結合微小型光譜儀采集光譜預測冬小麥葉綠素含量

作物葉綠素含量是衡量作物長勢的重要指標，可為作物生產管理提供依據。抽穗期是冬小麥管理的關鍵時期，在此期間對冬小麥追肥可以促進冬小麥葉片生長、延長葉片功能期、提高光合效率和終產量。因此，對冬小麥抽穗期進行營養診斷，為冬小麥追肥提供指導，具有重要意義。
國內外已經開發了相關的作物養分光譜檢測儀，通過獲取敏感波長、植被指數等參數檢測葉綠素、氮素、水分等信息。然而在利用冠層反射光譜檢測作物營養含量的分析中發現，在數據源方面，除作物和生長期的影響，田間光譜檢測過程中一般普遍存在高頻隨機噪聲、儀器漂移、樣本不均勻及光散射等對樣本的影響，需要對光譜數據進行預處理。
該研究設計開發了一套基于微小型光譜學傳感器的作物冠層反射光譜探測系統。系統主要由光學傳感器、數據存儲及傳輸模塊、控制器組成，直接使用手機瀏覽光譜檢測控制軟件界面。軟件則包含采集參數設置、采集控制、數據管理3個模塊。
實驗在中國農業大學小湯山實驗基地進行，實驗當天，天氣晴朗。首先采集了作物冠層反射光譜，之后將采樣葉片帶回實驗室，進行葉綠素含量的標準測定。對采集的冬小麥冠層光譜反射率進行一系列處理之后，對小麥葉片的葉綠素含量進行建模預測。
研究過程中，首先對原始光譜建立了葉綠素預測模型，建模精度為0.70，預測精度為0.1。然后針對處理后的數據集重新建立了新的葉綠素預測模型，建模精度為0.69，預測精度為0.52。
結果表明，預處理后的小麥葉綠素模型的預測能力有顯著提升，該模型將進一步在田間進行應用驗證，為后續實現大田冬小麥關鍵生長期營養診斷和管理決策提供支持。