结合微小型光谱仪采集光谱预测冬小麦叶绿素含量

作物叶绿素含量是衡量作物长势的重要指标，可为作物生产管理提供依据。抽穗期是冬小麦管理的关键时期，在此期间对冬小麦追肥可以促进冬小麦叶片生长、延长叶片功能期、提高光合效率和终产量。因此，对冬小麦抽穗期进行营养诊断，为冬小麦追肥提供指导，具有重要意义。
国内外已经开发了相关的作物养分光谱检测仪，通过获取敏感波长、植被指数等参数检测叶绿素、氮素、水分等信息。然而在利用冠层反射光谱检测作物营养含量的分析中发现，在数据源方面，除作物和生长期的影响，田间光谱检测过程中一般普遍存在高频随机噪声、仪器漂移、样本不均匀及光散射等对样本的影响，需要对光谱数据进行预处理。
该研究设计开发了一套基于微小型光谱学传感器的作物冠层反射光谱探测系统。系统主要由光学传感器、数据存储及传输模块、控制器组成，直接使用手机浏览光谱检测控制软件界面。软件则包含采集参数设置、采集控制、数据管理3个模块。
实验在中国农业大学小汤山实验基地进行，实验当天，天气晴朗。首先采集了作物冠层反射光谱，之后将采样叶片带回实验室，进行叶绿素含量的标准测定。对采集的冬小麦冠层光谱反射率进行一系列处理之后，对小麦叶片的叶绿素含量进行建模预测。
研究过程中，首先对原始光谱建立了叶绿素预测模型，建模精度为0.70，预测精度为0.1。然后针对处理后的数据集重新建立了新的叶绿素预测模型，建模精度为0.69，预测精度为0.52。
结果表明，预处理后的小麦叶绿素模型的预测能力有显著提升，该模型将进一步在田间进行应用验证，为后续实现大田冬小麦关键生长期营养诊断和管理决策提供支持。