基于光譜反射率的甘薯葉片鉀素營(yíng)養(yǎng)監(jiān)測(cè)與診斷

摘要：以商薯19和心香 2個(gè)甘薯（Ipomoea batatas）品種為試驗(yàn)材料，通過(guò)設(shè)置不同梯度鉀素處理測(cè)定葉片的光譜反射率，分別構(gòu)建基于比值植被指數(shù)（RVI）的甘薯葉片鉀含量和鉀營(yíng)養(yǎng)指數(shù)預(yù)測(cè)模型。結(jié)果表明，RVI與葉片鉀含量構(gòu)建的線性模型表明，RVI（R1 598 nm，R1 771 nm）對(duì)甘薯葉片鉀含量的預(yù)測(cè)精度較高，回歸方程為y=58.601 0x-58.446（R2=0.741 4，RMSE=0.83），采用驗(yàn)證數(shù)據(jù)對(duì)線性模型進(jìn)行檢驗(yàn)，模型對(duì)不同鉀肥水平處理下的甘薯葉片鉀含量具有較好的預(yù)測(cè)能力（R2=0.732 4，RMSE=0.85）；RVI與鉀營(yíng)養(yǎng)指數(shù)構(gòu)建的線性模型表明，RVI（R700 nm，R1 385 nm）對(duì)甘薯葉片鉀營(yíng)養(yǎng)指數(shù)的預(yù)測(cè)精度較高，回歸方程為y=6.032 9x-0.833（R2=0.768 8，RMSE=0.15），采用驗(yàn)證數(shù)據(jù)對(duì)線性模型進(jìn)行檢驗(yàn)，模型對(duì)不同鉀肥水平處理下的甘薯葉片鉀營(yíng)養(yǎng)指數(shù)具有較好的預(yù)測(cè)能力（R2=0.639 5，RMSE=0.20）；利用RVI能夠較好監(jiān)測(cè)與診斷甘薯鉀素營(yíng)養(yǎng)。

關(guān)鍵詞：甘薯（Ipomoea batatas）；光譜；反射率；鉀素營(yíng)養(yǎng)；監(jiān)測(cè)；診斷

中圖分類號(hào)：S531" " " " "文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）08-0257-05

DOI：10.14088/j.cnki.issn0439-8114.2024.08.043 開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Monitoring and diagnosis of potassium nutrition in Ipomoea batatas leaves"based on spectral reflectivity

LU Yan-jun1， WANG Xu-wei2， HU Ji-jie2， CHEN Shao-jie2， CHEN Yu3， LYU Zun-fu4

（1. Lin’an District Agricultural and Forestry Technology Promotion Center， Hangzhou" 311399，China； 2. Ningbo Agricultural Technology Promotion Station， Ningbo" 315042，Zhejiang，China； 3 Lin’an District Science and Technology Bureau of Hangzhou City， Hangzhou" 311302，China；4. College of Advanced Agricultural Sciences/Key Laboratory of Agricultural Product Quality Improvement Technology in Zhejiang Province， Zhejiang Aamp;F University，Hangzhou" 311300，China）

Abstract： Two Ipomoea batatas varieties， Shangshu 19 and Xinxiang， were used as experimental materials. By setting different gradient potassium treatments to determine the spectral reflectance of leaves， Ipomoea batatas leaves potassium content and potassium nutrient index prediction models were constructed based on the ratio vegetation index （RVI）. The results showed that the linear model constructed by RVI and potassium content in leaves showed that RVI （R1 598 nm， R1 771 nm） had a high prediction accuracy for potassium content in Ipomoea batatas leaves，the regression equation was y=58.601 0x-58.446（R2=0.741 4， RMSE=0.83），using validation data to test the linear model， the model showed good predictive ability for potassium content in Ipomoea batatas leaves under different potassium fertilizer levels （R2=0.732 4， RMSE=0.85）；the linear model constructed by RVI and potassium nutrition index indicated that RVI （R700 nm， R1 385 nm） had a high prediction accuracy for the potassium nutrition index of Ipomoea batatas leaves，the regression equation was y=6.032 9x-0.833 （R2=0.768 8， RMSE=0.15），using validation data to test the linear model， the model showed good predictive ability for the potassium nutrient index of Ipomoea batatas leaves under different potassium fertilizer levels （R2=0.639 5，RMSE=0.20）；the use of RVI could effectively monitor and diagnose potassium nutrition in Ipomoea batatas.

Key words： Ipomoea batatas； spectral； reflectivity； potassium nutrition； monitoring； diagnosis

甘薯（Ipomoea batatas）的營(yíng)養(yǎng)價(jià)值和在保障糧食安全上表現(xiàn)出巨大的潛力，也是世界上重要的糧食、飼料及工業(yè)原料［1］，中國(guó)是世界上最大的甘薯生產(chǎn)國(guó)，占世界總產(chǎn)量的85%。近年來(lái)，面對(duì)異常的氣候變化，甘薯生產(chǎn)受到越來(lái)越嚴(yán)峻的考驗(yàn)，如何進(jìn)一步提高甘薯產(chǎn)量和品質(zhì)以應(yīng)對(duì)氣候變化，對(duì)保障糧食安全具有重要意義［2］。氮（N）、磷（P）和鉀（K）是決定產(chǎn)量和品質(zhì)的主要肥料，其中鉀的需求量較多［3］，鉀與許多酶、光合作用和蛋白質(zhì)以及淀粉合成過(guò)程密切相關(guān)，葉細(xì)胞中的鉀濃度參與調(diào)節(jié)葉氣孔的打開和關(guān)閉并促進(jìn)作物生長(zhǎng)，還能影響植物的水勢(shì)。此外，鉀還有助于提高抗倒伏性和抗病性，并參與許多影響作物品質(zhì)的代謝過(guò)程［4］。

作為喜鉀作物，甘薯鉀含量評(píng)價(jià)是精準(zhǔn)調(diào)控鉀肥的前提，對(duì)甘薯鉀含量評(píng)價(jià)尚缺乏比較簡(jiǎn)便的技術(shù)或方法，目前比較通用的是光譜監(jiān)測(cè)技術(shù)［5］。通常認(rèn)為，光譜的變化可以反映作物多種生理生化狀態(tài)，在可見(jiàn)光-近紅外波段［6］，作物反射光譜存在明顯的變化［7］，表現(xiàn)為反射、吸收特征，它們分別源自葉綠素的電子躍遷、蛋白質(zhì)、水和其他成分中O—H、N—H鍵彎曲和伸展振動(dòng)［8］。基于光譜技術(shù)的鉀素營(yíng)養(yǎng)診斷技術(shù)在小麥［9］、大豆［10］、番茄［11］等作物上均有報(bào)道，南京農(nóng)業(yè)大學(xué)曹衛(wèi)星團(tuán)隊(duì)的研究發(fā)現(xiàn)，水稻葉片的光譜反射率和短波紅外（1 300～2 000 nm）區(qū)域?qū)︹浐棵舾?，且與水稻葉片的鉀含量（LKC）顯著相關(guān)［4］。Wang等［12］利用高光譜成像技術(shù)結(jié)合化學(xué)計(jì)量學(xué)來(lái)預(yù)測(cè)5個(gè)品種茶樹葉片中的磷和鉀含量，數(shù)據(jù)分析結(jié)果顯示標(biāo)準(zhǔn)正態(tài)變量（Standard normal variate，SNV）在預(yù)測(cè)磷和鉀含量方面表現(xiàn)出比其他模型更好的模型性能。通過(guò)葉片光譜來(lái)反演作物的營(yíng)養(yǎng)狀態(tài)已有研究，Guo等［13］基于高光譜和植被指數(shù)對(duì)蘋果葉片鉀含量進(jìn)行了反演，利用差異植被指數(shù)（Difference vegetation index，DVI）建立隨機(jī)森林回歸模型來(lái)反演蘋果葉片鉀含量，取得了良好的效果，決定系數(shù)（R2）為0.899 5，均方根誤差（RMSE）和相對(duì)誤差（RE）分別為0.079 1和0.061 7。前人研究表明，基于光譜及植被指數(shù)反演作物葉片鉀營(yíng)養(yǎng)狀況的方法是可行的，但是基于光譜技術(shù)的甘薯鉀素營(yíng)養(yǎng)監(jiān)測(cè)與診斷方面研究較少。因此，本研究的目標(biāo)為篩選甘薯鉀素營(yíng)養(yǎng)狀況的核心波段，實(shí)現(xiàn)甘薯葉片鉀素含量、鉀營(yíng)養(yǎng)指數(shù)的遙感反演，最終實(shí)現(xiàn)對(duì)甘薯鉀素營(yíng)養(yǎng)的精準(zhǔn)監(jiān)測(cè)與診斷。

1 材料與方法

1.1 田間試驗(yàn)設(shè)計(jì)

本研究于2018年、2022年在浙江農(nóng)林大學(xué)試驗(yàn)田（30°25′N，119°30′E）開展試驗(yàn)。田間試驗(yàn)包含2個(gè)甘薯品種，分別為心香和商薯19，采用隨機(jī)區(qū)組試驗(yàn)設(shè)計(jì)，設(shè)置5個(gè)處理（K0、K1、K2、K3、K4），各處理對(duì)應(yīng)的鉀素施用量分別為0、75、150、225、300 kg/hm2，2018年鉀素處理用于模型構(gòu)建，2022年試驗(yàn)用于模型檢驗(yàn)。

試驗(yàn)1：分別于2018年6月8日、6月21日、7月6日、7月20日、8月9日5個(gè)時(shí)間進(jìn)行田間取樣，9月1日收獲。

試驗(yàn)2：分別于2022年7月6日、7月22日、8月2日、8月16日、8月30日5個(gè)時(shí)間進(jìn)行田間取樣，9月10日收獲。

鉀肥試驗(yàn)中，不同處理施用相同的氮肥和磷肥（120 kg/hm2純氮，80 kg/hm2 P2O5），50%鉀肥用于基肥，50%的鉀肥用作追肥。土壤為沙壤土，全氮含量為0.81 g/kg，有效磷含量為42 mg/kg，速效鉀含量為74 mg/kg。株、行距分別為0.2 m和1 m，其他栽培管理措施同一般大田。

1.2 數(shù)據(jù)測(cè)定

1.2.1 光譜測(cè)定與分析 試驗(yàn)1數(shù)據(jù)用于建立葉片鉀素營(yíng)養(yǎng)的監(jiān)測(cè)模型，分別于6月8日、6月21日、7月6日、7月20日、8月9日5個(gè)時(shí)間段進(jìn)行田間取樣，共計(jì)50個(gè)樣本（2個(gè)品種×5個(gè)鉀素處理×5次取樣），主要測(cè)定甘薯葉片光譜反射率、葉片干物重、葉片鉀含量等指標(biāo)。試驗(yàn)2數(shù)據(jù)也取50個(gè)樣本，用于模型檢驗(yàn)。甘薯葉片光譜反射率測(cè)定采用美國(guó)Analytical Spectral Device（ASD）公司生產(chǎn)的FieldSpec Pro FR2500型背掛式野外高光譜輻射儀［14］，其儀器測(cè)定波段為350～2 500 nm，其中350～1 000 nm光譜采樣間隔為1.4 nm，光譜分辨率為3 nm；1 000～2 500 nm光譜采樣間隔為2 nm，光譜分辨率為10 nm［15］，儀器直接輸出間隔為1 nm的光譜反射率數(shù)據(jù)［16］。每次取樣先測(cè)定甘薯葉片光譜反射率，再測(cè)定葉片鉀含量。

作物在不同生長(zhǎng)發(fā)育時(shí)期表現(xiàn)出不同的形態(tài)生理特征，光譜反射率也表現(xiàn)出特異性，作物對(duì)不同波段有著不同的反射率［17-20］。本研究使用ViewspecPro v6.0軟件對(duì)光譜數(shù)據(jù)進(jìn)行平滑處理。植被指數(shù)通常被用于研究特定的植物表型［21，22］，為了探明與鉀素營(yíng)養(yǎng)密切相關(guān)的植被指數(shù)，本研究采用多種植被指數(shù)（表1）建立葉片鉀濃度光譜監(jiān)測(cè)模型。

1.2.2 測(cè)定葉片鉀含量 在進(jìn)行光譜數(shù)據(jù)處理后，將每個(gè)樣品的葉片收集起來(lái)，裝入樣品袋并標(biāo)注日期、品種、處理。隨后將所有樣品袋放入烘箱，初始溫度為120 ℃，殺青完畢后，將溫度降至80 ℃。烘干后測(cè)定葉片干重，進(jìn)而計(jì)算單位土地面積的葉片干重，葉片試樣經(jīng)硫酸-過(guò)氧化氫消煮，稀釋后用火焰光度法測(cè)定甘薯葉片的鉀含量。

1.2.3 計(jì)算葉片鉀營(yíng)養(yǎng)指數(shù) 葉片臨界鉀濃度是指收獲葉片最大生物量所需要的最低鉀濃度，是根據(jù)鉀濃度稀釋模型計(jì)算而得的，計(jì)算公式如下。

Kc=a×LDM-b " （5）

式中，Kc為甘薯葉片臨界鉀濃度；LDM為甘薯葉片干物質(zhì)積累量；a、b均為參數(shù)，a為葉片干物質(zhì)為1 t/hm2時(shí)的臨界鉀濃度［23］，b為控制此模型斜率的統(tǒng)計(jì)參數(shù)［24，25］。

鉀營(yíng)養(yǎng)指數(shù)（KNI）基于該模型構(gòu)建，鉀營(yíng)養(yǎng)指數(shù)是判定作物體內(nèi)鉀營(yíng)養(yǎng)狀況的指標(biāo)之一，計(jì)算公式如下。

KNI=Kt/Kc" " " " （6）

式中，Kt為葉片鉀濃度的實(shí)際測(cè)量值；Kc為同樣情況下根據(jù)臨界鉀模型計(jì)算的臨界鉀濃度。

1.3 數(shù)據(jù)分析

1.3.1 波段的選取 首先，使用MATLAB以1 nm為單位從350～2 500 nm構(gòu)建任意兩波段的比值植被指數(shù)，再構(gòu)建線性模型，通過(guò)MATLAB軟件獲得線性模型決定系數(shù)的等勢(shì)線［26］。

1.3.2 模型的構(gòu)建及驗(yàn)證 本研究采用試驗(yàn)1數(shù)據(jù)建立葉片鉀素營(yíng)養(yǎng)的監(jiān)測(cè)模型，通過(guò)MATLAB軟件構(gòu)建任意兩波段的比值植被指數(shù)與葉片鉀含量、鉀營(yíng)養(yǎng)指數(shù)之間的關(guān)系［20］，構(gòu)建葉片鉀含量、鉀營(yíng)養(yǎng)指數(shù)預(yù)測(cè)模型，并計(jì)算R2和RMSE。試驗(yàn)2獲取的數(shù)據(jù)用于模型檢驗(yàn)，使用回歸方程計(jì)算預(yù)測(cè)值，與實(shí)測(cè)值構(gòu)建1∶1模型，并計(jì)算R2和RMSE［27］。

2 結(jié)果與分析

2.1 不同鉀處理下的甘薯葉片光譜反射率

采用ViewspecPro v6.0軟件讀取甘薯葉片樣本的光譜數(shù)據(jù)，圖1為不同鉀肥水平處理下甘薯葉片光譜反射率平均值的動(dòng)態(tài)變化，甘薯葉片在波長(zhǎng)400～680 nm時(shí)光譜反射率較低，在波長(zhǎng)680 nm時(shí)光譜反射率到達(dá)了最低值，在波長(zhǎng)680～750 nm時(shí)光譜反射率快速升高，在波長(zhǎng)750～1 350 nm時(shí)光譜反射率趨于穩(wěn)定，在波長(zhǎng)1 350～2 500 nm時(shí)光譜反射率呈波動(dòng)下降趨勢(shì)。由此可以推斷，葉片鉀素營(yíng)養(yǎng)所關(guān)聯(lián)的鉀素波長(zhǎng)主要在1 350 nm以上。

2.2 甘薯葉片鉀含量變化

由圖2可知，隨著甘薯不同生育期的表型變化，葉片鉀含量均呈下降趨勢(shì)，在同一個(gè)取樣日，高鉀處理的葉片鉀含量均明顯高于低鉀處理和不施鉀處理的葉片鉀含量，說(shuō)明增施的鉀肥被甘薯吸收，且甘薯葉片鉀含量與增施的鉀肥濃度保持一致。此外，2個(gè)甘薯品種葉片鉀含量均與施鉀量呈正相關(guān)關(guān)系。葉片鉀含量從移栽后39 d逐漸降低，在移栽后123 d達(dá)到最低，心香、商薯19葉片鉀含量分別為3.01%～5.91%和3.03%～5.85%，2個(gè)甘薯品種葉片鉀含量變化趨勢(shì)基本一致。

2.3 甘薯葉片鉀含量監(jiān)測(cè)模型構(gòu)建

分析試驗(yàn)1數(shù)據(jù)，相比其他植被指數(shù)，比值植被指數(shù)對(duì)鉀含量的反演效果最好，圖3為利用甘薯葉片在波長(zhǎng)350～2 500 nm范圍內(nèi)任意兩波段組合的比值植被指數(shù)與鉀含量構(gòu)建的線性模型的決定系數(shù)（R2）得到的等勢(shì)線圖，甘薯葉片鉀含量的核心波段集中在750～950 nm、1 550～1 800 nm的區(qū)域。

進(jìn)一步分析得知，在甘薯葉片比值植被指數(shù)所確定的核心波段范圍中，1 598 nm和1 771 nm 2個(gè)波長(zhǎng)建立的甘薯葉片鉀含量模型綜合表現(xiàn)較好。選取1 598 nm和1 771 nm 2個(gè)波長(zhǎng)建立甘薯葉片比值植被指數(shù)與鉀含量的定量關(guān)系模型（圖4a），該模型方程為y=58.601 0x-58.446（R2=0.741 4，RMSE=0.83）。采用試驗(yàn)2數(shù)據(jù)對(duì)線性模型進(jìn)行驗(yàn)證，結(jié)果（圖4b）表明，模型對(duì)不同鉀肥水平處理下的甘薯葉片鉀含量具有較好的預(yù)測(cè)能力（R2=0.732 4，RMSE=0.85）。

2.4 甘薯葉片鉀營(yíng)養(yǎng)指數(shù)監(jiān)測(cè)模型構(gòu)建

圖5為利用甘薯葉片在波長(zhǎng)350～2 500 nm范圍內(nèi)任意兩波段組合的比值植被指數(shù)與鉀營(yíng)養(yǎng)指數(shù)構(gòu)建的線性模型決定系數(shù)（R2）得到的等勢(shì)線圖。甘薯鉀營(yíng)養(yǎng)指數(shù)的核心波段范圍集中在520～720 nm、" "1 200～1 850 nm。其中以700 nm和1 385 nm光譜反射率構(gòu)建的比值植被指數(shù)（R700 nm，R1 385 nm）和鉀營(yíng)養(yǎng)指數(shù)的關(guān)系最優(yōu)。

選取700 nm和1 385 nm 2個(gè)波長(zhǎng)建立甘薯葉片比值植被指數(shù)與鉀營(yíng)養(yǎng)指數(shù)的定量關(guān)系模型（圖6a），模型方程為y =6.032 9x-0.833（R2=0.768 8，RMSE=0.15）。采用試驗(yàn)2數(shù)據(jù)對(duì)線性模型進(jìn)行驗(yàn)證，結(jié)果（圖6b）表明，模型對(duì)不同鉀肥水平處理下的甘薯葉片鉀營(yíng)養(yǎng)指數(shù)也具有較好的預(yù)測(cè)能力（R2=0.639 5，RMSE=0.20）。

鉀營(yíng)養(yǎng)指數(shù)作為判定作物體內(nèi)鉀營(yíng)養(yǎng)狀況的指標(biāo)，不僅可實(shí)時(shí)診斷作物不同生長(zhǎng)階段的鉀素營(yíng)養(yǎng)狀況，還可以量化作物受到的鉀脅迫強(qiáng)度。當(dāng)鉀營(yíng)養(yǎng)指數(shù)小于1，比值植被指數(shù)小于0.303 8時(shí)，表示甘薯葉片鉀營(yíng)養(yǎng)不良；當(dāng)鉀營(yíng)養(yǎng)指數(shù)等于1，比值植被指數(shù)等于0.303 8時(shí)，表示甘薯葉片鉀營(yíng)養(yǎng)適中；當(dāng)鉀營(yíng)養(yǎng)指數(shù)大于1，比值植被指數(shù)大于0.303 8時(shí)，表示甘薯葉片鉀營(yíng)養(yǎng)過(guò)量。

3 小結(jié)與討論

本研究確定了甘薯葉片鉀素含量和鉀營(yíng)養(yǎng)指數(shù)的光譜監(jiān)測(cè)核心波段，并構(gòu)建了基于比值植被指數(shù)的甘薯葉片鉀含量和鉀營(yíng)養(yǎng)指數(shù)預(yù)測(cè)模型，結(jié)果表明，通過(guò)光譜和植被指數(shù)監(jiān)測(cè)甘薯葉片鉀含量和鉀營(yíng)養(yǎng)指數(shù)是一種非破壞性且有效的方法，該方法可用于甘薯葉片鉀營(yíng)養(yǎng)監(jiān)測(cè)診斷。

比值植被指數(shù)與葉片鉀含量構(gòu)建的線性模型表明，比值植被指數(shù)（R1 598 nm，R1 771 nm）對(duì)甘薯葉片鉀含量的預(yù)測(cè)精度較高，回歸方程為y=58.601 0x- 58.446（R2=0.741 4，RMSE=0.83），采用試驗(yàn)2數(shù)據(jù)對(duì)線性模型進(jìn)行驗(yàn)證，模型對(duì)不同鉀肥水平處理下的甘薯葉片鉀含量具有較好的預(yù)測(cè)能力（R2=0.732 4，RMSE=0.85）；比值植被指數(shù)與鉀營(yíng)養(yǎng)指數(shù)構(gòu)建的線性模型表明，比值植被指數(shù) （R700 nm，R1 385 nm）對(duì)甘薯葉片鉀營(yíng)養(yǎng)指數(shù)的預(yù)測(cè)精度較高，回歸方程為y = 6.032 9x-0.833（R2=0.768 8，RMSE=0.15），采用試驗(yàn)2數(shù)據(jù)對(duì)線性模型進(jìn)行驗(yàn)證，模型對(duì)不同鉀肥水平處理下的甘薯葉片鉀營(yíng)養(yǎng)指數(shù)具有較好的預(yù)測(cè)能力（R2=0.639 5，RMSE=0.20）。通過(guò)葉片光譜來(lái)反演作物的營(yíng)養(yǎng)狀態(tài)已有研究，鄧海龍等［28］研究了紅富士蘋果葉片全鉀含量與高光譜反射率之間的關(guān)系，該研究在分析蘋果葉片原始光譜和一階導(dǎo)數(shù)光譜特征的基礎(chǔ)上，確定了基于928 nm和1 081 nm波長(zhǎng)原始光譜反射率的蘋果葉片鉀素含量最佳預(yù)測(cè)模型。Lu等［29］發(fā)現(xiàn)比值植被指數(shù)（R1 385 nm，R1 705 nm）與水稻葉片鉀含量有很好的相關(guān)性。喬欣等［30］發(fā)現(xiàn)波長(zhǎng)660 nm和1 450 nm處的吸收深度與大豆鉀素水平具有顯著相關(guān)性，與本研究的預(yù)測(cè)波段相似。在缺鉀時(shí)甘薯葉片的在近紅外波段反射率比正常葉片高［31］。而水稻在缺氮時(shí)在近紅外波段反射率比正常葉片低，說(shuō)明可以利用近紅外波段的葉片光譜區(qū)分水稻缺鉀、缺氮情況。水稻鉀含量敏感光譜帶集中在短波紅外區(qū)（1 300～2 000 nm）［31］，與本研究結(jié)果基本一致。

參考文獻(xiàn)：

［1］ 張立明， 王慶美， 王蔭墀. 甘薯的主要營(yíng)養(yǎng)成分和保健作用［J］. 園藝與種苗， 2003， 23（3）： 162-166.

［2］ MONDAL S，RAHAMAN E，ASCH F. Potassium content is the main driver for salinity tolerance in sweet potato before tuber formation［J］. Journal of agronomy and crop science，2022，208（5）： 645-661.

［3］ 胡大偉. 基于LINTUL3模型的馬鈴薯生長(zhǎng)與氮肥利用研究［D］. 沈陽(yáng)：沈陽(yáng)農(nóng)業(yè)大學(xué)， 2013.

［4］ LU J， YANG T， SU X， et al. Monitoring leaf potassium content using hyperspectral vegetation indices in rice leaves［J］. Precision agriculture， 2020， 21（2）： 324-348.

［5］ 張 毅， 王洪云， 鈕福祥， 等. “寧紫薯1號(hào)”花青素組分鑒定及其對(duì)大鼠高脂誘導(dǎo)肥胖的預(yù)防效果［J］. 中國(guó)農(nóng)業(yè)科學(xué)， 2016， 49（9）： 1787-1802.

［6］ 朱白雪. ‘新新2號(hào)’核桃葉片營(yíng)養(yǎng)元素含量光譜估算模型［D］. 烏魯木齊：新疆農(nóng)業(yè)大學(xué)， 2016.

［7］ 羅駿飛. CGMD302作物生長(zhǎng)監(jiān)測(cè)診斷儀的測(cè)試與評(píng)價(jià)［D］. 南京：南京農(nóng)業(yè)大學(xué)， 2015.

［8］ FARELLA M M， BARNES M L， BRESHEARS D D， et al. Evaluation of vegetation indices and imaging spectroscopy to estimate foliar nitrogen across disparate biomes［J］. Ecosphere， 2022， 13（3）：e3992.

［9］ PIMSTEIN A， KARNIELI A， BANSAL S K， et al. Exploring remotely sensed technologies for monitoring wheat potassium and phosphorus using field spectroscopy［J］. Field crops research， 2011， 121（1）： 125-135.

［10］ SLATON N A， DRESCHER G L， PARVEJ M R， et al. Dynamic critical potassium concentrations in soybean leaves and petioles for monitoring potassium nutrition［J］. Agronomy journal， 2021，" " 113（6）： 5472-5482.

［11］ JINYANG L， MEIQING L， HANPING M， et al. Diagnosis of potassium nutrition level in Solanum lycopersicum based on electrical impedance［J］. Biosystems engineering， 2016， 147： 130-138.

［12］ WANG Y J， JIN G， LI L Q， et al. NIR hyperspectral imaging coupled with chemometrics for nondestructive assessment of phosphorus and potassium contents in tea leaves［J］. Infrared physics amp; technology， 2020， 108： 103365.

［13］ GUO X， ZHU X， LI C， et al. Hyperspectral inversion of potassium content in apple leaves based on vegetation index［J］. Agricultural sciences， 2017， 8： 825-836.

［14］ 田永超， 楊 杰， 姚 霞， 等. 高光譜植被指數(shù)與水稻葉面積指數(shù)的定量關(guān)系［J］. 應(yīng)用生態(tài)學(xué)報(bào)， 2009， 20（7）： 1685-1690.

［15］ 聶志剛， 李 廣. 基于APSIM的旱地小麥葉面積指數(shù)模擬模型構(gòu)建［J］. 干旱地區(qū)農(nóng)業(yè)研究， 2013， 31（4）： 94-98.

［16］ RAY S S， JAIN N， MIGLANI A， et al. Defining optimum spectral narrow bands and bandwidths for agricultural applications［J］. Current science， 2010， 93（10）： 1365-1369.

［17］ 李敏夏. 蘋果葉片光譜反射率與葉綠素和全氮含量的相關(guān)研究［D］. 陜西楊凌：西北農(nóng)林科技大學(xué)， 2009.

［18］ 張蕾蕾. 蘋果幼樹葉片葉綠素與水分含量的高光譜估測(cè)研究［D］. 山東泰安：山東農(nóng)業(yè)大學(xué)， 2013.

［19］ BRUNING B， LIU H， BRIEN C， et al. The development of hyperspectral distribution maps to predict the content and distribution of nitrogen and water in wheat （Triticum aestivum）［J］. Frontiers in plant science， 2019， 10：1380.

［20］ 朱西存， 姜遠(yuǎn)茂， 趙庚星， 等. 基于光譜指數(shù)的蘋果葉片水分含量估算模型研究［J］. 中國(guó)農(nóng)學(xué)通報(bào)， 2014， 30（4）： 120-126.

［21］ ISSA S M， DAHY B S， SALEOUS N. Accurate mapping of date palms at different age-stages for the purpose of estimating their biomass［J］. ISPRS annals of the photogrammetry，remote sensing and spatial information sciences， 2020， 3， 461-467.

［22］ 賀志遠(yuǎn). 雙季稻臨界氮濃度稀釋模型的構(gòu)建及氮素診斷研究［D］. 南京：南京農(nóng)業(yè)大學(xué)， 2016.

［23］ 楊福芹. 小麥、玉米葉片和植株氮營(yíng)養(yǎng)高光譜診斷與應(yīng)用研究［D］. 北京：中國(guó)礦業(yè)大學(xué)（北京）， 2016.

［24］ LV Z， LU G. A new curve of critical leaf potassium concentration based on the maximum root dry matter for diagnosing potassium nutritional status of sweet potato［J］. Frontiers in plant science， 2021， 12： 714279.

［25］ 辛延斌. 基于高光譜成像技術(shù)小麥玉米長(zhǎng)勢(shì)監(jiān)測(cè)研究［D］. 山東泰安：山東農(nóng)業(yè)大學(xué)，2017.

［26］ 凌成星， 鞠洪波， 張懷清， 等. 基于植被指數(shù)比較的濕地區(qū)域LAI遙感估算研究［J］. 中南林業(yè)科技大學(xué)學(xué)報(bào)， 2016， 36（5）：11-18.

［27］ 張 威， 潘劍君， 李 勇， 等. 基于冠層光譜特征的冬小麥產(chǎn)量估算研究［J］. 土壤通報(bào)， 2015， 46（1）：169-176.

［28］ 鄧海龍，安 靜. 紅富士蘋果葉片全鉀含量高光譜預(yù)測(cè)研究［J］. 四川地質(zhì)學(xué)報(bào)， 2014， 34（S1）： 108-111.

［29］ LU J， LI W， YU M， et al. Estimation of rice plant potassium accumulation based on non-negative matrix factorization using hyperspectral reflectance［J］. Precision agriculture， 2021， 22： 51-74.

［30］ 喬 欣，馬 旭，張小超，等.大豆葉綠素和鉀素信息的冠層光譜響應(yīng)［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39（4）： 108-111.

［31］ 王 珂，沈掌泉.不同鉀營(yíng)養(yǎng)水平的水稻冠層和葉片光譜特征研究初報(bào)［J］.科技通報(bào)，1997（4）： 211-214.

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目 （32071897；32272222）；寧波市重點(diǎn)項(xiàng)目 （2022S092）；浙江省糧油產(chǎn)業(yè)技術(shù)項(xiàng)目

作者簡(jiǎn)介：魯燕君（1977-），女，浙江杭州人，農(nóng)藝師，主要從事農(nóng)業(yè)技術(shù)推廣工作，（電話）13750869331（電子信箱）342758302@qq.com；共同第一作者，王旭偉（1975-），男，浙江寧波人，高級(jí)農(nóng)藝師，主要從事旱糧技術(shù)推廣研究，（電話）0574-89385582（電子信箱）1434279612@qq.com；通信作者，呂尊富（1984-），男，山東煙臺(tái)人，教授，博士，主要從事智慧農(nóng)業(yè)研究，（電話）13616537056（電子信箱）lvzunfu@163.com；共同通信作者，陳少杰（1979-），男，高級(jí)農(nóng)藝師，主要從事糧油生產(chǎn)技術(shù)推廣工作，（電話）0574-89385579（電子信箱）supersjc2@aliyun.com。