机-地耦合的冬小麦氮营养指数（NNI）遥感反演理论与方法

The nitrogen nutrition index (NNI) has been widely used to diagnose plant nitrogen (N) status accurately for N fertilization decision making. The traditional NNI estimation method obtained by laboratory chemical analysis of plant nitrogen concentration and biomass was time-consuming and difficult to realize the regional scale monitoring. The estimation results also had the lag problems on both research and actual application. A real-time, non-destructive and regional estimation of NNI was always based on the remote sensing inversion theory and method of NNI. This project was conducted on the basis of plot and field winter wheat planting experiments in Guanzhong area, Shaanxi province. Coupled ground non-imaging spectrum with UAV-based hyper-spectral images, the theory and method of extracting sensitive bands and characteristic parameters of plant N concentration, biomass and NNI were discussed. It was used to build the “spectrum-feature parameter-NNI” and “spectrum-N concentration/biomass-NNI” estimation models. The optimal NNI estimation model was proposed by accuracy test, sensitive analysis and contrastive analysis. Based on this, remote sensing estimation method and model of N deficit would be discussed and the remote sensing mapping of NNI and N deficit would be carried on. The results would provide a practicable theory basis and technique approach on regional N dynamics monitoring, non-destructive diagnosis and adjustment of N fertilizer management practices.

氮营养指数(Nitrogen Nutrition Index，NNI)可用于准确指示作物氮素营养状况。常规NNI的获取需要田间破坏性取样和室内化学分析测试，不仅过程繁琐、耗财耗时，难以实现大范围的实时监测，还存在研究和实践应用上的滞后。本项目从NNI的遥感定量估算理论和方法研究出发，耦合低空无人机成像和地面非成像高光谱信息，探讨冬小麦植株氮浓度、干物质和NNI的敏感特征参数提取理论与方法，构建基于“冠层光谱-特征参数-NNI”和“冠层光谱-氮浓度/干物质-NNI”的冬小麦NNI诊断模型。通过模型精度、敏感性和普适性分析，提出关中地区冬小麦NNI遥感估算的最佳模型。在此基础上，探索基于NNI的氮亏缺量遥感估算方法与模型，实现NNI和氮亏缺量的遥感填图，为区域尺度冬小麦氮素营养的动态监测、无损诊断和氮肥管理措施的定量调控提供现实可行的理论基础和技术途径。

氮营养指数(Nitrogen Nutrition Index，NNI)可用于准确指示作物氮素营养状况。常规氮营养指数的获取需要田间破坏性取样和室内化学分析测试，不仅过程繁琐、耗财耗时，难以实现大范围的实时监测，还存在研究和实践应用上的滞后。本研究以2017-2019年关中地区冬小麦为研究对象，通过采集冬小麦植株样获取小区地上部生物量和植株氮浓度，并利用关中地区“小偃22”临界氮浓度稀释曲线计算氮营养指数。利用地面高光谱仪获取主要生育期的冠层光谱信息，分析植株氮浓度、地上生物量、氮营养指数的冠层高光谱响应规律，探讨植株氮浓度、地上生物量、氮营养指数的敏感波段、特征参数和光谱指数的提取方法，进行植株氮浓度、地上生物量、氮营养指数的遥感估算模型构建，探讨氮营养指数与小麦地上部氮积累亏缺量的定量关系，构建冬小麦氮营养指数以及氮亏缺量遥感定量估算模型。结果表明：通过特征参数估算地上生物量和植株氮浓度均具有较高的精度，而氮营养指数的遥感估算精度较低。对比地上部生物量和植株氮浓度最佳模型估算氮营养指数和光谱特征参数直接估算氮营养指数推荐模型的精度，发现各个关键生育期中的拔节期、抽穗期和开花期以及全生育期，利用光谱特征参数直接估算氮营养指数的精度高于利用地上部生物量和植株氮浓度最佳模型估算氮营养指数的精度，可以直接利用全生育期模型进行氮营养指数的粗略估算。拔节期作为冬小麦生长的关键生育期，基于任意两波段光谱指数偏最小二乘回归模型的精度高于全生育估算模型，利用该模型可以为该生育期冬小麦长势提供更为精确的决策基础数据。无人机平台UHD高光谱相机获取的光谱数据与地面高光谱高度相似，具有较高的精度，采用3*3均值滤波卷积核范围内HUD图像的平均值作为中心像元值，基于地面高光谱的氮营养指数估算模型能够直接用于无人机UHD氮营养指数估算，基于随机森林回归构建的多变量冬小麦氮营养指数估算模型具有极好的预测能力，模型决定系数为0.79，均方根误差为0.13，相对预测偏差为2.25。关中地区冬小麦氮营养指数与氮亏缺量呈显著相关，可以用氮亏缺量（ΔNU）=-126.28*NNI+128.34来表示，精度R2为0.93，进而基于无人机平台高光谱相机数据实现小区域范围内的冬小麦氮营养指数和氮亏缺量遥感填图，为冬小麦氮素营养诊断、产量和品质监测及后期田间管理提供科学依据。