氮素与作物的生长发育、 产量和品质密切相关。 作物冠层氮素含量的快速、 准确、 无损检测对于作物营养诊断和长势评估具有重要意义。 传统的氮素检测方法检测周期长、 操作复杂, 同时具有破坏性, 无法实现作物氮素含量在时间和空间上的连续动态监测。 基于光谱遥感技术快速、 无损地获取作物氮素含量是近年来作物组分快速检测研究的热点。 当前的研究大多基于原始光谱或整数阶微分(一阶、 二阶)预处理后的光谱进行氮素含量预测, 原始光谱或整数阶微分预处理后的光谱会忽略光谱曲线间的渐变信息, 影响氮素含量的预测准确度。 与原始光谱和整数阶微分方法相比, 分数阶微分算法在背景噪声去除、 有效信息提取等方面较有优势。 为研究分数阶微分预处理算法在作物氮素检测中的应用, 本文以不同施肥处理下的盆栽大豆作物为研究对象, 获取大豆苗期、 花期、 结荚期和鼓粒期四个生育期共256组冠层高光谱及对应的大豆冠层氮素含量(CNC)数据, 运用分数阶微分算法对光谱数据进行0～2阶微分预处理, 微分间隔为0.1, 分别采用归一化光谱植被指数NDSI、 比值光谱指数RSI对预处理后的光谱数据和大豆冠层氮素含量数据进行相关性分析, 得到各阶微分预处理下NDSIα(α代表分数阶微分阶数)与大豆CNC, RSIα与大豆CNC相关系数绝对值的最大值及其对应的波段组合——最优波段组合NDSIα(opt)和RSIα(opt), 采用线性回归方法, 建立各阶微分下NDSIα(opt)与CNC, RSIα(opt)与CNC的预测模型, 并与常用植被指数(VOGII, MTCI, DCNI, NDRE)建立的氮素含量预测模型进行比较, 研究分数阶微分算法对大豆作物冠层氮素含量预测模型的效果。 结果表明: (1)在0～2阶微分范围内, 最优波段组合NDSIα(opt), RSIα(opt)与大豆CNC的相关系数随阶数增加呈现先升高后下降趋势。 其中, 0.8阶微分下NDSI0.8(R725, R769)与大豆CNC的相关系数最大, 为0.875 9; 0.7阶微分下RSI0.7(R548, R767)与大豆CNC的相关系数最大, 为0.865 1; (2)分数阶微分预处理能够细化光谱数据中的有效信息, 增强光谱数据对冠层氮素含量的敏感性, 尤其是增强红边平台波段与氮素含量的正相关性及绿波段与氮含量的负相关性; (3)与整数阶微分、 常用植被指数相比, 分数阶微分能够提高大豆CNC预测模型的准确性。 其中, 基于0.7阶微分RSI0.7(R548, R767)建立的大豆CNC预测模型与0阶微分RSI0(R725, R769)相比建模集决定系数(R2C)和预测集决定系数(R2P)分别提高了0.061 9和0.016 6, 建模集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别降低了0.552 5和0.180 9, 预测相对偏差(RPD)提高了0.110 4。 基于0.7阶微分RSI0.7(R548, R767)建立的大豆CNC预测模型与VOG II相比R2C和R2P分别提高了0.086 6和0.025 5, RMSEC和RMSEP分别降低了0.757 5和0.248 3, RPD提高了0.146 88; (4)基于0.7阶微分比值光谱指数RSI(R548, R767)建立的大豆LNC预测模型较优, 其R2C为0.748 4, R2P为0.800 3, RMSEC为4.752 9, RMSEP为3.511 1, RPD为2.253 7, 能够较好的估测大豆冠层氮素含量。 研究表明分数阶微分算法在大豆冠层氮素含量的定量预测中具有一定的优势, 为光谱遥感技术在作物氮营养检测中的应用开拓了新的思路。

为了实时、快捷、无损获取作物生长信息,采用新型的线性可调谐滤光片(LVF)分光技术,研制了作物生长信息光谱测量系统。选取线性可调谐滤光片为分光单元,硬件系统单元采用线阵CMOS探测器,在驱动单元脉冲信号的作用下完成光电转换、存储和转移等功能,并采用USB数据采集板对光电信号进行AD转换。上位机界面采用MFC和OpenGL语言编程。在室内用卤钨灯光源对玉米叶片进行验证,试验表明该系统能够较好地实现玉米冠层反射光谱的实时检测,在玉米叶绿素快速诊断方面具有可行性,为作物生长监测设备的研发提供了有力支持。