雷利琴，官春云

?

農(nóng)業(yè)光譜數(shù)字技術(shù)在作物信息監(jiān)測(cè)上的應(yīng)用進(jìn)展

雷利琴，官春云

(湖南農(nóng)業(yè)大學(xué)農(nóng)學(xué)院，長(zhǎng)沙 410128)

隨著精細(xì)農(nóng)業(yè)的發(fā)展，光譜數(shù)字技術(shù)已成為數(shù)字農(nóng)業(yè)的重要研究方法。綠色植物具有典型的光譜特性，不同的肥水管理、栽培措施及品種類型導(dǎo)致作物生長(zhǎng)狀況發(fā)生變化，從而會(huì)形成獨(dú)特的光譜特征。農(nóng)業(yè)光譜數(shù)字技術(shù)就是通過尋找作物農(nóng)學(xué)參數(shù)敏感波段的光譜反射率及其衍生指數(shù)與作物農(nóng)學(xué)參數(shù)相關(guān)關(guān)系及內(nèi)在規(guī)律，基于這樣的定量化規(guī)律性關(guān)系，來監(jiān)測(cè)作物光合、生長(zhǎng)、含水量、氮素營養(yǎng)、產(chǎn)量和品質(zhì)等。

光譜技術(shù)；數(shù)字農(nóng)業(yè)；作物監(jiān)測(cè)

信息科學(xué)與農(nóng)業(yè)科學(xué)交叉融合而形成的農(nóng)業(yè)數(shù)字信息技術(shù)正快速發(fā)展成為一門新興的高技術(shù)學(xué)科。農(nóng)業(yè)數(shù)字信息技術(shù)增強(qiáng)了對(duì)農(nóng)作研究對(duì)象的量化描述和認(rèn)識(shí)，綜合發(fā)展和集成單項(xiàng)農(nóng)業(yè)理論與技術(shù)，實(shí)現(xiàn)了農(nóng)業(yè)自然資源與經(jīng)濟(jì)資源的合理有效配置和優(yōu)化利用，提高了農(nóng)業(yè)管理決策的科學(xué)性和預(yù)見性，促進(jìn)了農(nóng)產(chǎn)品生產(chǎn)力的提高，為農(nóng)業(yè)科技提供新的研究手段和方法，方便快捷地實(shí)現(xiàn)了農(nóng)業(yè)科技成果的廣泛傳播和推廣應(yīng)用，使傳統(tǒng)粗放性和經(jīng)驗(yàn)性的農(nóng)業(yè)管理模式向數(shù)字化、精確化和科學(xué)化的現(xiàn)代農(nóng)業(yè)管理模式轉(zhuǎn)變，使農(nóng)業(yè)產(chǎn)業(yè)產(chǎn)生更大的社會(huì)、經(jīng)濟(jì)和生態(tài)效益。

當(dāng)前有關(guān)農(nóng)業(yè)數(shù)字化的關(guān)鍵技術(shù)的研究主要集中在農(nóng)作信息管理技術(shù)、農(nóng)作過程模擬技術(shù)、農(nóng)作信息監(jiān)測(cè)技術(shù)、農(nóng)作管理決策技術(shù)、數(shù)字農(nóng)作平臺(tái)技術(shù)等。其中，農(nóng)作信息監(jiān)測(cè)是農(nóng)業(yè)數(shù)字信息獲取的主要內(nèi)容。農(nóng)作信息的無損實(shí)時(shí)監(jiān)測(cè)包括空間監(jiān)測(cè)和地面監(jiān)測(cè)。由于遙感資料的獲取具有固定的周期，且遙感圖像的解譯受到天氣狀況的影響顯著，運(yùn)行成本較高，目前越來越多的科學(xué)家開始利用地面監(jiān)測(cè)，如利用光譜數(shù)字技術(shù)來研究農(nóng)情信息。LAI（葉面積指數(shù)）、干物質(zhì)等指標(biāo)的光譜監(jiān)測(cè)技術(shù)已趨于成熟。

農(nóng)業(yè)光譜數(shù)字技術(shù)是指在地面平臺(tái)上運(yùn)用各種傳感器獲取植被的信息即植被光譜反射率，再通過分析不同環(huán)境條件下植被生理生化特征(如植株各生育期養(yǎng)分含量、含水量、生長(zhǎng)指標(biāo)、產(chǎn)量、品質(zhì)指標(biāo))與作物冠層光譜反射特征的關(guān)系，找出能敏感反映植被生理生化特征的光譜波段范圍，并得出植被生理生化特征與敏感波段光譜反射率之間的定量關(guān)系，最后建立植被生理生化特征的綜合監(jiān)測(cè)模型與診斷系統(tǒng)的一種科學(xué)技術(shù)。

1 綠色植被的典型光譜特征

不同于水體、土壤、巖石等地物的光譜特征，受農(nóng)學(xué)參數(shù)的影響，綠色植被的反射光譜特征大體表現(xiàn)為：葉綠素吸收大部分的藍(lán)光和紅光，反射大部分綠光；植物葉片構(gòu)造中的柵欄組織散射不受葉綠素影響的紅外光。綠色植物的反射光譜波形是相似的：在可見光400～680 nm波段，具有中等大小的反射率值，其中530～560 nm波段與葉綠素和氮素密切相關(guān)，反射率相對(duì)較低，綠光550 nm附近是葉綠素的強(qiáng)反射峰；而在600～680 nm的紅光波段區(qū)域，也因葉綠素和氮素的強(qiáng)烈吸收，使得650～680 nm附近的反射率較低；在680～760 nm波段，反射率曲線陡而接近于直線，其斜率與葉綠素的含量密切相關(guān)；在760～1 300 nm波段，近紅外光反射率都偏大，其中1 100～1 300 nm波段反射率趨于穩(wěn)定；1 300～2 600 nm短波紅外光譜區(qū)，隨波長(zhǎng)的增加，吸收增加，而反射、透射減小，且吸收的增加呈現(xiàn)若干個(gè)波峰與波谷，此波段的綠色植物的光譜特性主要受葉片水分的影響，其中在1 496，2 054，2 172和2 352 nm等紅外波段，反射率也與氮素狀況密切相關(guān)[1]。

研究表明，植被的葉片結(jié)構(gòu)、葉綠素、水分含量和其他生物化學(xué)組分對(duì)光譜的吸收、透射、折射及反射直接影響著植被的反射光譜特征。植被因不同種類、不同生育時(shí)期以及不同健康狀況，其植株形態(tài)、冠層結(jié)構(gòu)、養(yǎng)分含量、含水量、長(zhǎng)勢(shì)長(zhǎng)相、產(chǎn)量、品質(zhì)等特征不同，繼而其光譜反射特性也不同，并且其光譜反射特性差異主要表現(xiàn)在反射率的大小。在作物生長(zhǎng)過程中，不同的肥水管理、栽培措施及品種類型導(dǎo)致作物生長(zhǎng)狀況發(fā)生變化，從而會(huì)形成獨(dú)特的光譜特征。

農(nóng)業(yè)光譜數(shù)字技術(shù)就是通過尋找作物農(nóng)學(xué)參數(shù)敏感波段的光譜反射率及其衍生指數(shù)與作物農(nóng)學(xué)參數(shù)相關(guān)關(guān)系及內(nèi)在規(guī)律，基于這樣的定量化規(guī)律性關(guān)系，來進(jìn)行農(nóng)作信息監(jiān)測(cè)。

2 光譜數(shù)字技術(shù)在作物信息監(jiān)測(cè)上的應(yīng)用

2.1 光合監(jiān)測(cè)

目前，國外已有部分關(guān)于光譜監(jiān)測(cè)植物光合能力的研究。Carter發(fā)現(xiàn)波長(zhǎng)701 nm的光譜反射率(reflectance) R701和波長(zhǎng)820 nm的光譜反射率R820的比值植被指數(shù)RVI(R701, R820)或由它們組成的歸一化植被指數(shù)NDVI(R701, R820)能很好地監(jiān)測(cè)月松樹光合能力[2]。然而，直接以作物葉片凈光合速率為農(nóng)學(xué)參數(shù)結(jié)合植株冠層光譜反射率建立定量關(guān)系來監(jiān)測(cè)作物光合的報(bào)道很少，大多數(shù)光合監(jiān)測(cè)研究都集中在葉綠素與光譜反射率的定量定性關(guān)系上。葉綠素是作物光合作用的主要色素，是吸收光能的主要物質(zhì)，其含量的高低直接影響作物的光合和物質(zhì)積累能力。因此，實(shí)時(shí)掌握作物葉綠素含量與冠層光譜反射率的動(dòng)態(tài)變化可以有效地監(jiān)測(cè)作物光合能力。葉綠素對(duì)紅光、藍(lán)光的強(qiáng)吸收、對(duì)近紅外光極弱吸收和水分對(duì)近紅外光的強(qiáng)吸收，造成了植被光譜在可見波段的低反射率、近紅外波段的高反射率和短波近紅外區(qū)域的較高反射率特征。通常，綠波段和紅邊波段(350～750 nm)是植被葉片葉綠素含量的敏感光譜波段集中區(qū)。吳長(zhǎng)山等[3]發(fā)現(xiàn)了幾種農(nóng)作物在762 nm波段的導(dǎo)數(shù)光譜能很好地監(jiān)測(cè)葉綠素含量，其建立的監(jiān)測(cè)模型的RRMSE（相對(duì)均方差根）約為0.272 g/m2，2（精度）約為80.6%。Horler等[4]發(fā)現(xiàn)，700 nm波段的導(dǎo)數(shù)光譜與植被葉綠素含量呈顯著相關(guān)關(guān)系，能很好地監(jiān)測(cè)植株的光合能力。

2.2 生長(zhǎng)監(jiān)測(cè)

作物生長(zhǎng)監(jiān)測(cè)是數(shù)字農(nóng)業(yè)的重要任務(wù)之一，其目的是為田間管理提供及時(shí)的作物信息，也為早期估計(jì)產(chǎn)量提供苗前依據(jù)。在作物長(zhǎng)勢(shì)監(jiān)測(cè)中最常用的作物生長(zhǎng)特征參數(shù)是葉面積指數(shù)和群體生物量，一般可以采用紅、綠、近紅外三個(gè)波段范圍反射率的比值、差值、導(dǎo)數(shù)等來監(jiān)測(cè)作物的LAI和生物量。

總體上，紅光區(qū)域光譜反射率與葉面積指數(shù)相關(guān)性較為密切，在研究作物葉面積指數(shù)與其冠層光譜的關(guān)系中，唐延林等[5]發(fā)現(xiàn)，比值植被指數(shù)R990/R550、R800/R550和R750/R550的變量與作物的LAI呈顯著相關(guān)關(guān)系，據(jù)此能很好地建立LAI監(jiān)測(cè)模型。可見光波段和近紅外短波段也是葉面積指數(shù)的敏感波段。李映雪等[6]在研究小麥葉面積指數(shù)與冠層反射光譜的定量關(guān)系中發(fā)現(xiàn)LAI與它們的反射率分別呈負(fù)相關(guān)和顯著正相關(guān),其中比值植被指數(shù)RVI(R810,R510)和差值植被指數(shù)DVI(R810, R560)與小麥LAI呈顯著線性和指數(shù)函數(shù)關(guān)系。

由于作物生物量與葉面積指數(shù)密切相關(guān)，因此紅光波段(620~700 nm)和近紅外波段(740~1 100 nm)也是生物量的敏感光譜區(qū)域。唐延林等[5]對(duì)水稻、玉米和棉花的研究發(fā)現(xiàn)，鮮干葉重與冠層光譜的比值植被指數(shù)RVI(R990，R550)，RVI(R800，R550)，RVI(R750，R550)，RVI(R800，R680)及紅邊參數(shù)的相關(guān)極顯著；作物生物量在三邊(藍(lán)邊、黃邊和紅邊)光譜區(qū)也有定量的規(guī)律性。在水稻地上鮮生物量的高光譜遙感估算模型研究中，王秀珍等發(fā)現(xiàn)由紅邊內(nèi)一階微分總和與藍(lán)邊內(nèi)一階微分總和構(gòu)成的比值植被指數(shù)與地上鮮生物量有顯著的線性關(guān)系[7]。

2.3 含水量監(jiān)測(cè)

作物生產(chǎn)中最為重要的措施之一就是作物水分調(diào)控與管理。因?yàn)樗侵参锷顒?dòng)的必要條件，植株含水量的變化直接影響植物對(duì)營養(yǎng)物質(zhì)的吸收和運(yùn)輸以及一系列生理生化反應(yīng)，從而影響植物生長(zhǎng)、產(chǎn)量和品質(zhì)。植株水分的敏感光譜波段主要有970，1 450，1940，950～970和1 300～2 500 nm等。缺水時(shí)，植株葉片的光譜反射率增加；當(dāng)植株含水量升高時(shí)，近紅外反射率隨著降低，其中R970和R900能很好地反映植株的含水量。基于植株含水量與光譜反射率之間的相關(guān)關(guān)系，Penuelas等[8]發(fā)現(xiàn)比值指數(shù)R1600/R820的變量能很好地監(jiān)測(cè)植株含水量。Danson等[9]發(fā)現(xiàn)葉片含水率的敏感波段在1 360～1 470 nm和1 830～2 080 nm等波段處，其導(dǎo)數(shù)光譜能很好地監(jiān)測(cè)葉片含水率。

2.4 氮素營養(yǎng)監(jiān)測(cè)

在作物生產(chǎn)過程中，適時(shí)掌握作物氮素生理參數(shù)的動(dòng)態(tài)，是實(shí)施因苗管理、因需施肥，進(jìn)而實(shí)現(xiàn)現(xiàn)代作物生產(chǎn)優(yōu)質(zhì)、高產(chǎn)、高效、安全、生態(tài)目標(biāo)，減少資源浪費(fèi)和環(huán)境污染的必要條件。作物氮素營養(yǎng)的無損監(jiān)測(cè)與精確診斷被認(rèn)為是作物高效氮肥管理的關(guān)鍵技術(shù)。作物氮素參數(shù)監(jiān)測(cè)的適宜特征光譜隨不同的作物和試驗(yàn)條件而有所差異，因此有關(guān)氮素指標(biāo)與光譜參數(shù)的規(guī)律性和定量化關(guān)系是科研當(dāng)中普遍關(guān)注的熱點(diǎn)與重點(diǎn)。在波長(zhǎng)500～700 nm處，光譜反射率受氮素影響最顯著。植株缺氮時(shí)，葉片光譜反射率的差異主要在530 nm處；430 nm波段、550 nm波段、680 nm波段都是植物氮素狀況的敏感波段，其中430 nm和680 nm兩波段的差值與和值的比值可以很好地用來監(jiān)測(cè)小麥氮素含量[10]。Munden等[11]發(fā)現(xiàn)綠光545 nm波段反射率和紅光660 nm波段反射率與小麥氮含量的線性函數(shù)能極好地監(jiān)測(cè)小麥氮含量狀況。也有研究顯示，在680 nm波段處，植株缺氮會(huì)導(dǎo)致早稻葉片可見光區(qū)域的反射率增加，而近紅外區(qū)域的反射率降低，ND和RVI等植被指數(shù)也能很好地監(jiān)測(cè)水稻葉片含氮量[12]。因此葉片的氮素含量可以通過光譜分析方法來估測(cè)。

2.5 產(chǎn)量及品質(zhì)監(jiān)測(cè)

運(yùn)用光譜技術(shù)檢測(cè)作物生長(zhǎng)的光譜數(shù)字特性建立農(nóng)作物產(chǎn)量的光譜監(jiān)測(cè)模型，進(jìn)而估測(cè)作物產(chǎn)量，能夠大大降低大面積產(chǎn)量預(yù)報(bào)的成本和更準(zhǔn)確地評(píng)價(jià)不同地區(qū)和栽培條件下作物產(chǎn)量的變異狀況。已有研究顯示，利用冠層多光譜反射率檢測(cè)谷類作物籽粒產(chǎn)量是行之有效的。肖乾廣等監(jiān)測(cè)發(fā)現(xiàn)抽穗前后是小麥單產(chǎn)估測(cè)的最佳時(shí)機(jī)[13]。目前，比值植被指數(shù)(RVI)、歸一化植被指數(shù)(NDVI)和差值植被指數(shù)(DVI)是稻麥產(chǎn)量預(yù)報(bào)中常用的植被指數(shù)。黃敬峰等在研究水稻估產(chǎn)模型中發(fā)現(xiàn)以RVI和NDVI得到的檢測(cè)模型誤差都在0.01以下，其中以NDVI檢測(cè)到的產(chǎn)量有的擬合誤差只有0.4289%，極其精確[14]。在前人研究的基礎(chǔ)上，很多研究者建立了適用于不同生態(tài)區(qū)的估產(chǎn)模式，如黃敬峰等在研究浙江省水稻產(chǎn)量模型時(shí)，先建立水稻產(chǎn)量與葉面積指數(shù)(LAI)的回歸模型，再結(jié)合葉面積指數(shù)與光譜指數(shù)變量(RVI，NDVI)的極顯著性相關(guān)關(guān)系,能很好地估算出水稻的產(chǎn)量[15]。

利用光譜數(shù)字技術(shù)在作物收獲前對(duì)其品質(zhì)進(jìn)行無損監(jiān)測(cè)，有助于制定合理的品質(zhì)分級(jí)分類收獲和加工方案，對(duì)確保糧食生產(chǎn)的優(yōu)質(zhì)優(yōu)價(jià)具有重要的意義[16，17]。國內(nèi)外已有一些利用反射光譜來反演作物品質(zhì)狀況的報(bào)道，用偏最小二乘法結(jié)合冠層光譜反射率和小麥籽粒蛋白質(zhì)含量，Hansen等發(fā)現(xiàn)兩者有很好的相關(guān)關(guān)系，利用此關(guān)系能很好地預(yù)測(cè)小麥籽粒的蛋白質(zhì)含量[18]；小麥抽穗后的冠層植被比值指數(shù)RVI(R1500，R610)以及RVI(R1220,R560)的指數(shù)變量能極好地監(jiān)測(cè)籽粒蛋白質(zhì)和淀粉積累量[19]。研究表明，利用冠層反射光譜監(jiān)測(cè)作物籽粒品質(zhì)是可行的。

3 總 結(jié)

光譜數(shù)字技術(shù)發(fā)展很快，高光譜分辨率能動(dòng)態(tài)、快速、準(zhǔn)確、及時(shí)地識(shí)別農(nóng)作性質(zhì)和組成成分，以提供各種農(nóng)作長(zhǎng)勢(shì)、水肥狀況、病蟲害情況等信息數(shù)據(jù)，方便農(nóng)作診斷、決策和估產(chǎn)；無損獲取農(nóng)作信息的技術(shù)能大大降低大區(qū)域估產(chǎn)成本，能更合理地制定農(nóng)產(chǎn)品品質(zhì)分級(jí)分類收獲和加工方案，能更準(zhǔn)確地預(yù)報(bào)作物產(chǎn)量因地區(qū)和栽培條件不同而發(fā)生的變異狀況，對(duì)確保糧食生產(chǎn)的安全和優(yōu)質(zhì)優(yōu)價(jià)具有重要的作用。

雖然光譜技術(shù)在國內(nèi)外農(nóng)業(yè)上的運(yùn)用取得了很大的進(jìn)步，但在運(yùn)用中也存在一些問題。在技術(shù)設(shè)計(jì)方面，連接光譜儀探頭的光纜線長(zhǎng)度影響光譜反射率值，線越短，探頭越靈敏，測(cè)試的反射率越準(zhǔn)，由于光譜儀本身設(shè)計(jì)需要，探頭的靈敏度有一定的誤差，而且不適合痕量分析。在經(jīng)濟(jì)成本方面，光譜技術(shù)不適于分散性樣品的分析，很多情況下光譜技術(shù)僅是一種間接分析技術(shù)，需要耗費(fèi)人力和財(cái)力不斷地對(duì)模型進(jìn)行維護(hù)，因?yàn)槊恳环N模型只能適應(yīng)一定的時(shí)間和空間范圍，并且用戶的技術(shù)會(huì)影響模型的使用效果。在環(huán)境因子方面，植株冠層光譜受大氣因素影響大，需盡量在晴朗無云的天氣下進(jìn)行測(cè)試，陰天時(shí)，大氣水汽增加，強(qiáng)烈干擾植株水分對(duì)光譜的吸收波段，天氣稍有變化，就會(huì)影響模型的精確度；還有影響作物生長(zhǎng)的氣象因子很難消除，需通過融入積溫和降雨等參數(shù)建立光譜-氣象融合模型，以提高估產(chǎn)精度。在波譜類型選擇方面，已有研究一般基于多光譜反射儀獲得的光譜數(shù)據(jù)，波段少且分辨率低，易導(dǎo)致關(guān)鍵信息的缺失，而植物的高光譜波譜寬，其反射率的連續(xù)性、精細(xì)性好，有助于獲得豐富的敏感波段組合及良好參數(shù)類型，在試驗(yàn)中同時(shí)進(jìn)行多光譜和高光譜觀測(cè)研究能更好地解析作物光譜與農(nóng)學(xué)參數(shù)的定量關(guān)系。在植物群體因子方面，已有采用光譜技術(shù)對(duì)作物的研究，大多數(shù)都集中在對(duì)植物冠層的研究，即使植物冠層可以反映大面積田塊的生長(zhǎng)情況，但是冠層光譜受土壤背景、作物生長(zhǎng)密度、作物葉片大小、作物生長(zhǎng)階段的影響還是比較大的，因此植株及冠層形態(tài)的變化對(duì)反射光譜的影響還需進(jìn)一步探索，在建立作物監(jiān)測(cè)和診斷模型時(shí)，必須設(shè)法消除植株和植株冠層結(jié)構(gòu)對(duì)光譜反射率的影響，以提高由冠層光譜信息建立的監(jiān)測(cè)模型精度。

[1] 寇有觀，蕭林．農(nóng)業(yè)遙感[M]．北京：中國農(nóng)業(yè)出版社，1988．18-38．

[2] Carter GA．Reflectance wavebands and indices for remote estimation of photosynthesis and stomatal conductance in pine canopies [J]．Remote Sensing of Environment，1998，63：61-72．

[3] 吳長(zhǎng)山，項(xiàng)月琴．利用高光譜數(shù)據(jù)對(duì)作物群體葉綠素密度估算的研究[J]．遙感學(xué)報(bào)，2000，4(3)：228-232．

[4] Horler DN，Barber H．Approaches to detection of geochemical stress in vegetation[J]．Advances in Space Research，1983，(3)：175-179．

[5] 唐延林，王秀珍，王福民，等．農(nóng)作物L(fēng)AI和生物量的高光譜法測(cè)定[J]．西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2004，32(11)：100-104．

[6] 李映雪，朱艷，戴廷波，等．小麥葉面積指數(shù)與冠層反射光譜的定量關(guān)系[J]．應(yīng)用生態(tài)學(xué)報(bào)，2006，17(8)： 1443-1447．

[7] 王秀珍，黃敬峰，李云梅．水稻地上鮮生物量的高光譜遙感估算模型研究[J]．作物學(xué)報(bào)，2003，29(6)：815-821．

[8] Penuelas J，F(xiàn)ilella I，Biel C，et al．The reflectance at the 950-970 nm region as an indicator of plant water status[J]. International Journal of Remote Sensing，1993，14(10)：1887-1905．

[9] Danson FM，Steven MD，Malthus TJ，et al ．High spectral resolution data for determining leaf water concentration [J]．International Journal of Remote Sensing，1992，(1)：461-470．

[10] Filella I，Penuelas J．The red edge position and shape as indicators of plant chlorophyll content，biomass and hydric status[J]．International Journal of Remote Sensing，1994 15(7)：182-193．

[11] Munden R，Curran PJ，Catt JA．The relationship between the red edge and chlorophyll concentration in the broadbalk winter wheat experiment at Rothamsted [J]. International Journal of Remote Sensing，1994，15：705-709．

[12] 王人潮，陳銘臻，蔣亨顯．水稻遙感估產(chǎn)的農(nóng)學(xué)機(jī)理研究I．不同氮素水平的水稻光譜特征及其敏感波段的選擇[J]．浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，1993，19(增刊)：7-14．

[13] 肖乾廣，周嗣松，陳維英，等．用氣象衛(wèi)星數(shù)據(jù)對(duì)冬小麥進(jìn)行估產(chǎn)的試驗(yàn)[A]．見：全國冬小麥遙感綜合測(cè)產(chǎn)協(xié)作組．冬小麥氣象衛(wèi)星遙感動(dòng)態(tài)監(jiān)測(cè)與估產(chǎn)[C]．北京：氣象出版社，1993．23-30．

[14] 黃敬峰，楊忠恩，王人潮，等．基于GIS的水稻遙感估產(chǎn)模型研究[J]．遙感技術(shù)與應(yīng)用，2002，17(3)：125-128．

[15] 黃敬峰，楊忠恩，王人潮，等．基于GIS的浙江省水稻遙感估產(chǎn)最佳時(shí)相選擇[J]．應(yīng)用生態(tài)學(xué)報(bào)，2002，13(3)：290-294．

[16] Delgado JA，Ristau RJ，Dillon MA．Use of innovative tools to increase nitrogen use efficiency and protect environmental quality in crop rotations [J]. Communications in Soil Science and Plant Analysis，2001，32：1321-1354．

[17] Sembiring H，Raun WR，Johnson GV，et al．Detection of nitrogen and phosphorus nutrient status in winter wheat using spectral radiance[J]．Journal of Plant Nutrition，1998，21(6)：1207-1233．

[18] Hansen PM，Jorgensen JR，Thomsen A．Predicting grain yield and protein content in winter wheat and spring barley using repeated canopy reflectance measurements and partial least squares regression[J]．J Agri Sci，2002，139：307-318．

[19] 田永超，朱艷，曹衛(wèi)星，等．利用冠層反射光譜和葉片SPAD值預(yù)測(cè)小麥籽粒蛋白質(zhì)和淀粉的積累[J]．中國農(nóng)業(yè)科學(xué)，2004，37(6)：808-813．

責(zé)任編輯：李東輝

2011-07-15

雷利琴(1986—)，女，湖南衡陽人，碩士研究生，研究方向：數(shù)字農(nóng)業(yè)。

S123

A

1001-5280(2011)06-0626-04

10.3969/j.issn.1001-5280.2011.06.25