有序機(jī)拋條件下雜交稻SPAD值光譜估算模型

胡海燕 陽會(huì)兵

摘 要：在輕簡(jiǎn)化栽培技術(shù)的前提下，研究有序機(jī)拋條件下水稻不同生育期葉綠素相對(duì)含量的光譜估算模型。分析水稻葉片SPAD 值與冠層一階微分光譜的相關(guān)性，選取相關(guān)系數(shù)最大的波段作為敏感波長(zhǎng)，建立了基于敏感波長(zhǎng)的線性、指數(shù)和多項(xiàng)式的SPAD 值估算模型，并利用決定系數(shù)（R2）、均方根誤差（RMSE）以及相對(duì)誤差（RE）對(duì)模型精度進(jìn)行評(píng)價(jià)。結(jié)果表明：在近紅外波段（780～1000nm），雜交稻不同生育時(shí)期的光譜反射率差異較大;各生育期的SPAD值與冠層光譜相關(guān)性較好，分蘗期R439=0.7182、孕穗期R773=0.8294、齊穗期R669=0.7761和灌漿期R994=0.8028的多項(xiàng)式模型的SPAD值含量估測(cè)效果較好;孕穗期的模型擬合效果最佳。

關(guān)鍵詞：有序機(jī)拋;雜交稻;SPAD值;冠層光譜

中圖分類號(hào)：S511;TP7 ? ? 文獻(xiàn)標(biāo)志碼：A

Spectral Estimation Model for SPAD Value of Hybrid Rice under Orderly Throwing Cultivation

HU Haiyan， YANG Huibing*

（College of Agriculture， Hunan Agricultural University，

Changsha， Hunan 410128， China）

Abstract： Based on the light simplified cultivation techniques， the spectral estimation model of chlorophyll relative content of rice at different growth stages under orderly throwing cultivation was studied. The correlation between the SPAD value of rice leaves and the first-order differential spectrum of canopy was analyzed， and the band with the largest correlation coefficient was selected as the sensitive wavelength to establish the linear， exponential and polynomial SPAD value estimation model based on the sensitive wavelength， and the accuracy of the model was evaluated by using the determination coefficient （R2）， root mean square error （RMSE） and relative error （RE）. The results showed that the spectral reflectance of hybrid rice at different growth stages varied greatly in the near infrared band （780～1000 nm）; the correlation between SPAD value and canopy spectrum at each growth stage was good. The polynomial model with R439 = 0.7182 at tillering stage， R773 = 0.8294 at booting stage， R669 = 0.7761 at full heading stage and R994 = 0.8028 at filling stage had better estimation effect; the model fitting effect at booting stage was the best.

Key words： Orderly machine throwing; hybrid rice; SPAD value; canopy spectrum

水稻是我國(guó)重要的糧食作物之一，在保障國(guó)家糧食安全方面起了極其重要的作用。隨著農(nóng)村勞動(dòng)力的減少以及現(xiàn)代農(nóng)業(yè)的進(jìn)步與發(fā)展，人們對(duì)水稻種植的機(jī)械化需求增加，而傳統(tǒng)人工栽插的水稻種植方式已經(jīng)無法適應(yīng)日益發(fā)展的水稻生產(chǎn)需求[1]。為保證口糧安全，我國(guó)傳統(tǒng)水稻生產(chǎn)方式朝機(jī)械化、輕簡(jiǎn)化的方向轉(zhuǎn)型[2]。而目前機(jī)械移栽技術(shù)是水稻全程機(jī)械化生產(chǎn)方面的瓶頸和熱點(diǎn)。水稻有序機(jī)拋技術(shù)作為湖南省主推的水稻栽培新技術(shù)之一，其工作效率高，且生產(chǎn)效益好[3]。再加上目前農(nóng)業(yè)生產(chǎn)領(lǐng)域“一控兩減三基本”戰(zhàn)略中的“兩減”是要求減少化肥、農(nóng)藥使用總量，研究有序機(jī)拋技術(shù)條件增密減肥輕簡(jiǎn)化栽培具有現(xiàn)實(shí)意義。

葉綠素含量是影響植物光合作用能力、反映植物生長(zhǎng)發(fā)育狀況的重要指標(biāo)[4]。葉綠素含量變化也是植物長(zhǎng)勢(shì)監(jiān)測(cè)的重要指標(biāo)。而SPAD值代表植物葉片葉綠素含量的相對(duì)值，同時(shí)也可以反映了植物的綠色程度，且能在一定程度上評(píng)價(jià)作物的生長(zhǎng)狀況[5，6]。因此，對(duì)植物SPAD值的監(jiān)測(cè)與研究具有重要意義。目前國(guó)內(nèi)外很多學(xué)者在高光譜估測(cè)SPAD值方面做了大量的研究。唐延林等（2003年）測(cè)定了不同品種不同供氮條件下的水稻冠層高光譜反射率和對(duì)應(yīng)的葉綠素和類胡蘿卜素含量，分析出由微分光譜所得的紅邊位置、紅邊斜率和植被指數(shù)與冠層葉綠素、類胡蘿卜素含量顯著相關(guān)[7]。孫小香等（2018年）發(fā)現(xiàn)利用主成分分析結(jié)合支持向量回歸構(gòu)建的模型能很好的預(yù)測(cè)SPAD值[8]。孫玉婷等（2020年）通過多種植被指數(shù)與光譜位置參數(shù)與SPAD值的相關(guān)性研究，發(fā)現(xiàn)選擇相關(guān)性高的信息作為建模輸入，得到更理想的建模結(jié)果[9]。由此可見，國(guó)內(nèi)已有研究在水稻SPAD值與光譜的研究方面，注重于通過建模方法以及光譜特征參數(shù)的豐富來提升模型精度。但由于地形地勢(shì)及種植面積等多種因素限制，高光譜技術(shù)與水稻全程機(jī)械化相結(jié)合的研究較少，普適性不夠強(qiáng)。

本研究采集水稻關(guān)鍵生育期的光譜數(shù)據(jù)和SPAD 值，分析一階微分光譜數(shù)據(jù)與SPAD值的相關(guān)關(guān)系，利用相關(guān)性最強(qiáng)的波段分別建立不同生育期水稻SPAD 值的一元線性、指數(shù)、多項(xiàng)式的預(yù)測(cè)模型，通過計(jì)算模型的 R2、RMSE 和 RE 等對(duì)模型精度進(jìn)行驗(yàn)證和比較，得出最優(yōu)模型，并通過1：1的線性擬合，得出建模效果最佳的生育時(shí)期。

1 材料與方法

1.1 試驗(yàn)區(qū)概況與試驗(yàn)條件

1.1.1 試驗(yàn)區(qū)概況

試驗(yàn)地點(diǎn)位于湖南農(nóng)業(yè)大學(xué)瀏陽教學(xué)科研綜合基地（113°84′E，28°30′N），試驗(yàn)區(qū)面積0.5 hm2，系丘陵小盆地，屬亞熱帶季風(fēng)濕潤(rùn)氣候，年平均氣溫17.3 ℃，1月平均氣溫5.4 ℃，7月平均氣溫28.7 ℃，年均降水量1358.6～1552.5 mm。土壤為潴育性水稻土，有機(jī)碳、全氮、全 磷、全鉀含量分別為 29.1、1.58、0.49、14.62g/kg，pH值為5.71。前茬為油菜，還田生物量較大，試驗(yàn)區(qū)的總體施肥水平略低于冬閑田。

1.1.2 供試品種

供試品種選用湖南水稻生產(chǎn)主推的晶兩優(yōu)華占（由晶4155S和華占雜交選育而成），該品種在長(zhǎng)江中下游作一季中稻種植，全生育期138.5天。

1.1.3 有序機(jī)拋技術(shù)體系

水稻有序機(jī)拋技術(shù)是2020年湖南省主推的水稻栽培新技術(shù)之一，其技術(shù)體系包括流水線播種、智能催芽、機(jī)缽體育秧、有序拋栽等核心技術(shù)。實(shí)現(xiàn)了水稻移栽機(jī)械化、精量化、有序化（成行成穴），通過使用水稻有序拋秧機(jī)將秧苗在水田中拋成規(guī)則行與蔸，并按高產(chǎn)要求促控管理，能有效解決傳統(tǒng)拋秧栽培與種植方式的無序性和低效性[10]。

1.2 試驗(yàn)設(shè)計(jì)

由于試驗(yàn)田基礎(chǔ)肥力一致，考慮全程機(jī)械化作業(yè)的可操作性和現(xiàn)有機(jī)械的行距設(shè)置檔位情況，采用裂區(qū)試驗(yàn)設(shè)計(jì)。主區(qū)為機(jī)拋密度，設(shè)3種密度處理：低密度（16萬穴/hm2）、中密度（19萬穴/hm2）、高密度（24萬穴/hm2），分別用D1、D2、D3表示。副區(qū)為施肥量，設(shè)2種施肥處理：常規(guī)施肥（復(fù)合肥600 kg/hm2、尿素225 kg/hm2、氯化鉀105 kg/hm2）和減少施肥（復(fù)合肥450 kg/hm2、尿素225 kg/hm2、氯化鉀105 kg/hm2），分別用N1和N2表示。共6個(gè)不同的密度及施肥處理，每個(gè)處理設(shè)3次重復(fù)，共計(jì)18個(gè)小區(qū)，小區(qū)面積為260 m2（20 m×13 m）。試驗(yàn)處理以外的水分管理以及病蟲防治均采用常規(guī)技術(shù)。

試驗(yàn)于2020年5-9月在湖南農(nóng)業(yè)大學(xué)瀏陽教學(xué)科研綜合基地進(jìn)行。5月3日浸種，5月5日播種育秧，5月23日采用中聯(lián)重科拋秧機(jī)進(jìn)行移栽， 9月7日用收割機(jī)收獲。

1.3 數(shù)據(jù)采集

1.3.1 光譜數(shù)據(jù)采集

水稻冠層光譜采用美國(guó) ASD 公司生產(chǎn)的 Hand Held 2 手持地物光譜儀進(jìn)行測(cè)定，該儀器波段為325～1075 nm，其中光譜分辨率 <3 nm@700 nm，波長(zhǎng)精度為1 nm。于水稻分蘗盛期（6月17日）、孕穗期（7月14日）、齊穗期（8月17日）、灌漿中期（8月22日）等關(guān)鍵生育時(shí)期，選擇天氣晴朗、無風(fēng)或者風(fēng)速微弱的北京時(shí)間 10：00—14：00 進(jìn)行數(shù)據(jù)采集。測(cè)量時(shí)保持儀器垂直向下，距水稻冠層垂直高度約70 cm，且每3個(gè)重復(fù)的小區(qū)測(cè)定前均用自帶的標(biāo)準(zhǔn)白板校正1次。每個(gè)小區(qū)選取5個(gè)有代表性的樣本點(diǎn)進(jìn)行光譜測(cè)定，取平均值作為該小區(qū)的最終光譜反射值，本試驗(yàn)設(shè) 3 次重復(fù)，6個(gè)處理，每個(gè)生育期采集90條光譜數(shù)據(jù)。

1.3.2 SPAD 值測(cè)定

水稻SPAD值采用日本KONICA MINOLTA公司生產(chǎn)的 SPAD-502Plus 葉綠素計(jì)進(jìn)行測(cè)定。光譜數(shù)據(jù)采集當(dāng)天，在對(duì)應(yīng)測(cè)定冠層光譜的樣點(diǎn)處選擇一株，每株避開葉脈測(cè)定 5 次葉片的SPAD 值，取平均值作為該樣點(diǎn)的SPAD值。每小區(qū)共測(cè)量 5 株，取平均值作為該小區(qū)的葉綠素含量，本試驗(yàn)設(shè) 3 次重復(fù)，6 個(gè)處理，每個(gè)生育期采集90個(gè)SPAD 值數(shù)據(jù)。

1.4 數(shù)據(jù)處理

本試驗(yàn)在水稻4個(gè)關(guān)鍵生育期測(cè)定SPAD值與冠層光譜數(shù)據(jù)。6個(gè)處理，每個(gè)處理設(shè) 3 次重復(fù)，共18個(gè)小區(qū)，每個(gè)小區(qū)測(cè)量冠層光譜和 SPAD 值各5個(gè)，每次采集90組樣點(diǎn)數(shù)據(jù)，全生育期共獲得 360組樣點(diǎn)的數(shù)據(jù)，分析建模時(shí)將每個(gè)生育期中的90 組樣點(diǎn)數(shù)據(jù)按照分層隨機(jī)抽樣法選取 60組作為建模集，剩余 30組作為檢驗(yàn)集。

首先，利用View Spec Pro 6.0軟件對(duì)采集到的光譜數(shù)據(jù)進(jìn)行預(yù)處理，將原始光譜進(jìn)行拼接校正，平滑光譜曲線，并對(duì)原始光譜數(shù)據(jù)進(jìn)行一階微分求導(dǎo)，輸出原始光譜反射率和一階微分光譜值?？紤]到噪聲影響，選取400～1000nm的波長(zhǎng)進(jìn)行數(shù)據(jù)分析，利用Excel和SPSS 17.0軟件分析水稻冠層光譜數(shù)據(jù)和SPAD值的相關(guān)關(guān)系，再根據(jù)各生育期一階微分光譜與SPAD值的相關(guān)關(guān)系選擇相關(guān)系數(shù)最大的波段即特征波段，構(gòu)建一元線性、指數(shù)和多項(xiàng)式葉綠素含量反演模型，用 OriginPro 2021b軟件進(jìn)行繪圖。

采用決定系數(shù)（R2）、均方根誤差（RMSE）以及相對(duì)誤差（RE）等指標(biāo)對(duì)模型進(jìn)行驗(yàn)證與評(píng)價(jià)。R2越大，RMSE和RE越小，說明模型的精度越好。RMSE和RE的計(jì)算公式如下：

（yi代表實(shí)測(cè)值，<E：＼H盤的＼2017年廣西熱作＼2021年＼第5期＼b胡海燕1.tif>代表預(yù)測(cè)值，n是樣本數(shù)）

2 結(jié)果與分析

2.1 不同生育期水稻冠層反射光譜的特征

對(duì)供試水稻4個(gè)關(guān)鍵生育期的冠層原始光譜及一階微分光譜反射率數(shù)據(jù)進(jìn)行平均計(jì)算，得出如圖1、2所示的各關(guān)鍵生育時(shí)期的冠層原始光譜及一階微分光譜反射率的曲線。由圖 1可知，在可見光區(qū)域（400～730nm），各生育期冠層原始光譜反射率差異較小，光譜反射率隨生育期的遞進(jìn)呈上升趨勢(shì)，表現(xiàn)為分蘗期<孕穗期<齊穗期<灌漿期。而在近紅外波段（760～1000 nm），各生育期的光譜反射率差異較大。隨著生育期的遞進(jìn)，光譜反射率先上升后下降。從分蘗期到齊穗期，光譜反射率上升，且在齊穗期達(dá)到最大值，這是由于孕穗期是水稻由營(yíng)養(yǎng)生長(zhǎng)的積累轉(zhuǎn)向生殖生長(zhǎng)的階段，葉片飽滿，冠層面積變大，光譜反射率高。而齊穗期到成熟灌漿期，光譜反射率整體是下降的，可見進(jìn)入生殖生長(zhǎng)后，水稻光合作用產(chǎn)生的能量主要進(jìn)入稻穗以保證其生殖發(fā)育，葉片及莖稈葉綠素含量降低開始枯黃，葉面積也減少，因此對(duì)近紅外光反射減少，光譜反射率整體相應(yīng)下降[11]。

由圖2可知，各生育期在紅光范圍內(nèi)（680～760 nm）特征較為明顯，由分蘗期到齊穗期，水稻光譜的紅邊位置保持在726 nm處不變，表明水稻生長(zhǎng)狀況穩(wěn)定。到灌漿期紅邊位置移動(dòng)到716 nm處，即出現(xiàn)“藍(lán)移”，這是由于進(jìn)入灌漿期水稻葉片葉綠素含量降低，葉片枯黃且覆蓋率降低所致。

2.2 水稻冠層一階微分光譜與SPAD值的相關(guān)性分析

將各生育期水稻一階微分光譜反射率與其對(duì)應(yīng)的SPAD值分別進(jìn)行相關(guān)性分析（n=60），得到如圖3所示結(jié)果。由圖3可知，供試水稻不同生育期一階微分光譜反射率與SPAD值的相關(guān)系數(shù)變化規(guī)律不太明顯，且相關(guān)系數(shù)不太穩(wěn)定，只有在680～760 nm的紅邊區(qū)域較為穩(wěn)定。各生育期都有多處波段達(dá)顯著性甚至極顯著相關(guān)，其中孕穗期的最多，可見孕穗期冠層一階微分光譜反射率與對(duì)應(yīng)的SPAD值相關(guān)性最為穩(wěn)定且明顯，這與田容才[12]等的研究基本類似。

2.3 基于敏感波段的SPAD值估算模型構(gòu)建

根據(jù)各生育期水稻冠層一階微分光譜反射率與葉綠素含量的相關(guān)性，選擇相關(guān)系數(shù)最大的波段作為SPAD值估測(cè)的敏感波長(zhǎng)。分蘗期一階微分光譜反射率與相應(yīng)SPAD值的最大相關(guān)系數(shù)是0.7182，對(duì)應(yīng)波長(zhǎng)439 nm;孕穗期最大相關(guān)系數(shù)是0.8294，對(duì)應(yīng)波長(zhǎng)773 nm;齊穗期最大相關(guān)系數(shù)是-0.7761，對(duì)應(yīng)波長(zhǎng)669 nm;灌漿期最大相關(guān)系數(shù)是-0.8028，對(duì)應(yīng)波長(zhǎng)為994 nm。因此根據(jù)各生育期選取的特征波長(zhǎng)分別構(gòu)建SPAD值的線性、指數(shù)以及多項(xiàng)式回歸模型，并計(jì)算各個(gè)模型的R2、RMSE和RE（表1）。由表 1 可知 ：各關(guān)鍵生育期SPAD 值估算模型效果均較好，決定系數(shù)都在0.5以上。各生育期構(gòu)建的模型中，除齊穗期是線性模型表現(xiàn)最差外，其余三個(gè)生育期都以指數(shù)模型表現(xiàn)最差，而多項(xiàng)式模型在每個(gè)生育期都表現(xiàn)為最優(yōu)（R2最大，RMSE和 RE最小）。

2.4 模型優(yōu)選與驗(yàn)證

通過上述分析，基于敏感波長(zhǎng)選取各生育期表現(xiàn)最優(yōu)的多項(xiàng)式模型：分蘗期的y =-3E+06x2 + 5016.2x + 41.083，孕穗期的y =-755533x2 + 9137.1x + 31.868，齊穗期的y = 3E+06x2 - 3942.6x + 41.222，灌漿期的y =-75005x2-1979.3x+39.597作為SPAD值的估測(cè)模型。用各生育期剩余的30組實(shí)測(cè)的數(shù)據(jù)，分別用構(gòu)建的模型求出預(yù)測(cè)的SPAD值。再將每個(gè)生育期的30組預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行線性擬合，得到驗(yàn)證集的R2，并計(jì)算得到各模型相應(yīng)的RMSE和RE（圖4）。由圖4可知，各生育期最佳模型的驗(yàn)證結(jié)果都表現(xiàn)較好。不同生育期模型精度存在差異，總體表現(xiàn)為齊穗期和孕穗期模型精度最高，其次是灌漿期，最后是分蘗期。結(jié)合表1和圖4，孕穗期多項(xiàng)式模型效果最好，其建模集R2、RMSE和RE分別為0.688、1.336和2.572%，驗(yàn)證集R2、RMSE和RE分別為0.633、0.691和1.290%。

3 結(jié)論與討論

目前高光譜遙感監(jiān)測(cè)植物長(zhǎng)勢(shì)的研究主要集中于植物的葉片[13]和冠層[14]兩個(gè)方面，本研究采集水稻冠層關(guān)鍵生育期（分蘗期、孕穗期、齊穗期及灌漿期）的光譜數(shù)據(jù)，通過分析各生育期冠層一階微分光譜反射率與葉片SPAD值的相關(guān)性，構(gòu)建了水稻SPAD值光譜估算模型，并對(duì)模型反演精度進(jìn)行了比較，得到如下結(jié)論：1）分析各生育期水稻冠層光譜曲線特征，在可見光波段差異較小，在近紅外光波段差異較大。且從孕穗期開始隨著生育期的遞進(jìn)，SPAD值與光譜反射率的相關(guān)性降低，這與嚴(yán)林[15]等的研究類似;2）通過對(duì)水稻冠層一階微分光譜與SPAD值的相關(guān)性分析，得到了各生育期敏感波段，分別為分蘗期（439 nm）、孕穗期（773 nm）、齊穗期（669 nm）與灌漿期（994 nm）; 3）各生育期構(gòu)建的線性、指數(shù)和多項(xiàng)式模型中均表現(xiàn)為多項(xiàng)式模型的SPAD值含量估測(cè)效果較好，且經(jīng)過模型檢驗(yàn)，其中孕穗期的模型擬合效果最佳，其建模集R2、RMSE和RE分別為0.688、1.336和2.572%，驗(yàn)證集R2、RMSE和RE分別為0.633、0.691和1.290%。

本研究基于全程機(jī)械化有序機(jī)拋技術(shù)對(duì)水稻各生育期建立了SPAD值的光譜估算模型，旨在為全程機(jī)械化及輕簡(jiǎn)化栽培下的水稻遙感監(jiān)測(cè)提供數(shù)據(jù)支撐，構(gòu)建的模型精度較好，能為水稻遙感的監(jiān)測(cè)長(zhǎng)勢(shì)提供參考。但應(yīng)用的建模方法較為基礎(chǔ)，得出的結(jié)果適應(yīng)性不夠強(qiáng)，且僅通過研究SPAD值與水稻冠層光譜的關(guān)系無法反映作物生長(zhǎng)狀況以及輕簡(jiǎn)化栽培技術(shù)的實(shí)際效果，今后將繼續(xù)在此基礎(chǔ)下探究其他生長(zhǎng)指標(biāo)以及產(chǎn)量等的光譜估測(cè)模型構(gòu)建，并在建模方法上做進(jìn)一步探究。

參考文獻(xiàn)

[1]? ? ? 魏國(guó)俊，劉穎.水稻種植農(nóng)藝和機(jī)械化技術(shù)發(fā)展趨勢(shì)研究[J]. 江蘇農(nóng)機(jī)化，2020（5）：38-

41.

[2]? ? ? 王慰親，唐啟源，陳元偉，等.水稻機(jī)械精量有序拋秧栽培的產(chǎn)量形成和生長(zhǎng)發(fā)育特征研究[J].作物學(xué)報(bào)，2021，47（5）：942-951.

[3]? ? ?羅友誼，王慰親，鄭華斌，等.不同機(jī)械有序種植方式對(duì)水稻生長(zhǎng)特性及產(chǎn)量的影響[J].中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2021，23（7）：162-171.

[4]? ? ?Collins W. Remote sensing of crop type and maturity[J]. Photogrammetric Engineering and Remote Sensing， 1978，44（1）：43-55.

[5]? ? ?艾天成，李方敏，周治安，等.作物葉片葉綠素含量與SPAD值相關(guān)性研究[J].湖北農(nóng)學(xué)院學(xué)報(bào)，2000，20（1）：6-8.

[6]? ? ?趙小敏，孫小香，王芳東，等.水稻高光譜遙感監(jiān)測(cè)研究綜述[J]. 江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2019， 41（1）：1-12.

[7]? ? ?唐延林，王紀(jì)華，黃敬峰，等.水稻成熟過程中高光譜與葉綠素、類胡蘿卜素的變化規(guī)律研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2003，19（6）：167-173.

[8]? ? ?孫小香，王芳東，郭熙，等.基于水稻冠層高光譜的葉片SPAD值估算模型研究[J].江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2018，40（3）：444-453.

[9]? ? ?孫玉婷，楊紅云，孫愛珍，等.水稻葉片SPAD值的高光譜估算模型[J]. 南方農(nóng)業(yè)學(xué)報(bào)，

2020，51（5）：1062-1069.

[10]? ?中聯(lián)重科水稻有序拋秧機(jī)早稻春播新利器[J].農(nóng)業(yè)機(jī)械，2020（4）：35.

[11]? ?孫小香. 水稻葉片葉綠素和氮素含量的高光譜估測(cè)研究[D].南昌：江西農(nóng)業(yè)大學(xué)， 2019.

[12]? ?田容才，高志強(qiáng)，盧俊瑋.基于冠層光譜的早秈稻籽粒粗蛋白含量估測(cè)[J]. 作物雜志，

2020（4）：188-194.

[13]? ?康麗，高睿，孔慶明，等.水稻葉片SPAD值高光譜成像估測(cè)[J].東北農(nóng)業(yè)大學(xué)學(xué)報(bào)，2020，51（10）：89-96.

[14]? ?雷利琴，李倩，唐利平，等.基于冠層光譜的冬油菜光合性狀監(jiān)測(cè)模型研究[J].作物研究，2021，35（4）：318-329.

[15]? ?嚴(yán)林，常慶瑞，劉夢(mèng)云，等.引黃灌區(qū)水稻不同生育期葉綠素含量估測(cè)[J].干旱地區(qū)農(nóng)業(yè)研究，2018，36（2）：37-43.