徐浩聪，姚波，王权，陈婷婷，朱铁忠，何海兵，柯健，尤翠翠，吴小文，郭爽爽，武立权,4

基于叶片反射光谱估测水稻氮营养指数

1安徽农业大学农学院，合肥 230036；2庐江县农业技术推广中心，安徽庐江 231500；3中联智慧农业股份有限公司，安徽芜湖 241000；4江苏省现代作物生产协同创新中心，南京 210095

【】基于叶片反射光谱建立快速、无损监测水稻氮营养指数（nitrogen nutrition index，NNI）的估算模型。2018—2019年开展2个水稻品种（徽两优898和Y两优900）及5个氮肥梯度（施氮量为0、75、150、225和300 kg·hm-2，分别记为N0、N1、N2、N3、N4）的田间小区试验，测定关键生育期不同叶位叶片反射光谱和植株NNI，构建多种光谱指数的水稻NNI监测模型。单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处，其与近红外波段构成的窄波段比值指数SR（R900，R540）可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同，顶3叶（L3）预测精度最好（2=0.731，=0.130，=11.6%），顶2叶（L2）次之（2=0.707，=0.136，=12.2%），顶1叶（L1）最差（2=0.443，=0.187，=14.7%）；顶2叶和顶3叶组合平均光谱（L23）的预测精度优于单叶水平和其他叶位组合（2=0.740，=0.128，=11.5%）。再将窄波段比值指数SR（R900，R540）近红外与绿光区域分别重采样50 nm和10 nm，所构建的宽波段比值指数SR[AR（900±50），AR（540±10）]模型精度较SR（R900，R540）未明显降低，且在L23水平下2个模型的模型精度和预测精度基本一致（2=0.740，=0.128，=11.5%）。水稻NNI小于1时与产量呈线性的正相关关系（＜0.05），大于1时产量趋于平稳。L2和L3叶片反射光谱为监测水稻NNI的敏感叶位，其中叶位组合L23可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数（SR（R900，R540）和SR[AR（900±50），AR（540±10）]）可快速估测水稻NNI，从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。……