基于高光譜的棉花葉片磷含量估測(cè)模型

馬元花，印彩霞，王紅玉，劉宇軒，劉前通，張 澤

（1石河子大學(xué)農(nóng)學(xué)院/新疆生產(chǎn)建設(shè)兵團(tuán)綠洲生態(tài)農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室，新疆石河子 832000；2西北農(nóng)林科技大學(xué)農(nóng)學(xué)院，陜西楊凌 712100）

0 引言

磷作為植物必需的大量元素之一，參與植物的光合作用、呼吸作用和能量代謝等各種生理過程[1]，對(duì)棉花的產(chǎn)量提升和品質(zhì)有一定影響，精準(zhǔn)監(jiān)測(cè)植物吸收磷肥情況對(duì)作物健康生長(zhǎng)和磷肥施用至關(guān)重要。目前，馬鈴薯、大豆和禾谷類等作物在磷肥利用方面已做了大量的工作[2-4]，但在磷營(yíng)養(yǎng)精準(zhǔn)監(jiān)測(cè)方面還有待進(jìn)一步研究?；瘜W(xué)檢測(cè)植物磷含量的精度較高，但存在費(fèi)時(shí)、費(fèi)力、成本高等缺點(diǎn)。光譜技術(shù)在作物農(nóng)情信息監(jiān)測(cè)中已經(jīng)發(fā)展得較為成熟[5-7]，特別是葉綠素、氮素等營(yíng)養(yǎng)監(jiān)測(cè)技術(shù)愈加成熟。孫紅等[8]利用隨機(jī)蛙跳結(jié)合偏最小二乘的方法(random frog-partial least square，RF-PLS)計(jì)算了馬鈴薯葉片各像素點(diǎn)的葉綠素含量，實(shí)現(xiàn)了馬鈴薯葉片葉綠素的無損監(jiān)測(cè)。裴浩杰等[9]提出原始光譜構(gòu)建的多元線性回歸(multiple linear regression，MLR)模型能夠較精確地監(jiān)測(cè)蘋果葉片葉綠素含量，其中相關(guān)性較好的波段為554、708、995 nm。李美清等[10]采用最小二乘支持向量機(jī)(least squares-support vector machine，LS-SVM)將番茄的生理特征與光譜特征相結(jié)合進(jìn)行磷含量預(yù)測(cè)，決定系數(shù)(coefficient of determination，R2)達(dá) 0.96。劉紅玉等[11]借助圖像紋理特征進(jìn)行磷含量監(jiān)測(cè)，提出偏最小二乘回歸模型監(jiān)測(cè)效果最佳。梁穎等[12]發(fā)現(xiàn)藍(lán)紫光能夠增強(qiáng)植株體內(nèi)的滲透調(diào)節(jié)物質(zhì)從而增強(qiáng)對(duì)低磷的適應(yīng)能力。師祖姣等[13]發(fā)現(xiàn)植株的磷含量與冬小麥的歸一化植被指數(shù)(normalized vegetation index，NDVI)相關(guān)性較差，但可見光和近紅外波段的冠層光譜與冬小麥磷含量具有顯著關(guān)系，R2達(dá)0.6～0.87。畢銀麗等[14]發(fā)現(xiàn)，在低磷脅迫下玉米冠層光譜發(fā)生顯著變化。不同磷肥處理下光譜反射率具有較大差異且在可見光和近紅外波段差異較顯著[15-17]。王磊等[18]發(fā)現(xiàn)，可見光組成的光譜變量與磷的回歸關(guān)系要優(yōu)于近紅外區(qū)域，葉片在可見光波段的光譜指數(shù)更適合春玉米磷含量監(jiān)測(cè)。任紅艷等[19]發(fā)現(xiàn)，在可見光波段，隨著磷含量的增加反射率降低，而在近紅外處，光譜反射率隨磷含量的增高而增高，這與氮素對(duì)小麥冠層光譜的響應(yīng)特征相似。

綜上所述，很多學(xué)者利用光譜技術(shù)開展了作物營(yíng)養(yǎng)元素的監(jiān)測(cè)與反演，但大多研究重點(diǎn)圍繞氮的光譜監(jiān)測(cè)，對(duì)于影響作物抗性、品質(zhì)等方面的磷元素則缺少一定的研究。筆者以棉花不同葉位葉片為研究對(duì)象，通過研究光譜參數(shù)與葉綠素、磷含量的關(guān)系，明確光譜反射率對(duì)棉花葉片磷含量的響應(yīng)特征，以期構(gòu)建基于高光譜的棉花葉片磷含量反演模型，探索棉花磷含量的快速無損監(jiān)測(cè)方法。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

以‘新陸早50號(hào)’（株型緊湊，葉色深綠）為材料，于2019年4月在新疆維吾爾自治區(qū)石河子市石河子大學(xué)農(nóng)學(xué)院試驗(yàn)站開展試驗(yàn)。盆栽容器規(guī)格口徑27 cm、高36 cm、底部直徑25.5 cm，棉花生長(zhǎng)土壤統(tǒng)一采用營(yíng)養(yǎng)土，pH 5.2～6.8，含泥炭土、草灰、椰殼粉、蛭石、谷殼粉、珍珠巖及有機(jī)質(zhì)肥料，每盆裝土14 L。盆栽試驗(yàn)采用Hoagland營(yíng)養(yǎng)液配方（表1），通過NH4H2PO4用量來控制磷肥梯度，設(shè)置5個(gè)磷肥處理，分別標(biāo)記為P1、P2、P3、P4、P5，對(duì)應(yīng)的 NH4H2PO4的母液濃度分別為 17.26、69.05、115.08、172.62、230.16 g/L，每個(gè)處理種植30盆，共種植150盆。每盆3株，株距、盆距各為10 cm，根據(jù)棉花在各生育階段的需水需肥規(guī)律，每10天施一次營(yíng)養(yǎng)液。

表1 培養(yǎng)植物的改良Hoagland營(yíng)養(yǎng)液的組成

大田試驗(yàn)通過施重過磷酸鈣調(diào)節(jié)土壤有效磷含量，設(shè)5個(gè)施磷量，分別為150、225、300、375、450 kg/hm2。氮鉀肥施肥量為硫酸銨675 kg/hm2，硫酸鉀300 kg/hm2。

1.2 葉綠素含量和葉片磷含量的測(cè)定

盆栽試驗(yàn)分別在棉花播種后第52、75、100、108、119、138天，測(cè)定棉株主莖的倒一葉(L1)、倒二葉(L2)、倒三葉(L3)和倒四葉(L4)的葉綠素含量。每次采樣分別從每個(gè)處理中選取1盆，每盆3株，共計(jì)15株。大田試驗(yàn)分別在棉花播種后的第52、78、100、110、131天對(duì)棉花整株所有葉片采樣。采樣后用保鮮袋迅速冷藏封存。測(cè)定葉綠素含量時(shí)，從葉片正中取主葉脈兩邊對(duì)稱部位的葉片0.10～0.14 g，剪碎塞入刻度試管，加入混合提取液（無水乙醇和丙酮1:1混合液）50 mL，室溫下遮光直至葉片完全發(fā)白，用紫外可見分光光度計(jì)U2800分別測(cè)定645、663 nm處吸光度，計(jì)算葉綠素含量[式(2)]。剩余葉片按葉位進(jìn)行分樣，后在烘箱105℃殺青30 min，80℃烘干至恒重，稱重后粉碎，經(jīng)H2SO4-H2O2法消煮后采用鉬藍(lán)比色法，用紫外分光光度計(jì)在波長(zhǎng)490 nm處測(cè)定吸光度值，計(jì)算葉片磷含量[式(3)]。

式中，A645和A663分別指波長(zhǎng)在645 nm和663 nm的吸光度值，CT指總?cè)~綠素含量，ρP指將A490帶入校準(zhǔn)曲線求出的顯色液中磷的質(zhì)量濃度，V1指消煮液定容體積，V2指吸取測(cè)定的消煮液體積，V3指顯色液體積，m指稱樣量，10-4是指將濃度單位換算成百分含量的換算系數(shù)。

1.3 光譜數(shù)據(jù)的獲取

棉花葉片高光譜數(shù)據(jù)用Field SpecPro SR3500型背掛式野外高光譜輻射儀（美國(guó)ASD公司）進(jìn)行采集。光譜儀探測(cè)范圍為350～2500 nm，其中350～1000 nm波段間隔是1.4 nm，光譜分辨率是3 nm；1000～2500 nm光譜釆樣間隔是2 nm，光譜分辨率是10 nm。測(cè)定時(shí)將葉片表面用干凈的紗布擦拭干凈。每個(gè)葉片采用單葉夾耦合的方法進(jìn)行采樣，分別測(cè)試葉脈兩側(cè)葉尖對(duì)稱完好的部位，每個(gè)采樣點(diǎn)測(cè)定10條光譜曲線，取平均值作為該點(diǎn)的光譜值，每個(gè)葉片左右兩點(diǎn)的反射率平均值為該葉片的光譜值。為保證測(cè)量精度，每組目標(biāo)的觀測(cè)前后均用白板校正。光譜數(shù)據(jù)的獲取時(shí)間與1.2中葉片取樣時(shí)間一致。

1.4 植被指數(shù)的篩選

通過分析植被指數(shù)(vegetation index，VI)與葉綠素、葉片磷含量之間的相關(guān)性，最終篩選出相關(guān)性較好的12個(gè)植被指數(shù)，用于模型構(gòu)建和驗(yàn)證，詳見表2。

表2 本研究選取的部分植被指數(shù)及其計(jì)算公式

1.5 數(shù)據(jù)處理

使用Excel 2016對(duì)數(shù)據(jù)進(jìn)行初步處理，SPSS 21.0進(jìn)行相關(guān)性分析和顯著性檢驗(yàn)，Sigmaplot 14.0作圖。采用決定系數(shù)(R2)、均方根誤差(RMSE)對(duì)建立的模型進(jìn)行驗(yàn)證，R2越接近1、RMSE越小模型效果越好。采集的樣本數(shù)據(jù)中，30個(gè)盆栽樣本用于建模，10個(gè)大田樣本用于模型驗(yàn)證。

2 結(jié)果與分析

2.1 不同葉位葉片葉綠素、磷含量的變化規(guī)律

2.1.1 不同施磷量對(duì)棉花葉片磷含量的影響 圖1結(jié)果表明，隨著棉花生育期的推進(jìn)，葉片磷含量呈現(xiàn)先降低再升高的趨勢(shì)，在播種后第52天和第119天左右出現(xiàn)峰值，播種后第52天時(shí)，磷含量最高，L1～L4的磷含量平均值分別約為0.59%、0.59%、0.61%、0.59%。不同葉位葉片的磷含量變化趨勢(shì)不同。在第108天，L1在P5處理下磷含量達(dá)到最高，L2、L4在P1處理下磷含量達(dá)到最高，L3在P4處理下磷含量最高?？梢娫谕簧冢煌~位的磷含量有較大差異。在各生育期，不同葉位的葉片對(duì)磷肥的響應(yīng)程度也有差異。總體來看，大部分葉位的磷含量在P3或P4處理下達(dá)到最高，由此可得，適宜施磷量會(huì)促進(jìn)磷的積累，但磷肥過多反而會(huì)抑制磷積累。

圖1 不同施磷量下棉花葉片磷含量動(dòng)態(tài)

2.1.2 不同施磷量對(duì)棉花葉片葉綠素含量的影響 圖2表明，棉花葉片葉綠素含量隨生長(zhǎng)出現(xiàn)2個(gè)波峰，即在播種后的52～138天呈現(xiàn)先升后降然后再升再降的趨勢(shì)，而不同磷肥濃度處理下和不同葉位下葉綠素含量不同。棉花各生育期，P3處理下葉綠素含量均較高。在低磷水平下(P1、P2、P3)，隨著施磷量的增加，不同葉位的葉綠素含量升高；在高磷水平下(P4、P5)，葉綠素含量隨著施磷量的增加呈現(xiàn)降低趨勢(shì)。

圖2 不同葉位棉花葉片葉綠素含量

2.1.3 葉綠素含量與葉片磷含量的相關(guān)性 對(duì)棉花葉片磷含量與葉綠素含量的相關(guān)性進(jìn)行分析，設(shè)葉綠素含量為因變量，葉片磷含量為自變量。以倒四葉結(jié)果最佳，而棉花倒四葉的生長(zhǎng)情況能反映棉花生長(zhǎng)速度、葉面積、光能利用率等，具有一定的代表性。由表3可知，播種后第52～138天葉綠素含量與葉片磷含量呈現(xiàn)一定的線性關(guān)系。決定系數(shù)、均方根誤差分別在0.00～0.96、0.01～0.36的范圍內(nèi)，其中在第100天時(shí)植株葉片磷含量與葉綠素含量呈顯著正相關(guān)，表達(dá)式為y=3.8246x-1.3455，相關(guān)系數(shù)達(dá)0.96，RMSE為0.01。

表3 葉片磷含量與葉綠素含量的關(guān)系

2.2 葉片磷含量敏感波段與敏感指數(shù)篩選

2.2.1 葉片光譜反射率的變化規(guī)律 圖3結(jié)果表明，棉花不同葉位光譜反射率存在一定差異?？梢姽鈪^(qū)域(400～700 nm)，光譜反射率隨著施磷量的增加而升高，在550 nm處形成1個(gè)反射峰，在640～670 nm之間形成1個(gè)吸收谷，之后在670～760 nm急速上升形成反射高峰平臺(tái)。在近紅外區(qū)域(780～3000 nm)，光譜反射率隨著施磷量的增加而降低，在700～1300 nm光譜反射率呈單峰趨勢(shì)，P4處理光譜反射率最高，低施磷水平(P1、P2、P3)光譜反射率較低。1440 nm和1885 nm處有2個(gè)吸收谷?？梢缘贸?，光譜反射率隨著磷肥高低變化有明顯差異的波段區(qū)域?yàn)?60～1300、1650～1830、2250～2300 nm。

圖3 不同葉位棉花葉片光譜反射率

2.2.2 棉花不同葉位磷、葉綠素含量與光譜反射率之間的關(guān)系 檢驗(yàn)棉花葉片磷含量與光譜反射率相關(guān)性檢驗(yàn)發(fā)現(xiàn)，棉花葉片磷含量與光譜反射率總體呈現(xiàn)為正相關(guān)，但均不顯著（圖4）。兩者相關(guān)系數(shù)最大為0.45，分布在波段起始位置，但由于起始波段易受儀器噪聲等因素干擾，導(dǎo)致相關(guān)系數(shù)變高。因此本研究剔除受噪聲影響較大的前10個(gè)波段，選取相關(guān)系數(shù)最高的波段(449 nm)構(gòu)建磷含量估測(cè)模型，模型為y=3.5694x+0.3555，R2最高為0.21，因此不能直接用光譜反射率監(jiān)測(cè)葉片磷含量。

圖4 葉片磷含量與光譜相關(guān)性

由棉花各葉片光譜反射率與葉綠素含量的關(guān)系分析（圖5）可知，棉花葉片光譜反射率與葉綠素含量具有顯著相關(guān)性，在可見光波段呈顯著負(fù)相關(guān)，近紅外和短波紅外波段為正相關(guān)且存在敏感波段。其中L1響應(yīng)波段為711～1895、1970～2450 nm，相關(guān)系數(shù)達(dá)0.64；L2響應(yīng)波段為707～1900、1952～2478 nm，相關(guān)系數(shù)達(dá)0.80；L3響應(yīng)波段為749～1897、1962～2465 nm，相關(guān)系數(shù) 達(dá) 0.66；L4響 應(yīng) 波 段 為 1385～1615、1741～1868、2056～2316 nm，相關(guān)系數(shù)達(dá)0.39。由此可見，葉綠素與光譜反射率具有很好的相關(guān)關(guān)系，基于此，篩選了對(duì)葉綠素響應(yīng)較好的波段、與葉綠素含量相關(guān)性較好的12種植被指數(shù)[29]，構(gòu)建葉綠素含量和植被指數(shù)的模型；并將葉綠素含量監(jiān)測(cè)模型視為棉花葉片磷含量的光譜變量，進(jìn)而實(shí)現(xiàn)對(duì)棉花葉片的磷含量監(jiān)測(cè)。

圖5 不同葉位棉花葉綠素含量與光譜相關(guān)性

2.2.3 葉綠素含量與光譜指數(shù)的相關(guān)性 篩選前人提出的與葉綠素關(guān)系較好的植被指數(shù)，用播種后100天的葉綠素含量進(jìn)行相關(guān)性分析，提出棉花不同葉位下的葉綠素敏感指數(shù)。由表4可知，與L1葉綠素含量顯著相 關(guān) 的 植 被 指 數(shù) 有 RVI、NDVI、RENDVI、GNDVI、MRESR、ARI、MACI、GRVI、ACI、MTCI，相關(guān)系數(shù)分別為0.43、0.37、0.50、0.49、0.46、-0.37、0.47、0.47、-0.49、0.47；與L2葉綠素含量顯著相關(guān)的植被指數(shù)有RVI、RENDVI、MRESR、MACI、GRVI、TVI、MTCI，相關(guān)系數(shù)分別為0.38、0.38、0.39、0.39、0.39、0.39、0.41；沒有與L3葉綠素含量顯著相關(guān)的植被指數(shù)；與L4葉綠素含量顯著相關(guān)的植被指數(shù)有NDVI、ARVI、RENDVI、MRESR、ARI、MTCI，相關(guān)系數(shù)分別為 0.39、0.41、0.45、0.41、-0.75、0.38，其中ARI相關(guān)系數(shù)達(dá)最高，為-0.75。

表4 不同葉位葉綠素含量和植被指數(shù)的相關(guān)系數(shù)

2.3 棉花葉片磷含量光譜指標(biāo)構(gòu)建

設(shè)葉綠素含量為因變量，相關(guān)性最高的植被指數(shù)作為自變量，構(gòu)建葉綠素含量(I)與植被指數(shù)(X)的模型（各葉位分別選擇3個(gè)相關(guān)性較好的植被指數(shù)）。結(jié)果（表5）表明，葉綠素含量和相關(guān)性響應(yīng)的植被指數(shù)具有較好的關(guān)系，不同模型的決定系數(shù)R2達(dá)0.47～0.82。

表5 棉花葉片磷含量光譜指標(biāo)（葉綠素含量與植被指數(shù)的反演模型）

其中，L1葉綠素含量與RENDVI的相關(guān)性最好(R2=0.71，RMSE=0.20)，L2葉綠素含量和 TVI相關(guān)性最好(R2=0.76，RMSE=0.09)，L3葉綠素含量和ARI相關(guān)性最好(R2=0.47，RMSE=0.15)，L4葉綠素含量和ARI相關(guān)性最好(R2=0.82，RMSE=0.10)。

基于葉綠素與磷含量的線性關(guān)系（表3），設(shè)表5的葉綠素含量估算模型（文中稱其為光譜變量）為自變量，構(gòu)建基于高光譜指數(shù)的棉花葉片磷含量估測(cè)模型，并對(duì)模型進(jìn)行精度驗(yàn)證。利用多元線性回歸構(gòu)建模型，按照1:3的比例，設(shè)置3/4的樣本（建模集）進(jìn)行建模、1/4的樣本（驗(yàn)證集）進(jìn)行模型驗(yàn)證。模型表達(dá)式如式(4)。

式中，ωP指葉片磷含量，I1～I(xiàn)12指表5中的光譜變量。由圖6可知，通過光譜變量估測(cè)的磷含量與實(shí)測(cè)磷含量具有較高的相似性，模型精度建模集R2和RMSE分別達(dá)0.75、0.04，驗(yàn)證集R2和RMSE分別達(dá)0.73、0.05，綜上所述，基于葉綠素光譜指數(shù)和反演模型構(gòu)建的磷含量光譜指標(biāo)可以進(jìn)行棉花葉片磷含量的精準(zhǔn)估測(cè)。

圖6 實(shí)測(cè)值與估測(cè)值對(duì)比分析

3 結(jié)論

本研究以盆栽棉花倒一葉(L1)、倒二葉(L2)、倒三葉(L3)和倒四葉(L4)的光譜反射率和葉綠素含量為基礎(chǔ)，分析了棉花葉片磷含量、葉綠素含量與光譜反射率的相關(guān)關(guān)系，構(gòu)建了葉綠素反演模型，并將這一反演模型作為磷含量光譜指標(biāo)。其中4個(gè)葉位葉片對(duì)應(yīng)相關(guān)性最好的模型，L1為 I1=2.6131XRENDVI-0.4275，R2=0.71，RMSE=0.2；L2為I5=0.0142XTVI+0.3274，R2=0.76，RMSE=0.09；L3為I9=-0.3445XARI+0.4996，R2=0.47，RMSE=0.15；L4為I10=-0.5082XARI+0.3484，R2=0.82，RMSE=0.1。將上述葉綠素含量估測(cè)模型作為光譜變量，利用葉綠素含量和磷含量的線性關(guān)系構(gòu)建了棉花葉片磷含量綜合反演模型，ωP=-3.32-1.21I1+0.91I2+2.67I3-0.13I4+0.0009I5-0.05I6+0.16I7-1.05I8-0.07I9+0.03I10-0.13I11+3.47I12。其中ωP指葉片磷含量，I指光譜變量，R2、RMSE分別達(dá)0.75、0.04。

本研究選擇相關(guān)性最好的播種后100天的葉綠素含量與磷含量的回歸關(guān)系來構(gòu)建葉片磷含量反演模型。雖然隨棉花生育進(jìn)程的推進(jìn)，及空間、天氣和設(shè)備等方面的影響，葉綠素和磷含量的相關(guān)性存在差異，對(duì)模型的精準(zhǔn)度造成影響，但是利用少量大田數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，發(fā)現(xiàn)模型精度較高，具有一定的預(yù)測(cè)性。在今后的研究中，可以通過增加葉綠素與磷含量的回歸模型構(gòu)建的樣本量，結(jié)合不同生育時(shí)期的變化趨勢(shì)，利用多種建模方法，進(jìn)一步提高葉片磷含量監(jiān)測(cè)模型的精度。綜上所述，基于葉綠素含量構(gòu)建的磷含量光譜變量可實(shí)現(xiàn)磷含量的有效監(jiān)測(cè)。

4 討論

磷是棉株體內(nèi)重要化合物的組成元素，對(duì)光合產(chǎn)物的合成、分解和運(yùn)轉(zhuǎn)起重要作用，目前，使用光譜技術(shù)監(jiān)測(cè)農(nóng)作物生理參數(shù)的研究已有很多[6-7]，但對(duì)磷含量研究相對(duì)較少。賈良良等[30]研究表明，作物葉片中葉綠素對(duì)于光譜反射曲線影響最為重要。本研究發(fā)現(xiàn)，磷肥差異導(dǎo)致可見光、近紅外和短波紅外反射率均發(fā)生較大變化，李宗非等[31]和王賞貴等[32]研究表明，氮肥差異會(huì)造成可見光、近紅外2個(gè)波段的光譜反射率發(fā)生顯著變化，這與本研究中磷肥高低導(dǎo)致的反射率變化規(guī)律類似。本研究提出，棉花不同葉位下葉綠素敏感波段 L1為 711～1895、1970～2450 nm，L2為 707～1900、1952～2478 nm，L3為 749～1897、1962～2465 nm，L4為 1385～1615、1741～1868、2056～2316 nm。而前人篩選出的氮素敏感波段分布在485～664[33]、690～720[34]、890～960[35]、960～1140[35]、820～1100[27]、150～1300 nm[36]?？梢姷孛舾胁ǘ畏植己軓V，但也有學(xué)者研究表明，這些敏感波段源于葉綠素與氮素強(qiáng)相關(guān)[37]。這些氮素敏感波段與本研究葉綠素敏感波段基本吻合，因此，如何區(qū)分葉綠素、氮含量、磷含量引起的光譜差異，是農(nóng)作物營(yíng)養(yǎng)監(jiān)測(cè)需要解決的問題之一?！熬G峰”(550 nm)作為葉綠素含量的顯著特征，可實(shí)現(xiàn)農(nóng)作物葉綠素快速監(jiān)測(cè)[38]，探究葉綠素與磷含量的關(guān)系，構(gòu)建磷含量光譜指標(biāo)，是磷含量監(jiān)測(cè)可考慮的方向之一。

本研究表明，棉花葉片的光譜特征在不同磷水平下存在差異，且在近紅外波段差異極為明顯，這與其他作物的光譜特征存在相似之處[39]。本研究利用多元線性回歸的方法實(shí)現(xiàn)磷含量監(jiān)測(cè)，R2達(dá)0.72。馬文君等[40]對(duì)比傳統(tǒng)回歸和偏最小二乘回歸(partial least square regression，PLSR)構(gòu)建的SPAD估測(cè)模型，表明PLSR預(yù)測(cè)模型精度最佳。林芬芳等[41]將敏感波段作為自變量，構(gòu)建多元線性回歸和BP人工神經(jīng)網(wǎng)絡(luò)模型，結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)對(duì)水稻磷含量監(jiān)測(cè)效果最好。張浩等[42]采用人工神經(jīng)網(wǎng)絡(luò)、偏最小二乘回歸和多元線性回歸方法對(duì)水稻氮素和籽粒蛋白質(zhì)進(jìn)行監(jiān)測(cè)，表明偏最小二乘法構(gòu)建的預(yù)測(cè)模型效果最佳。李旭青等[43]提出隨機(jī)森林構(gòu)建的模型需要的樣本量少、精度高、不會(huì)過擬合，使模型具有普適性。因此，不同建模方法對(duì)模型精度影響較大。

本研究篩選的葉綠素敏感波段與楊福芹等[44]、韓兆迎等[45]、劉冰峰等[46]相近。同時(shí)，本研究還發(fā)現(xiàn)，相比于單一敏感波段，植被指數(shù)用來建模效果更佳，其中花青素反射指數(shù)進(jìn)行葉綠素監(jiān)測(cè)結(jié)果最好。而劉冰峰等[46]提出歸一化指數(shù)對(duì)磷含量監(jiān)測(cè)效果較好。在以后的研究中，可將敏感波段的植被指數(shù)作為營(yíng)養(yǎng)元素監(jiān)測(cè)的突破口，尋找不同作物不同元素監(jiān)測(cè)的最適指數(shù)。