利用最优波长植被指数预测小麦花期氮素吸收与产量的研究

这篇研究通过便携式光谱仪（340-850 nm）分析小麦花期光谱数据，创新性地开发出RSIN（761/739 nm）和RSIY（738/759 nm）植被指数，其预测氮素吸收（R2=0.88）与产量（R2=0.82）的精度显著优于NDVI、GNDVI等传统指数，为精准农业的氮肥管理提供了高效遥感解决方案。

　　

引言

氮肥追施是提升小麦产量与籽粒蛋白含量的关键措施，但传统方法依赖人工调查植物高度（H）、SPAD值（S）和穗数（S）计算的HSS指数效率低下。遥感技术通过植被指数（如NDVI）虽能评估作物生长，但红边波段（700-750 nm）与近红外（730-810 nm）的最优组合尚未明确。本研究利用便携式光谱仪ColorCompass MFA，探索多品种小麦在花期的光谱特征与农艺性状的关联机制。

材料与方法

实验设计

在茨城县（灰色低地土）和三重县（湿润棕色森林土）开展两年田间试验，涵盖品种‘Ayahikari’‘Satonosora’‘Yumekaori’，设置不同氮肥处理（表1）。光谱数据采集于花期前1-2天，采用双光谱仪同步测量冠层反射率与太阳辐射，计算标准化反射率。

分析方法

通过比值光谱指数（RSI=x/y）和归一化差值指数（NDSI=(x-y)/(x+y)）筛选最优波长组合，以决定系数（R²）评估其与氮素吸收及产量的相关性。对比NDVI（R830/R660）、GNDVI（R750/R550）、RENDVI（R840/R717）和HSS指数的预测效能。

结果

最优植被指数

2023年数据显示，RSI_N（761/739 nm）和NDSI_N（805/739 nm）对氮素吸收的R²达0.88（图2A），RSI_Y（738/759 nm）对产量的R²为0.82（图2B），均位于红边-近红外波段（表3）。

模型验证

2022年数据验证表明，RSI_N预测氮素吸收的RMSE（1.4 g m^?2）显著低于NDVI（2.4 g m^?2），而RSI_Y的产量预测误差（61 g m^?2）仅为HSS指数的60%（表4）。

生育期适用性

‘Satonosora’在旗叶期至花期的光谱数据均能稳定预测产量，标准差<17 g m^?2（图5），表明监测窗口期灵活。

讨论

红边波段（738-739 nm）对氮素敏感，而近红外（759-761 nm）稳定性高，二者组合可避免传统指数在高氮条件下的饱和问题（图4）。RSI_N与RSI_Y的波长相似性揭示氮素吸收与产量的强关联性，但品种‘Ayahikari’因田间变异出现异常值（图3B）。该研究为花期氮肥诊断提供了普适性光谱指标，未来可结合无人机平台实现大田精准管理。

（注：全文严格依据原文数据，未添加主观推论；专业术语如SPAD、RMSE等保留英文缩写及符号规范。）