基于連續(xù)統(tǒng)去除法的冬小麥葉片全氮含量估算

李粉玲 常慶瑞

(1．西北農(nóng)林科技大學資源環(huán)境學院，陜西楊凌712100;2．農(nóng)業(yè)部西北植物營養(yǎng)與農(nóng)業(yè)環(huán)境重點實驗室，陜西楊凌712100)

基于連續(xù)統(tǒng)去除法的冬小麥葉片全氮含量估算

李粉玲1，2常慶瑞1，2

(1．西北農(nóng)林科技大學資源環(huán)境學院，陜西楊凌712100;2．農(nóng)業(yè)部西北植物營養(yǎng)與農(nóng)業(yè)環(huán)境重點實驗室，陜西楊凌712100)

以陜西省關(guān)中地區(qū)冬小麥小區(qū)試驗為基礎(chǔ)，獲取不同生育期冬小麥的冠層高光譜數(shù)據(jù)，提取其連續(xù)統(tǒng)去除光譜和7類吸收特征參數(shù)，對比原始冠層光譜和連續(xù)統(tǒng)去除光譜對葉片氮含量的響應(yīng)，分析連續(xù)統(tǒng)去除光譜吸收特征參數(shù)對葉片氮含量的估算能力。結(jié)果表明:連續(xù)統(tǒng)去除光譜在721～727 nm波段與葉片氮含量呈極顯著負相關(guān)，相關(guān)系數(shù)為－0.851;吸收特征參數(shù)增強了對葉片氮含量的估算能力，400～550 nm波段吸收特征參數(shù)與葉片氮含量的相關(guān)性弱于550～770 nm波段;葉片氮含量與550～770 nm和400～770 nm的吸收峰總面積、吸收峰左面積以及吸收峰右面積呈顯著正相關(guān)，與面積歸一化最大吸收深度呈顯著負相關(guān)，且相關(guān)系數(shù)絕對值均在0.8以上; 550～770 nm波段的吸收峰總面積建立的葉片氮含量指數(shù)估算模型精度最高，R2達到0.82，模型檢驗結(jié)果穩(wěn)定，可用來定量估算冬小麥葉片氮素含量水平。

冬小麥;葉片;全氮含量;估算;連續(xù)統(tǒng)去除;高光譜

引言

非成像高光譜遙感能夠獲取作物冠層或葉片精細的光譜數(shù)據(jù)，依據(jù)光譜數(shù)據(jù)的微小差異揭示作物生理生化的細微變化，為及時了解和掌握作物營養(yǎng)組分含量提供了豐富的信息來源［1－3］。氮素是作物生命體所需的大量元素，與作物的產(chǎn)量和品質(zhì)密切相關(guān)。氮素自身的吸收特征比較微弱，主要通過蛋白質(zhì)中的氨基酸吸收特性來表征;對葉綠素敏感的可見光波段是氮素的間接吸收波段，在作物氮素的遙感估算中得到廣泛研究［4－7］。氮素高光譜監(jiān)測無論是基于各種變換光譜，還是高光譜植被指數(shù)，目的就是要抑制環(huán)境背景噪聲，直接或間接擴大氮素吸收的變異區(qū)間，提高氮素的估算能力。近年來，部分學者將在礦物高光譜分析領(lǐng)域應(yīng)用的連續(xù)統(tǒng)去除法延伸到作物養(yǎng)分估算研究［8－10］。結(jié)果表明連續(xù)統(tǒng)去除法能有效去除光譜信息噪聲，消除葉肉結(jié)構(gòu)參數(shù)的影響，進而增加不同氮素處理之間吸收谷的深度差異［11－12］，基于連續(xù)統(tǒng)去除光譜發(fā)展的吸收特征參數(shù)可以提高對作物氮素的響應(yīng)能力［4，13］，但相關(guān)結(jié)論還需要更多的作物和地區(qū)試驗加以驗證。當前，探討連續(xù)統(tǒng)去除光譜對冬小麥葉片氮素響應(yīng)能力的研究較少，且以往的研究很少對可見光-近紅外波段范圍內(nèi)的整體連續(xù)統(tǒng)去除光譜以及葉綠素強烈吸收的藍光吸收谷的連續(xù)統(tǒng)去除光譜進行探討。本文基于多年小區(qū)試驗所獲取的冬小麥冠層光譜信息和相應(yīng)葉片全氮含量(質(zhì)量分數(shù)，%)，采用連續(xù)統(tǒng)去除方法對400～1 350 nm的冠層光譜進行處理，探討紅光、藍光和整個可見光范圍內(nèi)連續(xù)統(tǒng)去除方法定量估算冬小麥氮素含量的潛力，為冬小麥氮素營養(yǎng)的高光譜遙感監(jiān)測提供理論基礎(chǔ)。

1 材料與方法

1.1 試驗設(shè)計與數(shù)據(jù)獲取

2013—2015年在陜西楊凌西北農(nóng)林科技大學農(nóng)作1站，2014—2015年在陜西省咸陽市乾縣三合村進行冬小麥(小偃22)氮素脅迫小區(qū)試驗。小區(qū)面積分別為12m2和36m2，播種量為185 kg/hm2，行距為20 cm，設(shè)置2個重復。試驗設(shè)6個氮素水平，分別為0、1/4、2/4、3/4、1、5/4標準施肥量，標準氮肥施入量為120 kg/hm2，以尿素作基肥(純氮含量為46%)一次施入，不追肥，小區(qū)管理按照大田模式進行。在冬小麥返青期、拔節(jié)期、孕穗期和乳熟期內(nèi)，選擇晴朗無風的天氣，采用美國SVC HR-1024I型野外光譜輻射儀，在10:30—14:00之間進行冠層光譜測定。測量前進行標準白板校正，觀測時傳感器垂直向下，距離冠層130 cm，視場角25°。設(shè)置1次采樣重復10次，以其平均值作為該觀測樣點的光譜。每個小區(qū)均勻采集3個樣點，以樣點光譜的平均值作為該樣區(qū)的冠層光譜。在測量冠層光譜的區(qū)域選取有代表性小麥20株，采集其全部綠色葉片，在室內(nèi)利用凱氏定氮法測定葉片全氮含量。

1.2 冠層光譜數(shù)據(jù)處理

將400～1 350 nm的冠層光譜重采樣為1 nm，利用二次多項式和9個平滑點數(shù)進行Savitzky-Golay平滑濾波處理。在ENVI 4.8中對去噪后的冠層光譜進行連續(xù)統(tǒng)去除光譜信息提取。連續(xù)統(tǒng)去除處理實質(zhì)上就是將光譜曲線中的吸收谷歸一化到吸收谷的連續(xù)統(tǒng)線上［4，14］。計算式為

式中 Scr——連續(xù)統(tǒng)去除光譜反射率

R——原始光譜反射率

Rc——連續(xù)統(tǒng)線反射率

Scr的取值在［0，1］之間，其大小表征了光譜吸收特性的強弱，在其基礎(chǔ)上提取7類吸收特征參數(shù):①最大吸收深度:吸收峰中的最大吸收值。②吸收波段波長:最大吸收深度對應(yīng)的波長。③吸收峰總面積:起始和終止波長內(nèi)的波段深度的積分。④吸收峰左面積:吸收波段波長左邊吸收峰積分面積。⑤吸收峰右面積:吸收波段波長右邊吸收峰積分面積。⑥對稱度:吸收峰左面積和右面積的比值。⑦面積歸一化最大吸收深度:最大吸收深度與吸收峰總面積的比值。

1.3 建模和檢驗樣本提取

試驗共獲得冬小麥冠層光譜和相應(yīng)葉片氮含量有效樣本315個。全生育期中的葉片氮含量最小值為0.22%，最大值為3.87%，平均值為1.47%，具有中等空間變異性，變異系數(shù)為52.03%。將葉片氮含量按照由小到大的順序進行排列，按照4∶1的比例抽取建模集和驗證集，共獲得建模樣本252個，檢驗樣本63個。全生育期樣本、建模樣本和檢驗樣本的葉片氮含量數(shù)據(jù)服從標準正態(tài)分布。

2 結(jié)果與分析

2.1 原始冠層光譜和連續(xù)統(tǒng)去除光譜特性分析

400～1 350nm冬小麥原始冠層光譜和連續(xù)統(tǒng)去除光譜如圖1所示。綠光波段的反射率(1.5%～9.2%)低于近紅外高反射平臺(18.7%～61%)，可見光-近紅外波段冠層光譜反射率在770 nm附近達到峰值，連續(xù)統(tǒng)去除光譜為1。葉綠素強烈吸收藍光(450 nm)和紅光(600 nm)形成的2個吸收谷，在400～770 nm的連續(xù)統(tǒng)去除光譜上形成“雙谷”結(jié)構(gòu)。本文以綠光中心位置 550 nm和反射峰值770 nm為界，重點探討400～550 nm和550～770 nm 2個葉綠素吸收谷，以及400～770 nm波段整體吸收特性的連續(xù)統(tǒng)去除光譜與葉片氮含量之間的相關(guān)關(guān)系。

圖1 冬小麥冠層光譜特性曲線Fig．1 Canopy spectrum properties of winter wheat

2.2 原始冠層光譜與葉片氮含量的相關(guān)性分析

原始冠層光譜與葉片氮含量的相關(guān)性如圖2所示，400～736 nm波段光譜反射率與葉片氮含量呈顯著負相關(guān)(P＜0.01)，其中400～720 nm相關(guān)系數(shù)絕對值高于0.6，614～644 nm波段相關(guān)系數(shù)為－0.752。745～1 145 nm光譜反射率與葉片氮含量呈顯著正相關(guān)關(guān)系，779～785 nm波段的相關(guān)系數(shù)最高，可以達到0.4，相關(guān)程度整體上弱于770 nm以內(nèi)的可見光部分。在與葉片氮含量相關(guān)性最好的波段區(qū)間內(nèi)(614～644 nm)，選擇葉綠素吸收波段的640 nm波長作為原始冠層光譜的敏感波長。

圖2 冬小麥冠層光譜與葉片氮含量的相關(guān)系數(shù)Fig．2 Correlation coefficient between canopy spectrum and leaf nitrogen content

2.3 連續(xù)統(tǒng)去除光譜與葉片氮含量的相關(guān)性分析

連續(xù)統(tǒng)去除光譜反射率在400～765 nm、934～ 1 050 nm、1 124～1 290 nm、1 304～1 350 nm波段明顯改善了原始光譜與葉片氮含量之間的相關(guān)性(圖2)，其中400～760 nm、1 180～1 270 nm的連續(xù)統(tǒng)去除光譜反射率與葉片氮含量在P＜0.01水平下顯著負相關(guān)，且相關(guān)系數(shù)絕對值大于0.6。紅光波段 721～727 nm的相關(guān)性最好，相關(guān)系數(shù)為－0.851，本文選擇725 nm波長作為連續(xù)統(tǒng)去除光譜對葉片氮含量的最佳敏感波長。

2.4 400～770 nm連續(xù)統(tǒng)去除光譜對葉片氮含量的響應(yīng)

2.4.1 連續(xù)統(tǒng)去除光譜隨葉片氮含量的變化

如圖3所示，400～550 nm波段連續(xù)統(tǒng)去除光譜隨著葉片氮含量的增加，吸收谷的位置向長波方向移動，最大吸收深度逐漸增加，吸收谷的面積沒有明顯的變化規(guī)律。550～770 nm和400～770 nm波段連續(xù)統(tǒng)去除光譜均隨著葉片氮含量的增加整體下移，吸收谷的面積呈顯著增加趨勢，吸收谷的位置和最大吸收深度的變化規(guī)律同400～550 nm波段。

圖3 連續(xù)統(tǒng)去除光譜對葉片氮含量的響應(yīng)Fig．3 Responses of continuum removed spectra to leaf nitrogen content

2.4.2 吸收特征參數(shù)與葉片氮含量的相關(guān)分析

基于 400～550 nm、550～770 nm和 400～770 nm的連續(xù)統(tǒng)去除光譜反射率提取光譜吸收特征參數(shù)，計算其與葉片氮含量的相關(guān)性(表1)。結(jié)果表明，400～550 nm波段吸收峰左面積和吸收峰總面積與葉片氮含量的相關(guān)性較低，沒有通過0.05水平的顯著性檢驗，面積歸一化最大吸收深度與葉片氮含量顯著正相關(guān)，相關(guān)系數(shù)為0.573。550～770 nm和400～770 nm的最大吸收深度、吸收峰左面積、吸收峰右面積、吸收峰總面積與葉片氮含量顯著正相關(guān)，吸收波段波長、對稱度和面積歸一化最大吸收深度與葉片氮含量呈顯著負相關(guān)。550～770 nm吸收峰總面積與葉片氮含量的相關(guān)系數(shù)最高，為0.851。

2.5 基于敏感波段的葉片氮含量估算與檢驗

以原始冠層光譜640 nm波長的反射率和連續(xù)統(tǒng)去除光譜725 nm波長的反射率建立葉片氮含量的回歸估算模型(圖4)，結(jié)果表明，敏感波長反射率與葉片氮含量的關(guān)系更適合用指數(shù)模型擬合。隨著敏感波長反射率的增加，葉片氮含量均呈現(xiàn)下降的趨勢，回歸方程的決定系數(shù)分別為0.688和0.789。63個樣本點的檢驗結(jié)果表明，連續(xù)統(tǒng)去除光譜的估算精度優(yōu)于原始光譜，檢驗樣本實測值與預(yù)測值的擬合決定系數(shù)(R2)分別為0.85和0.73，均方根誤差(RMSE)和預(yù)測相對誤差(REP)值均低于原始光譜的估算模型(圖4)。連續(xù)統(tǒng)去除光譜的預(yù)測值和實測值的分布接近于1∶1線，原始冠層光譜對葉片氮含量大于2.6%的模擬結(jié)果偏差較大，存在不同程度的低估。相對于原始冠層光譜，紅邊區(qū)域725 nm的連續(xù)統(tǒng)去除光譜反射率所建立的葉片氮含量指數(shù)估算模型更適于指示全生育期冬小麥葉片氮素狀況的動態(tài)變化。

表1 光譜吸收特征參數(shù)與葉片氮含量的相關(guān)分析(n=252)Tab．1 Correlation coefficients between LNC and spectrum absorption param eters

圖4 基于敏感波段的葉片氮含量估算模型與檢驗結(jié)果Fig．4 Model estimation and testing for leaf nitrogen content based on sensitive bands

2.6 基于吸收特征參數(shù)的葉片氮含量估算與檢驗

從表1中選擇與葉片氮含量相關(guān)性最高，且達到0.01顯著性水平的吸收特征參數(shù)進行葉片氮含量估算。連續(xù)統(tǒng)去除光譜400～550 nm的面積歸一化最大吸收深度，550～770 nm和400～770 nm的吸收峰總面積所建立的葉片氮含量估算模型如圖5所示。葉片氮含量隨400～550 nm面積歸一化最大吸收深度的變化沒有明顯的規(guī)律性，線性擬合方程的決定系數(shù)僅為0.35。550～770 nm和400～770 nm的吸收峰總面積與葉片氮含量的關(guān)系均表現(xiàn)為顯著的指數(shù)關(guān)系模型，估算模型的決定系數(shù)分別為0.82和0.79。從模型檢驗的結(jié)果來看(圖6)，基于550～770 nm和400～770 nm波段吸收峰總面積的估算模型明顯優(yōu)于400～550 nm波段。400～550 nm面積歸一化最大吸收深度估算模型的均方根誤差和預(yù)測相對誤差較大(RMSE為0.34，REP為22.77%)，不宜用于葉片氮含量的動態(tài)監(jiān)測。550～770 nm波段吸收峰總面積的估算模型表現(xiàn)穩(wěn)定，具有最小的均方根誤差和預(yù)測相對誤差，提升了葉片氮含量高值區(qū)的估算能力，是較為理想的葉片氮含量估算模型，表達式為y=0.010 1e0.0359x，R2=0.82。

圖5 吸收特征參數(shù)與葉片氮含量空間分布Fig．5 Spatial distributions of leaf nitrogen content and absorption features

3 討論

作物的光譜吸收是作物葉片中不同生物化學成分含量與每個成分吸收系數(shù)的代數(shù)和，光譜維方向的特征信息主要表現(xiàn)為作物中生物化學成分含量變化而形成不同的吸收波形［15－16］。連續(xù)統(tǒng)去除光譜將小麥冠層光譜映射到局部連續(xù)統(tǒng)線上，歸一化處理使得局部吸收特征之間的差異放大。本文400～1 350 nm連續(xù)統(tǒng)去除光譜在400～765 nm、934～1 050 nm、1 124～1 290 nm、1 304～1 350 nm波段顯著改善了原始光譜與葉片氮含量之間的相關(guān)性。葉片氮含量的最佳敏感波長位于可見光范圍，連續(xù)統(tǒng)去除光譜725 nm處反射率的建模精度優(yōu)于原始光譜640 nm波長的反射率。

圖6 基于吸收特征參數(shù)的葉片氮含量估算模型檢驗結(jié)果Fig．6 Testing of estimationmodels of leaf nitrogen content based on absorption features

葉綠素與葉片氮含量之間存在較好的相關(guān)性［17－18］，藍光和紅光吸收谷是小麥葉綠素含量的直接表征。本文對葉綠素強烈吸收的藍光、紅光附近的連續(xù)統(tǒng)去除光譜與葉片氮含量的相關(guān)性進行了探討，其中藍光吸收谷(400～550 nm)較淺，吸收深度較低，吸收谷的位置和深度與葉片氮含量顯著相關(guān)，隨著葉片氮含量的變化呈現(xiàn)一定的規(guī)律性。而其他吸收特征參數(shù)規(guī)律性并不明顯，這是因為隨著葉片氮含量的增加，冠層反射光譜曲線在420 nm附近形成一個微弱的峰值，連續(xù)統(tǒng)去除光譜將這一現(xiàn)象擴大化，使得吸收峰左半部分光譜曲線交叉，規(guī)律性減弱。550～770 nm的紅光波段連續(xù)統(tǒng)去除光譜特征參數(shù)均與葉片氮含量呈顯著相關(guān)關(guān)系。隨著葉片氮含量的增加，吸收谷的位置向長波方向移動，最大吸收深度和吸收谷的面積增加，與葉片氮含量呈顯著正相關(guān)關(guān)系，放大了由氮素脅迫間接引起的光譜吸收特性?？梢姽夥秶?400～770 nm)整體的連續(xù)統(tǒng)去除光譜對葉片氮含量的變化響應(yīng)敏感，變化規(guī)律與550～770 nm波段相同，建模精度略低于550～770 nm波段。550～770 nm波段吸收峰總面積建立的葉片氮含量指數(shù)估算模型，其建模精度和模型檢驗精度最高，估算能力優(yōu)于連續(xù)統(tǒng)去除光譜的敏感波段。

原始光譜敏感波段反射率、連續(xù)統(tǒng)去除光譜敏感波段反射率以及連續(xù)統(tǒng)去除光譜在400～770 nm和550～770 nm的吸收峰總面積與冬小麥葉片氮含量的關(guān)系均表現(xiàn)為非線性，更適合用指數(shù)模型表達，這與張雪紅等［10］的研究結(jié)果一致。隨著敏感波段反射率的增加，葉片氮含量下降;隨著吸收峰總面積的增加，葉片氮含量增加。所有的模型對葉片氮含量的高值均存在不同程度的低估，即葉片氮含量增加到一定程度時，冠層光譜的原始反射率、連續(xù)統(tǒng)去除光譜反射率以及相關(guān)吸收特征參數(shù)都存在飽和現(xiàn)象，各特征參數(shù)的飽和位置存在差異?？傮w上，基于連續(xù)統(tǒng)去除光譜的飽和點略高于原始光譜，可以在一定程度上改善高值氮含量的估算精度。本研究中，連續(xù)統(tǒng)去除光譜對2.6%～3.3%的葉片氮含量的估算精度改善明顯，當然這一現(xiàn)象仍需要大量的試驗數(shù)據(jù)加以驗證。后續(xù)的研究中應(yīng)增加高值氮含量的樣點數(shù)目，加強分生育期連續(xù)統(tǒng)去除光譜對葉片氮含量的估算能力探討，嘗試研究冬小麥群體氮素含量指標與連續(xù)統(tǒng)去除光譜的定量關(guān)系。

4 結(jié)論

(1)連續(xù)統(tǒng)去除光譜改善了原始冠層光譜與葉片氮含量之間的相關(guān)性，在721～727 nm與葉片氮含量呈顯著負相關(guān)，相關(guān)系數(shù)達到－0.851，紅邊區(qū)域725 nm波長的連續(xù)統(tǒng)去除光譜反射率所建立的葉片氮含量指數(shù)估算模型優(yōu)于原始冠層光譜640 nm波長。

(2)吸收特征參數(shù)增強了吸收波段對葉片氮含量的估算能力，藍光(400～500 nm)波段吸收特征參數(shù)與葉片氮含量的相關(guān)性整體上弱于紅光(550～770 nm)波段，利用550～770 nm波段的吸收峰總面積所建立的葉片氮含量指數(shù)估算模型優(yōu)于敏感波段所建模型，模型的精度和穩(wěn)定性較高，可用來定量估算冬小麥葉片氮素含量。

1 THOMASV，TREITZ P，MCCAUGHEY JH，etal．Canopy chlorophyll concentration estimation using hyperspectraland lidar datafor a borealmixedwood forest in northern Ontario，Canada［J］．International Journal of Remote Sensing，2008，29(4):1029－1052．

2 ZHAO D，HUANG L，LI J，et al．A comparative analysis of broadband and narrowband derived vegetation indices in predicting LAIand CCD of a cotton canopy［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2007，62(1):25－33．

3 姚付啟，蔡煥杰，王海江．冬小麥冠層高光譜特征與覆蓋度相關(guān)性研究［J/OL］．農(nóng)業(yè)機械學報，2012，43(7):156－162．http:∥www．j-csam．org/jcsam/ch/reader/view_abstract．a(chǎn)spx?flag=1＆file_no=20120729＆journal_id=jcsam．DOI:10．6041/j．issn．1000-1298．2012．07．029．YAO Fuqi，CAIHuanjie，WANG Haijiang．Correlation between percentage vegetation cover and hyperspectral characteristics of winter wheat［J/OL］．Transactions of the Chinese Society for Agricultural Machinery，2012，43(7):156－162．(in Chinese)

4 KOKALY R F．Investigating a physical basis for spectroscopic estimates of leaf nitrogen concentration［J］．Remote Sensing of Environment，2001，75(2):153－161．

5 NGUYEN H T，LEE BW．Assessment of rice leaf growth and nitrogen status by hyperspectral canopy reflectance and partial least square regression［J］．European Journal of Agronomy，2006，24(4):349－356．

6 SCHLEMMER M，GITELSON A，SCHEPERS J，etal．Remote estimation of nitrogen and chlorophyll contents inmaize at leaf and canopy levels［J］．International Journal of Applied Earth Observation and Geoinformation，2013，25:47－54．

7 黃雙萍，洪添勝，岳學軍，等．基于高光譜的柑橘葉片氮素含量多元回歸分析［J］．農(nóng)業(yè)工程學報，2013，29(5):132－138．HUANG Shuangping，HONG Tiansheng，YUE Xuejun，et al．Multiple regression analysis of leaf nitrogen content using hyperspectral technology［J］．Transactions of the CSAE，2013，29(5):132－138．(in Chinese)

8 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)學報，2006，30(1):78－82．ZHANG Jinheng．Rice nitrogen nutrition diagnosis using continuum-removed reflectance［J］．Journal of Plant Ecology，2006，30(1):78－82．(in Chinese)

9 張雪紅，劉紹民，何蓓蓓，等．基于包絡(luò)線消除法的油菜氮素營養(yǎng)高光譜評價［J］．農(nóng)業(yè)工程學報，2008，24(10):151－155．ZHANG Xuehong，LIU Shaomin，HE Beibei，et al．Hyperspectral evaluation of rape nitrogen nutrition using continumm removed method［J］．Transactions of the CSAE，2008，24(10):151－155．(in Chinese)

10 張雪紅，田慶久．基于連續(xù)統(tǒng)去除法的冬小麥葉片氮積累量的高光譜評價［J］．生態(tài)學雜志，2010，29(1):181－186．ZHANG Xuehong，TIAN Qingjiu．Hyperspectral evaluation of nitrogen accumulation in winter wheat leaves based on continuumremoved method［J］．Chinese Journal of Ecology，2010，29(1):181－186．(in Chinese)

11 MUTANGA O，SKIDMORE A K，WIEREN V S．Discriminating tropical grass(Cenchrus ciliaris)canopies grown under different nitrogen treatments using spectroradiometry［J］．ISPRS Journal of Photogrammetry and Remote Sensing，2003，57(4):263－272．

12 施潤和，莊大方，牛錚，等．葉肉結(jié)構(gòu)對葉片光譜及生化組分定量反演的影響［J］．中國科學院研究生院學報，2005，22(5): 589－595．SHIRunhe，ZHUANG Dafang，NIU Zheng，et al．Influence of mesophyll structure on leaf spectra and biochemical inversion［J］．Journal of the Graduate School of the Chinese Academy of Sciences，2005，22(5):589－595．(in Chinese)

13 HUANG Z，TURNER B J，DURY S J，et al．Estimating foliage nitrogen concentration from HYMAP data using continuum removal analysis［J］．Remote Sensing of Environment，2004，93(1):18－29．

14 NOOMEN M F，SKIDMORE A K，MEER F D V D，et al．Continuum removed band depth analysis for detecting the effects of natural gas，methane and ethane on maize reflectance［J］．Remote Sensing of Environment，2006，105(3):262－270．

15 ECARNOT M，COMPAN F，ROUMET P．Assessing leaf nitrogen content and leaf mass per unit area of wheat in the field throughout plant cycle with a portable spectrometer［J］．Field Crops Research，2013，140:44－50．

16 INOUE Y，SAKAIYA E，ZHU Y，et al．Diagnostic mapping of canopy nitrogen content in rice based on hyperspectral measurements［J］．Remote Sensing of Environment，2012，126:210－221．

17 MADAKADZE IC，STEWART K A，MADAKADZE R M，et al．Field evaluation of the chlorophyllmeter to predict yield and nitrogen concentration of switchgrass［J］．Journal of Plant Nutrition，1999，22(6):1001－1010．

18 LIN F F，DENG J S，SHI Y Y，et al．Investigation of SPAD meter-based indices for estimating rice nitrogen status［J］．Computers and Electronics in Agriculture，2010，71(Supp．):S60－S65．

Estimation of Winter Wheat Leaf Nitrogen Content Based on Continuum Removed Spectra

LIFenling1，2CHANG Qingrui1，2
(1．College of Natural Resources and Environment，Northwest A＆F University，Yangling，Shaanxi712100，China 2．Key Laboratory of Plant Nutrition and the Agri-Environment in Northwest China，Ministry of Agriculture，Yangling，Shaanxi712100，China)

Based on plot experiments of winter wheat in Guanzhong area of Shaanxi Province，canopy hyper-spectral reflectance data was collected at different winter wheat growth stages．Seven absorption featureswere calculated based on continuum removed spectra of original canopy spectrum，which were used to explore the quantitative relationship with leaf nitrogen content．The results showed that continuum removed processing enlarged the small differences inherent in original canopy spectra and absorption characteristics controlled by nitrogen stress．The continuum removal spectra obviously improved the correlationship between original canopy reflectance and leaf nitrogen content．Itwas negatively correlated with leaf nitrogen content in 721～727 nm with determination coefficient of－0.851．The absorption characteristics parameters improved the leaf nitrogen estimation accuracy compared with sensitive bands，and the estimation accuracy by absorption parameters in 550～770 nm performed well than that by the variables in 400～550 significantly．Between all the absorption parameters in 550～770 nm and 400～770 nm bands，the total absorption area，left absorption area，right absorption area and area normalized maximal absorption deep gavemore stable achievements than the others，and passed the significant test at P＜0.01 levelwith absolute value of correlation coefficient over0.8．The best predictionmodelwas built by total absorption area in 550～770 nm with determination coefficient of0.82 with exponential formation．Accuracy test also confirmed the conclusion that the prediction model by total absorption area in 550～770 nm wasmore suitable for estimating the leaf nitrogen content of winter wheat quantificationally．

winter wheat;leaf;nitrogen content;estimation;continuum removal;hyper-spectra

TP79;S127

A

1000-1298(2017)07-0174-06

2016-10-27

2016-11-23

國家高技術(shù)研究發(fā)展計劃項目(2013AA102401)和中央高校基本科研業(yè)務(wù)費專項資金項目(2452017108)

李粉玲(1981—)，女，講師，博士，主要從事遙感與GIS應(yīng)用研究，E-mail:fenlingli@nwsuaf．edu．cn

常慶瑞(1959—)，男，教授，博士生導師，主要從事土地資源與空間信息技術(shù)研究，E-mail:changqr@nwsuaf．edu．cn

10．6041/j．issn．1000-1298．2017．07．022