作物关键生育时期冠层氮素含量的实时监测对于优化氮肥用量和减少环境风险具有重要的意义。 为了寻求预测不同作物氮素含量的最佳光谱参数, 实现作物氮素无损营养诊断。 本研究通过2008年—2011年在德国慕尼黑弗莱辛和河北曲周的不同氮量的小麦玉米田间试验, 采用高光谱仪获取小麦玉米冠层的反射光谱, 利用光谱理论模型进行光谱指数波段的优化, 从而抽取不同冠层结构条件下的小麦玉米氮素营养敏感波段。 结果表明与传统的基于红光的光谱指数相比, 优化光谱指数显著提高了小麦玉米冠层氮素含量的预测能力, 克服了传统的基于红光光谱指数的饱和问题。 优化光谱指数的波段结合随着作物品种及其冠层结构的变化而变化, 其优化波段范围主要集中在红边(730～760 nm)和红边向近红外的过渡区域(760～880 nm)。 优化结果显示玉米最佳光谱指数为Rλ766/Rλ738－1, 小麦最佳光谱指数为Rλ796/Rλ760－1, 玉米小麦相结合优化后的最佳光谱指数为Rλ876/Rλ730－1。 结果进一步验证了优化光谱指数估测的不同作物含氮量的预测值与实测值相关性最高, 且验证偏差最小, 证实了优化后的光谱特征参数可对不同作物氮素丰缺状况进行快速、 准确、 无损估测。 试验结果也为设计作物冠层氮素传感器和更好的利用现有基于卫星的传感器实施区域上的作物氮素营养监测提供了理论基础。

遗传算法不受搜索空间限制性假设的约束, 利用简单的编码技术和繁殖机制来解决复杂近红外光谱数据的优化问题。 文章采用遗传算法的波段选择法(R-SGA)对砂梨近红外光谱进行了波段优化, 得到丰水、 圆黄、 黄金三种梨的R-SGA最佳因子数分别为10, 12和16, 并分别建立了单一品种GA-PLS模型； 丰水梨和黄金梨的GA-PLS模型精度高于全谱PLS模型, 其模型的RMSEP分别为0.608/0.632和0.524/0.540； 圆黄梨GA-PLS模型精度(RMSEP=0.610)与全谱PLS模型(RMSEP=0.595)相当。 经波段优化分析表明, 使用552个数据点建立多品种砂梨混合模型, 具有较高稳健性和预测性(RMSEC=0.627, RMSEP=0.641)。 结果表明： 基于遗传算法进行波段优化可以提高砂梨糖度模型精度, 提高建模效率, 同时说明建立多品种砂梨糖度通用模型是可行的。