文献类型：期刊文章

作　　者：秦占飞[1,2] 常庆瑞[1] 谢宝妮[2] 申健[1]

Qin Zhanfei Chang Qingrui Xie Baoni Shen Jian(College of Natural Resources and Environment, Northwest A ＆_F University, Yangling 712100, China Institute of Land Resource and Urban and Rural Planning, Hebei GEO University, Shijiazhuang 050031, China)

机构地区：[1]西北农林科技大学资源环境学院,杨凌712100 [2]河北地质大学土地资源与城乡规划学院,石家庄050031

出　　处：《农业工程学报》

基　　金：国家(863计划)项目(2013AA102401-2);高等学校博士学科点专项科研基金(20120204110013)

年　　份：2016

卷　　号：32

期　　号：23

起止页码：77-85

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20165003118644)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：实时监测水稻氮素状况对于评估水稻长势及精准田间管理意义重大。为确定宁夏引黄灌区水稻叶片全氮含量的最优高光谱估测方法,该文依托不同氮素水平水稻试验,基于成像高光谱数据和无人机高光谱影像,综合运用统计分析及遥感参数成图技术,对比分析光谱指数与偏最小二乘回归方法预测水稻叶片全氮含量的精确度和稳健性。结果表明,以组合波段73-8和522 nm光谱反射率的一阶导数构成的比值光谱指数（ratio spectral index,RSI）构建的线性模型为水稻叶片全氮含量的最优估测模型（检验R^2为0.673,均方根误差为0.329,相对分析误差为2.02）;无人机高光谱影像反演的水稻叶片全氮含量分布范围（1.28%-2.56%）与地面实际情况较相符（1.34%-2.49%）。研究结果可为区域尺度水稻氮素含量的空间反演及精准农业的高效实施提供科学和技术依据。

关 键 词：氮素  无人机 作物  水稻 高光谱  波段选择

分 类 号：TP79] S127]