应用近红外光谱预测水稻叶片氮含量 植物生态学报    2010, 34 (6): 704-712.   DOI: 10.3773/j.issn.1005-264x.2010.06.010

图1 不同施氮水平下‘9915’品种开花期叶片光谱Log1/R的变化模式。
A, 鲜叶; B, 干叶粉末。

正文中引用本图/表的段落

本研究采用近红外光谱仪自带的OMNIC V7.2a软件记录样本的光谱图, 记录的是每个波长处的样品吸光度值Log1/R, 其中R是反射光强与入射光强的比值, 即样本的反射率。利用该软件可以对采集的光谱进行平滑处理、基线校正、图谱放大缩小和图谱微分处理等。利用TQ Analyst软件对数据进行分析建模, 采用内部交叉验证和外部验证检验模型的准确性, 以内部交叉验证决定系数(R_CV2)、内部交叉验证标准误差(RMSECV)、外部验证决定系数(R_V2)和外部验证标准误差(RMSEP)等4个统计指标对模型进行综合评价, 并绘制试验观察值与模型预测值之间的1:1关系图。

以试验1中‘9915’ (V1)开花期的近红外光谱为例, 说明不同氮素水平下水稻鲜叶及其干叶粉末光谱Log1/R的变化模式(图1)。图1A表明, 不同氮肥处理显著影响水稻鲜叶光谱Log1/R的变化, 在波数 8 000-6 000 cm-1 (1 250-1 666.7 nm)和5 500-4 500 cm-1 (1 818.2-2 222.2 nm)范围内, Log1/R随施氮水平的增加而升高, 6 700-5 500 cm-1 (1 492.5-1 818.2 nm)范围内则随施氮水平的增加而降低, 处理间差异显著, 表明这些区域对不同氮素水平的水稻长势反应比较敏感; 图1B显示干叶粉末光谱在不同施氮水平下Log1/R的变化, 趋势与鲜叶光谱相同, 但值比鲜叶光谱低。

本文的其它图/表

• 图2 N2处理下‘27123’品种叶片光谱Log1/R随生育期的变化动态。
  A, 鲜叶; B, 干叶粉末。
  
• 表1 校正集和检验集氮含量的基本参数
  
• 表2 基于不同方法构建的氮含量预测模型表现比较
  
• 表3 基于不同光谱预处理方法构建的氮含量测模型表现比较
  
• 表4 基于不同光谱波段范围构建的氮含量预测模型表现 比较
  
• 表5 近红外模型校正、内部交叉验证和外部验证结果参数
  
• 图3 近红外模型内部交叉验证真实值和预测值的1:1关系图。
  A, 鲜叶氮含量; B, 粉末氮含量。
  
• 图4 近红外模型外部验证真实值和预测值的1:1关系图。
  A, 鲜叶氮含量; B, 粉末氮含量。