小麦冠层营养诊断光谱检测仪设计与试验

为了快速准确获取田间作物生长营养水平信息,设计了作物冠层营养诊断光谱检测仪,并进行了小麦大田测试。系统由光学传感器,信号采集驱动模块和控制器组成。光学传感器可测量300~1 100 nm范围内连续光谱,信号采集驱动模块用于提供稳定电压以及数据的A/D转换。开发了光谱采集控制软件安装于控制器,主要功能包括接收、处理、显示和存储采集到的数据。应用该仪器进行了标定试验,并针对大田冬小麦开展了大田试验,试验结果表明该仪器所测反射率与美国ASD Field Spec Hand Held 2光谱辐射仪所测的反射率之间具有较高的相关性,相关系数最低为0.991 8。分析了冬小麦叶绿素含量指标SPAD值与仪器所测反射率之间的相关性。选出相关性较高的550~900 nm波段进行主成分分析建立叶绿素预测模型,建模R2C为0.575,模型检验R2V为0.595。结果表明利用研发的便携式光谱检测仪能有效评估小麦营养叶绿素含量,为小麦的精细栽培提供理论与技术支持。

作物营养智能检测仪设计与试验

为了快速无损地检测作物生长期营养含量,设计了一套作物营养智能检测仪。该检测仪由控制器和若干光学传感器节点组成,两者之间通过ZigBee协议通信。其中,光学传感器节点可分别测量中心波长为550、650、766和850 nm的太阳光和作物冠层反射光的强度,进而计算光谱反射率和植被指数。应用该仪器检测大田冬小麦叶绿素含量,结果表明应用不同波段组合构建的归一化植被指数与冬小麦冠层叶绿素含量间相关性较比值植被指数高。基于标准白板和太阳光研究了系统的标定方法,相关性分析表明该方法可有效提高归一化植被指数与叶绿素含量之间的相关系数。其中根据550和766 nm计算所求归一化植被指数与SPAD所测叶绿素含量的相关性最高(相关系数为0.693 9),并建立了叶绿素含量线性预测模型,建模精度为0.494,检验模型精度为0.478。

田间冬小麦抽穗期长势分析——基于可见-近红外光

为了快速估测大田冬小麦叶绿素含量指标,指导冬小麦抽穗期追肥管理,基于光谱分析技术在可见光和近红外波段(325~1 075 nm)处,对陕西省杨凌区揉谷镇粮食基地的冬小麦进行长势检测、分析。试验在1 000 m×600 m区域内划分为30个采样区进行数据采集,使用ASD Field Spec Hand Held光谱辐射仪(Analytical Spectral Devices.,USA)采集冬小麦的冠层光谱反射率数据,使用SPAD-5 0 2 Plus便携式叶绿素仪测量小麦倒一叶和倒二叶的叶绿素指标(SPAD值),使用G738 CM型手持式GPS记录采样点的位置信息。分别进行冠层光谱反射率小麦倒一叶和倒二叶的预处理,结果表明:冠层反射光谱倒二叶的SPAD值相关系数高于倒一叶。基于相关性分析,选取4个敏感波段538、661、740、850 nm分别与预处理前后的光谱数据进行多元线性回归分析,结果表明:预处理后的模型精度较高,建模精度R2=0.8 3,验证建模精度R2=0.7。同时,绘制了大田作物长势分布图,可为冬小麦抽穗期追肥提供支持。