农业资源与环境学报

作者：宋雪,张民,周洪印,于小晶,刘之广,徐子云,王有良

单位：土肥资源高效利用国家工程实验室, 山东农业大学资源与环境学院, 山东 泰安 271018,土肥资源高效利用国家工程实验室, 山东农业大学资源与环境学院, 山东 泰安 271018,养分资源高效开发与综合利用国家重点实验室, 金正大生态工程集团股份有限公司, 山东 临沭 276700,土肥资源高效利用国家工程实验室, 山东农业大学资源与环境学院, 山东 泰安 271018,土肥资源高效利用国家工程实验室, 山东农业大学资源与环境学院, 山东 泰安 271018,土肥资源高效利用国家工程实验室, 山东农业大学资源与环境学院, 山东 泰安 271018,土肥资源高效利用国家工程实验室, 山东农业大学资源与环境学院, 山东 泰安 271018,山东农业大学信息与工程学院, 山东 泰安 271018

关键词：全氮，高光谱分析，模型，快速评估，敏感波段,

基金：国家重点研发计划项目（2017YFD0200706）；国家自然科学基金项目（41571236）；全国农业专业学位研究生实践教育示范基地项目（MA201601008）；山东省研究生教育创新计划项目（SDYY16043）；山东省研究生导师指导能力提升项目（SDYY18108）；山东农业大学研究生教育教学改革研究项目（YZD2018002）

为明确太湖地区土壤全氮的高光谱特征，构建定量分析模型，以江苏省无锡市滨湖区为研究区域，选取地理位置跨度大、土壤质地相似的93个样品，进行土壤风干样品全氮含量测定和光谱数据采集，对光谱反射率进行一阶微分，运用相关系数峰谷值法筛选敏感波长，将敏感波长两两结合进行土壤调节光谱指数（MSASI）运算。将两两结合后敏感波段分别采用多元线性回归分析、人工神经网络分析和偏最小二乘法构建土壤全氮含量的定量高光谱分析模型。结果表明，研究区内土壤全氮含量与光谱反射率呈正相关，敏感波段包括420~444 nm和480~537 nm。基于土壤调节光谱指数的多元线性回归分析对敏感波段诊断的效果最佳（R2=0.98、RMSE=0.04），其精度高、可靠性强，是筛选出的最佳土壤全氮含量估测模型。偏最小二乘法模型（R2=0.70、RMSE=0.13）次之，而人工神经网络模型（R2=0.69、RMSE=0.15）精度最低。该研究结果为太湖地区土壤全氮水平的高光谱快速估测提供了方法借鉴，可为土壤养分精准管理提供技术参考。

来源：2020年第1期

《农业资源与环境学报》期刊编辑部

查看农业资源与环境学报杂志2020年第1期