郑华斌 陈灿 傅志强 黄璜

（湖南农业大学农学院/农业部华中地区作物栽培科学观测实验站，长沙410128；第一作者：hbzheng@hunau.edu.cn；*通讯作者：hh863@126.com）

有机肥化肥配施的双季晚稻群体冠层光谱特征研究

郑华斌 陈灿 傅志强 黄璜*

（湖南农业大学农学院/农业部华中地区作物栽培科学观测实验站，长沙410128；第一作者：hbzheng@hunau.edu.cn；*通讯作者：hh863@126.com）

以不同施肥模式为基础，分析了晚稻群体冠层光谱反射率、一阶微分光谱和归一化光谱特征，并对叶片氮含量、氮积累量、产量、叶面积指数和叶干物质积累进行了相关性分析，构建了以高光谱特征参数为自变量的水稻氮素营养诊断模型。结果表明，叶片氮素含量与665 nm处冠层光谱反射率呈极显著相关性（p<0.001），与554 nm和672 nm处的一阶微分光谱也呈极显著相关性（p<0.001）；以λr构建的指数函数y=684.91e0.028x，决定系数（R2）为0.90、（SDr-SDb）/（SDr+SDb）构建的指数函数y=0.66e0.11x，决定系数（R2）为0.88，均能很好地诊断在有机肥和无机肥配施模式下的水稻氮素营养。

水稻；有机肥化肥配施；氮素营养；冠层反射光谱；高光谱参数；诊断模型

随着植物遥感技术的快速发展，以光谱技术为核心的无损测试技术成为研究的热点[1]，国内外学者对水稻[2-3]、小麦[4]、玉米[5]、棉花[6]、油菜[7]等不同作物基于光谱技术的氮素营养诊断已经进行了深入的研究。张玉森等[8]应用近红外光谱（NIRS）技术预测了水稻叶片氮含量。谭昌伟等[9]通过设置4个氮肥水平，研究最适诊断水稻氮素营养的模型指出，以归一化变量（SDr-SDb）/（SDr+SDb）构建的线性函数拟合模型，可以定量诊断水稻氮素营养。薛利红等[10]设置4个氮肥水平研究基于冠层反射光谱的水稻群体叶片氮素状况指出，水稻冠层光谱反射率与叶片氮积累量显著相关，尤其是近红外与绿光波段的比值（R810/R560）与叶片氮积累量（LNA）呈显著线性关系，不受氮肥水平和生育时期的影响。

前人的研究集中在无机肥及其施肥水平上，而有机肥化肥配施的氮素营养诊断模型的研究鲜有报道。本文以施肥模式长期定位试验为基础，以双季晚稻孕穗期间叶片氮含量、氮积累量和冠层光谱特征为数据资料，分析孕穗期群体冠层光谱特征、叶片氮含量与冠层光谱反射率和冠层光谱一阶光谱反射率的相关性，并建立与氮素营养呈极显著相关性的高光谱参数为自变量，以叶片氮含量为因变量的高光谱参数模型，完善和丰富水稻生产中的无损实时生长诊断模型。

1 材料与方法

1.1 试验地点

表1 土壤理化特性（2014年）

试验设在湖南宁乡土壤肥料工作站 （28'07°N，112'18°E；海拔36.0 m）的长期施肥模式田间定位试验田（1987-至今），试验田进行早稻-晚稻轮作。供试田块土壤为第四纪红粘土发育成的水稻土，亚热带季风气候，年平均气温17.4℃，年降水量1 488 mm，无霜期280 d。各处理土壤基本理化性状见表1。

1.2 试验设计

随机区组设计，设5个不同施肥模式：CK，无肥区；FM，化肥区；SRM，秸秆还田区；30%OM，30%有机肥+70%化肥区；60%OM，60%有机肥+40%化肥区。施肥水平详见表2。无机N、P2O5、K2O以单质肥定量施入、有机肥以猪粪肥施入。其中P2O5、K2O和有机肥以基肥形式一次性施入，N肥中40%为基肥、50%为分蘖肥、10%为穗肥。所有处理除施肥模式不同外，其他栽培管理措施均一致。3次重复，小区面积为60 m2，行株距23 cm×20 cm。参试品种为金优207。

图1 晚稻孕穗期不同阶段的冠层反射率（a，9月10日；b，9月16日；c，9月21日）

表2 不同肥料处理的施肥量

1.3 测定方法

1.3.1 群体冠层光谱特征

采用ASD FieldSpec Pro－FRTM光谱仪（美国ASD公司）测定水稻冠层光谱特征，于11∶00－13∶00，选择无风、天气晴朗的时间，分别在晚稻不同阶段孕穗期，即9月10日、9月16日和9月21日测定水稻冠层光谱反射率。ASD FieldSpec Pro－FRTM光谱仪，波段为350～2500 nm，350～1 000 nm光谱采样间隔为1.4 nm，分辨率为3 nm；1 000～2 500 nm光谱采样间隔为2 nm，分辨率为10 nm。光谱仪、控制计算机间采用无线传输，并由UPS提供电能。数据采集前采用标准白板校正（标准白板反射率视为1，所测得的目标物光谱是无量纲的相对反射率和相对透射率），光谱采样样本为30个/小区，然后取平均值。

1.3.2 叶干物质积累动态及其N含量

选取长势均匀的植株6株，连根拔出，清理泥土后带回室内测定绿叶叶面积和植株干物质量。其中绿叶叶面积采用Licor－3100结合比叶重测定，计算叶面积指数（LAI）；干物质量按叶片、茎鞘、穗分别测定。干物质经粉碎后过60目筛，用H2SO4－H2O2消化[11]，用AA3型流动分析仪测定叶片氮含量[12]。

1.3.3 产量

于成熟期每小区中心选取5 m2作为测产区，人工收割和脱粒，采用网袋单独晒干、风选称重，测定稻谷质量和含水量，再折算成含水量14%的实际产量。

1.4 数据处理与分析

产量、干物质、群体光谱特性等均值在Excel 2003软件平台下实现；基于ASD viewspec－pro、Matlab7.0软件平台下进行光谱的数值提取和归一化处理；基于Statistix 8.0软件平台下进行处理间差异的方差分析，采用“最小显著差法（LSD）”进行显著性检验。数据处理用Statistical 7.0。

2 结果与分析

2.1 晚稻群体冠层光谱特性

2.1.1 相对反射率

由图1（a）可知，400～660 nm的CK的相对反射率要高于施肥模式，660～680 nm附近（叶绿素吸收区），CK的冠层光谱反射率最大，其次是30%OM的处理，大于700 nm时，处理之间冠层光谱反射率差异明显，以30%OM处理的冠层光谱反射率最高，其次是FM、SRM和60%OM处理；由图1（b）可知，400～660 nm的冠层光谱反射率依次为CK＞SRM＞30%OM＞60%OM＞FM，660～680 nm的趋势与400～660 nm一致，大于700 nm时，处理间分化较为明显，FM、SRM和30%OM处理的冠层光谱反射率最低，其次是60%OM处理，CK的冠层光谱反射率最小；由图1（c）可知，同样表现出大于700 nm波段时，各处理的冠层光谱反射率差异明显，SRM的冠层光谱反射率最大，其次是30%OM和FM处理，最后是CK和60%OM处理。由此可见，随着孕穗期生育进程的推进，大于700 nm不同施肥处理的变化规律不一。60%OM处理的冠层光谱反射率呈先增加后降低的趋势，FM和30%OM处理的变化趋势不明显，SRM处理的冠层光谱反射率逐渐增加。

图2 晚稻孕穗期不同阶段的冠层一阶导数光谱特征曲线（a，9月10日；b，9月16日；c，9月21日）

图3 晚稻孕穗期不同阶段的冠层归一化光谱特征曲线（a，9月10日；b，9月16日；c，9月21日）

2.1.2 红边一阶导数光谱特征

红边是植物在680～750 nm一阶导数光谱最大值对应波长，即红光到近红外区光谱曲线的变形点。红边位置是叶绿素强烈吸收和叶片内在散射共同作用的结果，对“红边”位移监测可获得有关环境胁迫的信息。一般认为，光谱导数可以增强光谱曲线在坡度上的细微变化，对植被来说这种变化与植被的生物化学吸收特性相关。采用光谱导数分析模型具有一系列的优越性，主要有部分消除大气效应，可能消除植被光谱中土壤成分的影响，能反映植被的本质特征等。本文一阶导数Dλ采用下式差分计算：Dλ=（Ri+1-Ri-1）/（λi+1-λi-1）。式中，Ri表示波长i处的相对反射率；λi为波长i处的波长值[13]。

由图2可知，水稻冠层红边具有多峰现象，吸收峰出现在695～700 nm、715～720 nm、720～725 nm、725～ 730 nm和730～735 nm处。9月10日和16日的测定结果表明，一阶导数光谱曲线分为明显的2组，CK的一阶微分光谱最小；而9月21日，一阶微分光谱曲线很分散，差异明显，SRM处理的一阶导数光谱最大，其次是30%OM、FM和60%OM处理。孕穗期的不同阶段，各处理的吸收峰并没有发生推移现象，这可能是由于叶片生物量、叶面积指数、土壤背景等变化不显著的缘故。

2.1.3 归一化光谱特征

为了清晰区分不同施肥方式的水稻冠层光谱特征，采用包络线去除法对光谱进行再处理，能够突出原始光谱曲率和吸收深度等特征。包络线去除法通过将反射光谱吸收强烈部分的波段特征进行转换，放大并形成一种归一化的吸收光谱，从而进行光谱吸收特征分析和光谱特征波段选择。包络线是指一条连接光谱上选取波段间吸收起点和吸收终点的线，也叫“外壳”。当外壳确定之后，包络线去除值可根据下式进行计算：Rcj=Ri/RHi，式中，Rcj为波段i处对应的包络线去除值；Ri为波段i处的光谱反射率；RHi为波段i对应的“外壳”值[13]。

图4 晚稻孕穗期不同阶段干物质（a）、叶面积指数（b）、叶片氮含量（c）和氮积累量（d）的变化

表3 叶片相关指标和产量的相关性分析

由图3可知，晚稻孕穗期光谱相对反射率曲线在440～550 nm、560～730 nm、920～1 065 nm、1 090～1 260 nm内具有明显的吸收谷，选取吸收强度最大的560～730 nm波段，通过包络线去除法将该波段的光谱反射率进行归一化处理，深入分析反射光谱的吸收特征。图3（a）中，处理间的归一化光谱曲线分为2组，CK的归一化的吸收深度最小、光谱反射率最大，其他处理较CK的归一化吸收深度大、光谱反射率小；由图3（b）可知，同样，CK的归一化的吸收深度最小、光谱反射率最大，FM处理的归一化的吸收深度最大、光谱反射率最小；由图3（c）也可知，CK的归一化的吸收深度最小、光谱反射率最大，30%OM和60%OM处理的归一化的吸收深度最大、光谱反射率最小。总的来说，在孕穗后期各处理的归一化光谱差异最为明显。

2.2 叶片干物质积累及其N含量动态

随着水稻生育进程的推进，叶干物质积累量（图4a）和叶片含氮量（图4c）不断下降，其中CK、FM、SRM处理均有持续下降的趋势，有机肥无机配施的叶干物质量有所增加；而叶片氮积累量也呈下降趋势，变化规律与叶片干物质积累量一致。相关性分析也表明，叶片干物质积累和含氮量、叶片氮积累量间为极显著相关（表3）；叶面积指数（LAI）最大的是30%OM处理（图4b），其次是处理SRM、FM、60%OM处理，最小的是CK。因此，适量的有机肥和无机肥配施有利于水稻氮素营养的积累，同时，配施有机肥能够延长水稻叶片功能期，减缓叶片衰老，为水稻后期产量形成提供充足的库源[20]。

2.3 晚稻群体冠层光谱特性与叶片特性的相关性分析

图5 665 nm处冠层光谱反射率与叶片全氮含量的曲线模型

图6 554 nm和672 nm处冠层一阶导数光谱反射率与叶片全氮含量的曲线模型

叶片含氮量与350～717 nm波段光谱反射率表现出极显著负相关（p<0.05），与可见光波段466～705 nm呈极显著负相关（p<0.001），决定系数（R2）达到0.7以上的波段是483～696 nm，相关性系数最高的单波段是665 nm；与近红外波段747～949 nm呈极显著正相关（p<0.05）。选取相关性系数最好的665 nm为变量，与叶片氮含量做线性回归方程（图5），其模型函数是y= 0.14x2-2.13x+6.06，决定系数（R2）为0.78。

叶片含氮量与一阶微分光谱反射率也表现出极显著的相关性。与可见光波段547～556 nm以及单波段489 nm、630 nm，表现出极显著负相关（p<0.05）；在550～555 nm及489 nm处呈极显著负相关（p<0.001），相关性系数最高的单波段是554 nm；在659～660 nm、666～667 nm、670～672 nm波段内表现出极显著负相关（p<0.05），在667 nm、671～672 nm处呈极显著负相关（p<0.001），相关性系数最高的单波段是672 nm。选取相关性系数最好的554 nm和672 nm为变量，与叶片氮含量做线性回归方程（图6）。554 nm和672 nm处的线性模型函数分别为y=-0.27x2-0.51x+2.17和y=-0.39x2-0.060x+2.41，决定系数（R2）分别为0.84和0.82。

2.4 不同施肥模式的晚稻群体冠层高光谱预测与评价

常用的高光谱遥感特征变量包括从原始光谱、一阶微分光谱提取的基于光谱位置的特征变量、基于高光谱的特征变量和基于高光谱植被指数的特征变量，共3种类型18种参数[9]（表4）。

由表5可见，在基于光谱位置的特征变量高光谱参数中红边位置（λr）、黄边内最大一阶微分值（Dy）、绿峰反射率（Rg）、绿峰反射率对应的波长位置（λg）、红谷反射率（Ro）与水稻叶片氮含量呈极显著正（负）相关；基于光谱面积的特征变量的3个参数与水稻叶片氮含量未表现出相关性；在基于植被指数的特征变量中除（SDr/SDy）和（SDr-SDy）/（SDr+SDy）外均呈极显著正相关。因此可筛选出用作诊断水稻氮素营养状况的高光谱遥感特征变量，其中以λr和（SDr-SDb）/（SDr+SDb）最为理想。

为了更精确地诊断这些参数，选取与氮素含量呈极显著相关的高光谱参数为自变量、以叶片氮含量为因变量，分析高光谱参数（x）与氮素含量（y）的相关性，采用以下5种函数模式构建诊断模型：1）线性函数：y= a+bx；2）指数函数：y=a×exp（bx）；3）对数函数：y=a+lnx；4）抛物线函数：y=ax2+bx+c；5）幂函数：y=axb；4）多项式函数：y=ax3+bx2+cx+d。式中：y为氮素营养的诊断值；x为高光谱参数，a、b、c、d为诊断模型的常数，筛选出最佳诊断模型（表6）。

由表6可知，筛选的高光谱参数与水稻叶片氮含量之间都存在很好的相关性，其中以λr构建的指数函数的决定系数（R2）最大，其模型函数为y= 684.91e0.0281x；其次是以（SDr-SDb）/（SDr+SDb）构建的指数函数，决定系数（R2）为0.883，其模型函数为y= 0.6614e0.1139x。因此，可以选择以λr和（SDr-SDb）/（SDr+ SDb）为自变量构建水稻孕穗期叶片氮素营养的诊断模型。

3 讨论

3.1 有机肥化肥配施对水稻生长发育的影响

有机肥的施用是循环农业的重要环节，以农作物秸秆、畜禽粪便等有机肥料与化肥配施不仅能提高水稻产量和品质[14]，提高氮肥利用率[15]，增加水稻的干物质积累量[16]，而且能促进植物叶绿素的合成[17-20]，延长水稻叶片功能期，减缓叶片衰老，为水稻后期产量形成提供充足的库源。但不同学者对有机肥和无机肥的配比上存在分歧，王昌全等[21]研究认为，叶绿素含量随着有机肥料（猪粪、鸡粪和油枯）的增加而增加；而陈星峰等[22]对不同种类有机肥和无机肥配施的研究中表明，配施鸡粪和稻草的烟叶光合色素含量随有机氮比例增加而增加，而饼肥、牛粪和猪粪则相反。本研究发现，这种优势在处理30%OM更加明显，优于处理SRM和60%OM，在叶片氮含量、叶片氮积累量、叶干物质量和叶面积指数等指标上都占有显著的优势。

表4 高光谱遥感特征变量的定义（引自谭昌伟等[9]）

表5 水稻氮素含量与各类高光谱参数的相关系数

3.2 有机肥化肥配施下水稻群体光谱特征及其预测模型

利用光谱技术监测水稻氮素营养是为了快速准确无损地把握作物生长发育状况、土壤肥力情况和作物产量及品质，指导农业生产，为相似施肥模式下水稻氮素营养诊断提供理论和依据。本研究基于25 a的田间试验，以晚稻孕穗前期、中期和后期叶片氮素含量、氮积累量和冠层反射光谱为数据资料，降低了土壤背景值和取样时期对研究结果的干扰，因此，本研究利用高光谱特征参数预测水稻氮素营养具有很高的可靠性。同时，本研究以不施肥为对照，选取单一施化肥、秸秆还田、30%有机肥+70%无机肥配施和60%有机肥+40%无机肥配施4种典型的施肥模式为试验组，更具有实际应用价值，并确立了水稻叶片氮含量与冠层高光谱特征参数的定量关系，发现λr、Dy、Rg、λg、Ro、SDr/SDb、Rg/ Ro、（SDr-SDb）/（SDr+SDb）和（Rg-Ro）/（Rg+Ro）等光谱参数均可以较好的监测水稻氮素营养状况，其中λr和（SDr-SDb）/（SDr+SDb）构建的指数监测模型更为准确可靠。而谭昌伟等[9]在4个无机氮肥水平下筛选出的最佳模型是以（SDr-SDb）/（SDr+SDb）构建的线性监测模型。本研究在利用水稻叶片氮含量和水稻冠层光谱反射率与一阶导数光谱反射率相关性分析中，筛选出了与冠层光谱反射率相关性较好的波段350～717 nm、466～705 nm和747～949 nm，相关性最高的单波段是665 nm；与一阶导数光谱反射率相关性较好的波段是489 nm、547～556 nm、630 nm、659～660 nm、666～667 nm、671～672 nm，相关性最好的是554 nm和672 nm。这一研究结果与谭昌伟等[9]有差别，但与周启发等[23]和潘星哲[24]筛选出的波段有重叠，但最佳波段又不同。与其他研究产生差异的主要原因可能是由于施肥模式的不同造成的，另外，采样点生态环境的差异也是不可忽略的因素。

表6 水稻全氮含量与高光谱特征参数的回归分析

4 结论

基于有机肥化肥配施，665 nm处冠层光谱反射率与叶片氮素含量呈极显著相关性（p<0.001），554 nm和672 nm处的一阶微分光谱与叶片氮素含量也呈极显著相关性（p<0.001）；以λr构建的指数函数y= 684.91e0.028x，决定系数（R2）为0.90、以（SDr-SDb）/（SDr+ SDb）构建的指数函数y=0.66e0.11x，R2为0.88，均能很好地诊断在有机肥化肥配施下的水稻氮素营养。但是，本研究只基于1个生态点的数据，还需要在不同生态点做进一步的试验和检验，进而完善预测模型的精准性。

[1]Sun Q P,Jia L L,Rui Y K,et al.Nitrogen status diagnosis of summer maize by using visible spectral analysis technology[J].Spectrosc Spectral Anal,2009,29（2）:432-435.

[2] Yao Y,Miao Y,Jiang R,et al.Evaluating different active crop canopy sensors for estimating rice yield potential（Agro-Geoinformatics）[A].2013 Second International Conference on.IEEE,2013: 538-542.

[3]徐新刚，赵春江，王纪华，等.新型光谱曲线特征参数与水稻叶绿素含量间的关系研究[J].光谱学与光谱分析，2011，31（1）：188.

[4] Li F,Mistele B,Hu Y,et al.Reflectance estimation of canopy nitrogen content in winter wheat using optimised hyperspectral spectral indices and partial least squares regression[J].Eur J Agron,2014, 52:198-209.

[5] Chen P,Haboudane D,Tremblay N,et al.New spectral indicator assessing the efficiency of crop nitrogen treatment in corn and wheat[J]. Remote Sens Environ，2010,114（9）:1 987-1 997.

[6] Yi Q X,Bao A M,Luo Y,et al.Measuring cotton water status using water-related vegetation indices at leaf and canopy levels[J].J Arid Land,2012,4（3）:310-319.

[7]孔汶汶，刘飞，邹强，等.基于近红外光谱技术的油菜叶片丙二醛含量快速检测方法研究 [J].光谱学与光谱分析，2011，31（4）：988-991.

[8]张玉森，姚霞，田永超，等.应用近红外光谱预测水稻叶片氮含量[J].植物生态学报，2010，34（6）：704-712.

[9] 谭昌伟，周清波，齐腊，等.水稻氮素营养高光谱遥感诊断模型[J].应用生态学报，2008，19（6）：1 261-1 268.

[10]薛利红，曹卫星，罗卫红，等.小麦叶片氮素状况与光谱特性的相关性研究[J].植物生态学报，2004，28（2）：172-177.

[11]田永超，杨杰，姚霞，等.利用叶片高光谱指数预测水稻群体叶层全氮含量[J].作物学报，2010，36（9）：1 529-1 537.

[12]贝美容，罗雪华，杨红竹.AA3型连续流动分析仪（CFA）同时测定橡胶叶全氮、全磷、全钾的方法研究 [J].热带作物学报，2011，32（7）：1 258-1 264.

[13]仲晓春，戴其根，何理，等.不同浓度镉胁迫下水稻冠层光谱特征及其预测评价[J].农业环境科学学报，2012，31（3）：448-454.

[14]周江明.有机-无机肥配施对水稻产量、品质及氮素吸收的影响[J].植物营养与肥料学报，2011，18（1）：234-240.

[15]欧杨虹，徐阳春，沈其荣.有机氮部分替代无机氮对水稻产量和氮素利用率的影响[J].江苏农业学报，2009，25（1）：106-111.

[16]胡星.秸秆全量还田与有机无机肥配施对水稻产量形成的影响[D].扬州：扬州大学，2008.

[17]Zlatev Z,Popov V.Effect of organic fertilizers on photosynthesis of young tomato plants（Lycopersicon escuentum Mill.）[J].Agric SciTechn,2013,5（1）:1 313－1 320.

[18]Singh B,Singh Y,Sodhi G S,et al.Chlorophyll meter－based N management for rice grown in soils amended with organic manure[J].Int Rice Res Notes,2011,28（1）:63－65.

[19]周莉华，李维炯，倪永珍.长期施用EM生物有机肥对冬小麦生产的影响[J].农业工程学报，2005，21（S1）：221－224.

[20]沈德龙，曹凤明，李力.我国生物有机肥的发展现状及展望[J].中国土壤与肥料，2007（6）：1－4.

[21]王昌全，谢德体，李冰，等.不同有机肥种类及用量对芹菜产量和品质的影响[J].中国农学通报，2005，21（1）：192－195.

[22]陈星峰，陈朝阳，陈巧萍，等.配施不同种类有机肥对烤烟若干生理指标的影响[J].中国农学通报，2009，25（22）：178－181.

[23]周启发，王人潮.水稻氮素营养水平与光谱特性的关系[J].浙江农业大学学报，1993，19（S1）：40－45.

[24]潘星哲.基于不同施氮量水平下水稻高光谱特征分析[D].南昌：江西农业大学，2013.

Research of Canopy Spectral Characteristics of the Late Rice Populations with Organic Manure and Chemical Fertilizers

ZHENG Huabin,CHEN Can,FU Zhiqiang,HUANG Huang
（College of Agronomy,Hunan Agricultural University/Observation station of Crop Cultivation Science in Central China,Ministry of agriculture, Changsha 410128,China;1st author:hbzheng＠hunau.edu.cn;*Corresponding author:hh863＠126.com）

Based on different fertilization patterns,the canopy spectral reflectance,the first derivative spectra and normalized spectral characteristics of late rice,and a correlation among leaf nitrogen content,nitrogen accumulation,yield,leaf area index and leaf dry matter accumulation were analyzed.Then the rice nitrogen nutrition diagnosis model with high spectral characteristic parameters as independent variables was constructed.The results showed that:there has a great relevance between leaf nitrogen content with canopy spectral reflectance at 665 nm（p＜0.001）,the same with the first derivative spectra at 554 nm and 672 nm（p＜0.001）;There has an exponential function by λr:y=684.91e0.028x,the coefficient of determination（R2）was 0.90,and an exponential function by（SDr－SDb）/（SDr+SDb）：y=0.66e0.11x,the coefficient of determination（R2）was 0.88,these two model could diagnose the late rice nitrogen nutrition well under the conditions of organic manure and chemical fertilizers.

rice;organic manure;chemical fertilizers;nitrogen nutrition;canopy reflectance spectroscopy;high spectral parameters; diagnostic model

S511.062

A

1006-8082（2017）04-0006-08

2017－06－25

湖南双季稻区水稻生长指标光谱监测技术体系的施肥应用（201303109-3）；国家水稻丰产科技工程“长江中游南部（湖南）水稻丰产节水节肥技术集成与示范”（2013BAD07B11）