǎng)診斷方法主要包括化學(xué)分析法、葉色卡法和葉綠素計(jì)方法等[2-4]?；瘜W(xué)分析法由于需要采樣到實(shí)驗(yàn)室內(nèi)進(jìn)行分析化驗(yàn)，會(huì)破壞水稻植株且分析的時(shí)效性不強(qiáng)；葉色卡法不能進(jìn)行定量而只可定性地估測水稻葉片的氮素高低；葉綠素計(jì)法因其測定的是單葉，難以反映整個(gè)田塊即面上的情況。因此許多學(xué)者[5]從不同角度進(jìn)行了開展快速無損傷的水稻氮素光譜診斷、特別是基于光譜的氮素營養(yǎng)診斷的研究。譚昌偉等[6]研究了2個(gè)水稻品種在不同施氮水平下葉片氮素營養(yǎng)診斷；Xue等[7]應(yīng)用水稻冠層反射光譜測算水稻氮素狀況、Zhang等[8]用多光譜在田塊冠層尺度下進(jìn)行水稻氮素營養(yǎng)的估測。一些學(xué)者[2,9-12]進(jìn)行了水稻氮素營養(yǎng)光譜診斷的敏感波段及其指數(shù)的研究。也有學(xué)者[1,13-14]研究了水稻氮素營養(yǎng)光譜診斷的模型及其基于光譜的推薦施肥模型。為進(jìn)一步提高水稻氮素光譜診斷的精度，有些學(xué)者采用不同的光譜處理方法以建立更適合的模型，從而提高水稻光譜氮素診斷的精度[15-16]。

本文在以南方典型丘陵地區(qū)——江西省奉新縣赤岸鎮(zhèn)晚稻試驗(yàn)田為例，利用地物波譜儀分析不同施氮水平下的晚稻不同生育階段的冠層反射光譜特征，構(gòu)建基于高光譜的水稻氮素營養(yǎng)診斷模型，以提高水稻氮素營養(yǎng)診斷的效率和精度，為指導(dǎo)水稻氮肥施用提供科學(xué)依據(jù)。

1研究材料與方法

1.1田間試驗(yàn)設(shè)計(jì)

在江西省奉新縣赤岸鎮(zhèn)沿里試驗(yàn)田晚稻布置氮素4個(gè)施肥水平處理，分別是不施氮到施氮共4個(gè)水平，即處理一:N0(不施氮肥) 、處理二:N1(127.5 kg/hm2) 、處理三:N2(142.5 kg/hm2)、處理四:N3(157.5 kg/hm2)，磷、鉀肥4個(gè)處理均一致，磷(折純P2O5)49.65 kg/hm2、鉀(折純K2O)114 kg/hm2。每處理3次重復(fù)，試驗(yàn)區(qū)面積0.08 hm2，采樣隨機(jī)排列。施肥方法及比例為：m(基肥)∶m(分蘗肥)∶m(孕穗肥)=4.5∶4.0∶1.5。

試驗(yàn)田塊土壤基本養(yǎng)分狀況：有機(jī)質(zhì)含量25.79 g/kg，堿解氮含量120.87 g/kg，速效磷2.54 g/kg，速效鉀134.79 g/kg，pH值5.49。

試驗(yàn)時(shí)間：2010年6—10月。水稻品種：粵優(yōu)923。

1.2小區(qū)試驗(yàn)觀測時(shí)間與數(shù)據(jù)獲取

在水稻不同生長期，分別記錄水稻的高光譜特征。水稻播種時(shí)間6月24日，移栽期時(shí)間7月24日，分蘗期為7月31日—8月25日，孕穗期為8月26日—9月13日，抽穗期9月14日—9月21日，灌漿期9月22日—11月3日。8月5日施分蘗肥，8月28日施孕穗肥。

選擇8月3日，8月27日，9月18日，9月27日對4個(gè)處理進(jìn)行4次水稻冠層、葉片測定光譜和采樣分析氮含量。

1.3高光譜數(shù)據(jù)及氮素含量檢測

高光譜測定采用美國的FieldSpec3地物波譜儀，其波長范圍在350～2 500 nm，采樣間隔為1.4 nm(350～1 000 nm)和2 nm(1 000～2 500 nm)，重采樣間隔為1 nm。冠層光譜測量時(shí)，天氣無云，測量時(shí)間統(tǒng)一為11:00—12:00。儀器在冠層上方80 cm處，并在測量范圍內(nèi)均勻移動(dòng)光譜儀探頭，采集10次光譜數(shù)據(jù)，然后在室內(nèi)進(jìn)行平均處理。鮮葉片光譜測量在暗室中進(jìn)行，測量采用8°視場角，離葉片高度為7 cm，視場范圍為3.14 cm2，直徑約為1 cm。測量葉片位置在葉片寬度為最寬處(靠近葉片中下部)，葉片寬度均包含在視場范圍內(nèi)。下墊面為反射率近似為零的黑色布，摘下最上部3～5片完全展開葉，在各葉表面上選擇有代表性的6個(gè)測點(diǎn)，每點(diǎn)重復(fù)測定10次，取其平均值作為該點(diǎn)光譜反射率值。

葉片氮素含量分析采用采用凱氏定氮法[17]測定，與室內(nèi)光譜測定同時(shí)進(jìn)行。

2結(jié)果與分析

2.1水稻冠層葉片氮素含量

經(jīng)過對水稻冠層葉片的氮素含量進(jìn)行檢測，平均含量結(jié)果見表1。由表1可知4個(gè)處理冠層葉片氮素含量均表示為一致的趨勢：冠層葉片氮素含量從分蘗期到孕穗期呈現(xiàn)增加趨勢，從孕穗期到抽穗期冠層葉片氮素含量急劇下降，直到灌漿期。F檢驗(yàn)表明，在水稻生長的4個(gè)時(shí)期，不同氮肥處理之間的葉片含氮量均達(dá)到了極顯著的差異。不同氮肥處理之間葉片氮素含量的差異見表2。由表2可知，除分蘗期N0與N1之間、孕穗期N1與N2之間葉片氮素含量差異不顯著外，在分蘗期的N0與N2之間、灌漿期的N1與N2之間的差異均為顯著性差異，其它所有處理之間均葉片氮素含量均達(dá)到極顯著差異。

表1　水稻冠層葉片氮素平均含量表

**表示極顯著水平、*表示顯著水平。F0.05=9.55，F(xiàn)0.01=30.82。*Significant at 0.01 level;*Significant at 0.05 level.

表2　水稻葉片氮素含量差異顯著性分析(t檢驗(yàn))

**表示極顯著水平、*表示顯著水平。t0.05=2.776，t0.01=4.604。**Significant at 0.01 level;*Significant at 0.05 level.

2.2水稻植株冠層葉片光譜特征曲線

利用Viewspec pro軟件將FieldSpec3測量的數(shù)據(jù)進(jìn)行處理，得到各采樣時(shí)間各處理的波譜曲線(圖1)。水稻冠層葉面反射率差異性主要集中在波段400～650 nm可見光波段以及730～1 350 nm近紅外波段。由于大氣水汽吸收干擾和儀器噪聲的作用，導(dǎo)致1 350～1 450 nm、1 800～2 500 nm光譜反射率波動(dòng)很大，因此這兩大波段范圍內(nèi)的冠層反射光譜不可用。分析冠層葉面光譜反射曲線發(fā)現(xiàn)，隨著冠層葉片氮素的含量增加，光譜反射率在可見光波段范圍內(nèi)降低，但是在近紅外730～1 350 nm范圍內(nèi)反射率增加，從4個(gè)處理的反射光譜曲線來看，可見光波段差異峰值在554 nm，近紅外波段差異峰值在738 nm。與張金恒[10]、譚昌偉[13]所得出的研究結(jié)論相一致。

圖1　9月27日4個(gè)處理水稻葉片反射率曲線圖Fig.1　Rice leaf spectral reflectance curve of 4 treatments in September 27th

根據(jù)水稻反射波譜規(guī)律分析不同處理在不同生育期的光譜曲線，以處理四的不同生育期在350～1 050 nm波段的反射率為例進(jìn)行分析，得到圖2。

圖2　處理四(N3)不同生育期光譜特征曲線Fig.2　Rice leaf spectral reflectance curve of treatment 4 (N3) in different growth period

從圖2可以看出，在可見光波段范圍，隨著水稻的不斷生長發(fā)育，冠層葉面的反射率在不斷降低，而且反射峰值由519 nm向554 nm移動(dòng)。在近紅外波段內(nèi)，隨著水稻的生長發(fā)育，光譜反射率在不斷提高，反射率峰值的穩(wěn)定開始值不斷退后。

2.3基于光譜的水稻氮素營養(yǎng)診斷模型構(gòu)建

常見的高光譜遙感特征變量包括從原始光譜、一階微分光譜提取的基于光譜位置的特征變量、基于高光譜面積的特征變量和基于高光譜或?qū)挷ǘ蔚闹脖恢笖?shù)特征變量。由于一階微分光譜反射率以及植被指數(shù)與水稻氮素營養(yǎng)的相關(guān)性高于其它光譜變量[13]，采用一階微分光譜反射率、寬波段植被指數(shù)與氮素營養(yǎng)含量建立診斷模型。

2.3.1一階微分光譜反射率與氮素含量診斷模型利用Viewspec pro軟件計(jì)算不同處理不同施氮水平下的一階微分光譜反射率。根據(jù)不同氮素處理光譜反射率的差異，取差異值大處的738 nm的一階微分光譜反射率與水稻植株全氮含量構(gòu)建水稻氮素診斷回歸模型。分別應(yīng)用線性模型、對數(shù)模型、指數(shù)模型、冪函數(shù)模型和多項(xiàng)式模型進(jìn)行擬合，擬合結(jié)果見表3。由表3的決定系數(shù)可知，指數(shù)模型和線性模型的氮素含量與一階微分光譜反射率的相關(guān)性是處于最高的2個(gè)模型，擬合效果好，其中以一階微分光譜反射率擬合的指數(shù)模型(R2=0.736 2)擬合效果最好。應(yīng)用指數(shù)模型和線性模型得出的擬合曲線如圖3。

表3　水稻氮素含量與一階微分光譜反射率之間的回歸模型

圖3　738 nm處一階微分光譜反射率與氮素含量關(guān)系Fig.3　Relationship between N content and the first order differential spectral reflectance in 738 nm

2.3.2植被指數(shù)與氮素含量診斷模型水稻葉面在可見光紅光波段有很強(qiáng)的吸收特性，在近紅外波段有很強(qiáng)的反射特性，通過這2個(gè)波段測值的不同組合可得到不同的植被指數(shù)。比值植被指數(shù)(RVI)又稱為綠度，為二通道反射率之比，能較好地反映植被覆蓋度和生長狀況的差異，特別適用于植被生長旺盛、具有高覆蓋度的植被監(jiān)測。歸一化植被指數(shù)(NDVI)為2個(gè)通道反射率之差除以它們的和。在植被處于中、低覆蓋度時(shí)，該指數(shù)隨覆蓋度的增加而迅速增大，當(dāng)達(dá)到一定覆蓋度后增長緩慢。因此本研究采用與TM波段劃分范圍一致(表4)的寬波比值植被指數(shù)(RVI)和寬波歸一化植被指數(shù)(NDVI)分別與水稻葉片氮素含量構(gòu)建氮素營養(yǎng)光譜診斷模型。將表3中波段內(nèi)的光譜反射率平均值作為該波段的反射率，用于計(jì)算RVI和NDVI。RVI和NDVI的計(jì)算公式分別為：RVI=Band 4/Band 3、NDVI=(Band 4-Band 3)/(Band 4+Band 3)。

表4　與TM一致的波段劃分范圍

比值植被指數(shù)(RVI)和歸一化植被指數(shù)(NDVI)與水稻葉片氮素含量的關(guān)系也分別應(yīng)用線性模型、對數(shù)模型、指數(shù)模型、冪函數(shù)模型和多項(xiàng)式模型進(jìn)行擬合，擬合結(jié)果見表5。從表5中的決定系數(shù)可知，RVI和NDVI分別于水稻氮素?cái)M合時(shí)，決定系數(shù)高的2個(gè)模型均是二次多項(xiàng)式和指數(shù)模型(圖4、圖5)，但RVI的最高決定系數(shù)即擬合最好的模型是指數(shù)模型(R2=0.630 4)、而NDVI的最佳擬合模型是二次多項(xiàng)式(R2=0.652 3)。所有水稻氮素光譜診斷模型中決定系數(shù)最高的是以一階微分光譜反射率擬合的指數(shù)模型(R2=0.736 2)，因此在本研究供試條件下是最適合的稻氮素光譜診斷模型。

表5　水稻氮素含量與寬波植被指數(shù)之間的回歸模型

圖4　738 nm處RVI與水稻含氮量擬合模型Fig.4　Relationship between N content and RVI in 738 nm

圖5　738 nm處NDVI與水稻含氮量擬合模型Fig.5　Relationship between N content and NDVI in 738 nm

3結(jié)論與討論

(1)冠層葉片氮素含量差異在不同生育期的不同氮肥處理之間總體均達(dá)到了極顯著水平，t檢驗(yàn)分析兩兩之間的差異也絕大部分達(dá)到極顯著或顯著水平。葉片氮素含量從分蘗期到孕穗期呈現(xiàn)增加趨勢，從孕穗期開始冠層葉片氮素含量下降，直到灌漿期，其中以孕穗期到抽穗期下降迅速。這是由于分蘗期葉片生長旺盛，氮素營養(yǎng)上要供應(yīng)葉片生長。隨著水稻生育進(jìn)入孕穗期，氮素營養(yǎng)主要供應(yīng)穗的生長發(fā)育，因此冠層葉片氮素營養(yǎng)開始減小。隨著穗的抽出，氮素營養(yǎng)主要向穗部轉(zhuǎn)移，冠層葉片氮素營養(yǎng)繼續(xù)下降，直到灌漿期。

(2)分析冠層葉片高光譜反射曲線發(fā)現(xiàn)，隨著冠層葉片氮素的含量增加，光譜反射率在可見光波段范圍內(nèi)減少，但是在近紅外730～1 350 nm范圍內(nèi)反射率增加，從4個(gè)處理的反射光譜曲線來看，可見光波段差異峰值在554 nm，近紅外波段差異峰值在738 nm。與張金恒[10]、譚昌偉[13]研究結(jié)論相一致。在可見光波段，隨著水稻的不斷生長發(fā)育，冠層葉片反射率在不斷降低，而峰值由519 nm向554 nm移動(dòng)。在近紅外波段，隨著水稻的不斷生長發(fā)育，冠層葉片反射率在不斷提高，反射率的穩(wěn)定開始值不斷退后，但差異不大。

(3)取738 nm處的一階微分光譜反射率與冠層葉片氮素含量進(jìn)行擬合建模，線性方程為Y=215.31X+1.621 4，指數(shù)模型為Y=1.591 4e88.794X，2個(gè)模型的相關(guān)性即擬合程度均較好，其中指數(shù)模型擬合最好(R2=0.736 2)。利用TM波段范圍劃分高光譜波段，計(jì)算寬波段植被指數(shù)的比值植被指數(shù)(RVI)與歸一化植被指數(shù)(NDVI)，并分別于冠層葉片氮素含量進(jìn)行擬合建模，得到RVI的指數(shù)模型Y=18.658e-1.040 9X和二次多項(xiàng)式Y(jié)=-1.376 9X2+1.913 2X+4.015 5這2個(gè)模型擬合較好，其中以指數(shù)模型擬合最好(R2=0.736 2)；NDVI的指數(shù)模型Y=6.917 8e-3.169 5X和二次多項(xiàng)式Y(jié)=-17.454X2+0.733 1X+4.130 2擬合較好，其中以二次多項(xiàng)式擬合最好(R2=0.652 3)。所有水稻氮素光譜診斷模型的決定系數(shù)以一階微分光譜反射率擬合的指數(shù)模型(R2=0.736 2)為最高，一階微分光譜反射率的指數(shù)模型擬合程度在本研究所有擬合模型中最優(yōu)，最適合用于本研究供試條件下的水稻氮素光譜診斷。

(4)冠層葉片光譜特征的研究是為了快速診斷氮素營養(yǎng)提供依據(jù)，本研究僅初步以一階微分光譜反射率、寬波段植被指數(shù)與水稻氮素營養(yǎng)含量的關(guān)系建立了氮素營養(yǎng)診斷模型。盡管存在顯著的相關(guān)性，但是結(jié)論仍局限于試驗(yàn)條件的限制，因此還需要進(jìn)行更多土壤條件和施肥條件下的多品種試驗(yàn)的檢驗(yàn)。

參考文獻(xiàn)：

[1]Li X L,Liu M B,Lou J,et al.Preliminary study on spectra diagnosis model for nitrogen nutrition in rice leaf[J].Agricultural Science & Technology,2011,12(2):168-170.

[2]Singh B,Singh Y,Ladlha J K,et al.Chlorophyll meter and leaf color chart-based nitrogen management for rice and wheat in northwestern India[J].Agronomy Journal,2002,94(4):821-829.

[3]王紹華，曹衛(wèi)星，王強(qiáng)盛,等.水稻葉色分布特點(diǎn)與氮素營養(yǎng)診斷[J].中國農(nóng)業(yè)科學(xué)，2002，35(12):1461-1466.

[4]Chubchi-NR,Asabol Oikava-T.The diagnosis of nitrogen of rice plants using chlorophyll meter[J].Japanese Journal of Soil Science and Plant Nutrition,1986,57:109-193.

[5]王磊，白由路.基于光譜理論的作物營養(yǎng)診斷研究進(jìn)展[J].植物營養(yǎng)與肥料學(xué)報(bào)，2006,12(6):902-912.

[6]譚昌偉，莊恒揚(yáng)，周清波.水稻葉片營養(yǎng)的光譜診斷研究[J].揚(yáng)州大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版，2009,30(2):50-53.

[7]Xue L H,Cao W X,Luo W H,et al.Monitoring leaf nitrogen status in rice with canopy spectral reflectance[J].Agronomy Journal,2004,96(1):135-142.

[8]Zhang J H,Wang K,Bailey J S,et al.Predicting nitrogen status of rice using multispectral data at canopy scale[J].Pedosphere,2006,16(1):108-117.

[9]王人潮，黃敬峰.水稻遙感估產(chǎn)[M].北京：中國農(nóng)業(yè)出版社，2002:30-46.

[10]張金恒，王珂，王人潮，等.水稻葉片反射光譜診斷氮素營養(yǎng)敏感波段的研究[J].浙江大學(xué)學(xué)報(bào):農(nóng)業(yè)與生命科學(xué)版，2004,30(3)：340-346.

[11]薛利紅，楊林章，范小暉.基于碳氮代謝的水稻氮含量及碳氮比光譜估算[J].作物學(xué)報(bào)，2006,32(3)：430-435.

[12]Vaesen S G,Nackaert K,Coppin P.Ground measured spectral signatures as indicators of ground cover and leaf area index:the case of paddy rice[J].Field Crops Research,2001,69(1):13-25.

[13]譚昌偉，周清波，齊臘，等.水稻氮素營養(yǎng)高光譜遙感診斷模型[J].應(yīng)用生態(tài)學(xué)報(bào),2008,19(6):1261-1268.

[14]覃夏,王紹華,薛利紅.江西鷹潭地區(qū)早稻氮素營養(yǎng)光譜診斷模型的構(gòu)建與應(yīng)用[J].中國農(nóng)業(yè)科學(xué),2011,44(4):691-698.

[15]Kokaly R F.Investigating a physical basis for spectroscopic estimates of leaf nitrogen concentration[J].Remote Sensing of Environment,2011,75(1):153-161.

[16]張金恒.基于連續(xù)統(tǒng)去除法的水稻氮素營養(yǎng)光譜診斷[J].植物生態(tài)學(xué)報(bào)，2006，30(1)：78-82.

[17]陳因.現(xiàn)代植物生理學(xué)試驗(yàn)指南[M].北京：科學(xué)出版社，1999:133-134.

Diagnosis of Nitrogen Nutrition of Late Rice Based on Canopy

Hyper-spectrum in Hilly Areas of Jiangxi Province

SHAO Hua1,2,3，SHI Qing-hua2，GUO Xi1，ZHAO Xiao-min1,2*

(1.Key Laboratory of Poyang Lake Basin Agricultural Resources and Ecology of Jiangxi Province,Jiangxi Agricultural University,Nanchang 330045,China;2.Key Laboratory of Crop Physiology,Ecology and Crop Genetic Breeding of Jiangxi Province,Jiangxi Agricultural University,Nanchang 330045,China;3.Soil and Fertilization Technology Extension Station of Jiangxi Province,Nanchang 330046,China)

Abstract：In order to study N quick diagnosis and to construct N diagnosis model of rice based on hyperspectral,taking nitrogen field experiments on late rice in hilly areas of Jiangxi Province as an example,and by using spectrometer to test the hyper-spectral reflection characteristics of rice canopy in different growth periods,the nitrogen nutrition diagnosis models of late rice were established by using the first differential reflectance spectrum and vegetation index,respectively.The results showed that the difference in canopy spectral reflectance under different nitrogen levels mainly concentrated in the 400-650 nm visible light and in 730-1 350 nm near

infrared,and the spectra reflectance was reduced in the visible range but increased in the near infrared range with the increase of leaf nitrogen content.With rice growth and development,the canopy leaf spectral reflectance was reduced and the reflection peak moved from 519 nm to 554 nm.The models established by using spectral reflectance with leaf nitrogen content in spectra 738 nm indicated that the optimal models are the exponential modelsY=1.591 4e88.794X(R2=0.736 2) andY=18.658e-1.040 9X(R2=0.630 4) by using the first differential reflectance and by using RVI,respectively,but by using NDVI the optimal model is quadratic polynomialY=-17.454X2+ 0.733 1X+4.130 2(R2=0.652 3).The best model in all the optimal models is the exponential modelY=1.591 4e88.794X,which is the most suitable model for rice nitrogen nutrition diagnosis in the tested conditions.

Key words:late rice;hyper-spectral;nitrogen nutrition;diagnosis model

作者簡介：邵華(1967—)，女，推廣研究員，博士，主要從事土壤肥料的技術(shù)研究，E-mail:shaohua26@163.com;*通信作者：趙小敏，教授，E-mail:zhaoxm889@126.com。

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目(41361049)和江西省自然科學(xué)基金項(xiàng)目(20122BAB204012)

收稿日期：2015-03-31修回日期：2015-06-02

中圖分類號：S127

文獻(xiàn)標(biāo)志碼：A

文章編號：1000-2286(2015)06-0975-07

邵華，石慶華，郭熙，等.基于冠層高光譜的南方丘陵地區(qū)晚稻氮素營養(yǎng)診斷[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015，37(6)：975-981.