基于高光谱特征参数的冬小麦氮营养指数估算

为了实现快速高精度获取冬小麦氮营养指数的高光谱监测技术,利用美国SVC HR-1024I型野外光谱辐射仪对2017-2019年关中地区的冬小麦进行遥感监测,获取“三边”参数、任意两波段光谱指数和植被指数,通过相关性分析和逐步回归分析方法筛选冬小麦氮营养指数的敏感光谱参数,结合偏最小二乘回归(PLSR)、随机森林算法(RFR)、支持向量机回归(SVR)和梯度增强回归(GBDT)建立冬小麦氮营养指数模型,并对模型估算精度进行验证。结果表明,从拔节期到灌浆期,各时期的氮营养指数与任意两波段光谱指数均呈极显著相关,其中拔节期氮营养指数与任意两波段光谱指数相关性均高于其他时期,且基于一阶导数光谱的归一化光谱指数和比值光谱指数与氮营养指数的相关系数最大,为0.66。拔节期基于梯度增强回归的冬小麦氮营养指数预测模型的决定系数(r^(2))和均方根误差(RMSE)分别为0.96和0.05,模型验证的r^(2)、RMSE和相对预测偏差(RPD)分别为0.95、0.12和2.12,模型预测精度最高。因此,拔节期基于梯度增强回归的冬小麦氮营养指数估算模型可用于冬小麦氮营养监测及后期田间管理。

滴灌番茄临界氮浓度、氮素吸收和氮营养指数模拟

作物的氮浓度随生物量的增加而下降,临界氮浓度是指在一定的生长时期内获得最大生物量时的最小氮浓度值。该文在滴灌条件下,基于3a不同的氮素水平试验,构建了加工番茄地上部生物量的临界氮浓度稀释曲线模型。结果表明,临界氮浓度与地上部最大生物量之间符合幂指数关系,相关系数为R^2=0.947,加工番茄最高(%Nmax)、最低(%Nmin)临界氮浓度稀释模型亦符合幂指数关系,相关系数分别为R^2=0.959、R^2=0.925。基于临界氮浓度建立了加工番茄氮素吸收模型(Nupt)、氮素营养指数模型(NNI),可作为加工番茄氮素营养状况的判别指标,氮素吸收和氮营养指数模型对新疆北疆加工番茄种植区的适宜施氮量诊断结果一致,均以300kg/hm2为最佳施氮量。该研究所建立的临界氮浓度稀释曲线模型较前人建立的模型更具机理性,因此,该模型所得出的分析结果是合适和可靠的,并且可用于指导加工番茄动态精准施肥及为氮素优化管理的建立提供参考。

华北地区夏玉米临界氮稀释曲线和氮营养指数研究

为了验证玉米临界氮稀释曲线在我国华北地区的适用性,探讨以氮营养指数评价玉米氮营养状况的可行性,以郑单958为材料,设置5个氮肥处理(0、60、120、180和240kgNhm–2),利用2年定位试验数据研究了夏玉米临界氮稀释曲线和氮营养指数。结果表明,一定范围内随着施氮量增加,地上部生物量(W)显著增长。玉米各生育时期不同氮肥处理的生物量和氮浓度数据可经统计分析分为限氮和非限氮两组,据此计算各生育时期临界氮浓度(Nc)并建立了夏玉米临界氮稀释曲线模型(Nc=34.914W0.4134),模型参数与已有报道具有较好的相似性。根据模型推算的氮营养指数与相对氮累积量、相对地上部生物量和相对产量均具显著相关性。因此,利用临界氮稀释曲线和氮营养指数可以预测华北地区夏玉米植株临界氮含量和表征植株氮营养状况。

基于上部叶片SPAD值估算小麦氮营养指数

快速、准确的监测诊断小麦氮营养状态对于评价小麦长势、指导氮肥运筹并预测籽粒产量均具有重要的意义。基于2009—2011年的大田试验,系统分析了小麦上部4张单叶不同叶位的SPAD值和归一化SPAD指数(NDSPADij)与氮营养指数的定量关系,通过简单分组线性回归筛选出在不同年际和不同品种间表现稳定的氮营养指数(NNI)定量方程。结果表明,小麦上部不同叶位SPAD值和NNI随施氮量提高而提高,而NDSPADij随施氮量的提高而降低。小麦单叶SPAD值与NNI的关系呈显著正相关,但这种关系在品种或年份之间不稳定,对小麦氮素诊断存在风险;除NDSPAD12外,NDSPADij与NNI之间呈显著负相关,经简单分组线性分析发现NDSPAD14与NNI之间在年份和品种之间表现最稳定,能够较好的定量估算氮营养指数,从而快速诊断小麦氮素是否亏缺。

水氮耦合对冬油菜氮营养指数和光能利用效率的影响

于2012—2013年和2013—2014年在冬油菜蕾薹期,设置3个施氮水平0、80、160 kg/hm2(分别记为N0、N1和N2)和3个灌溉水平0、60、120 mm(分别记为I0、I1和I2),探究蕾薹期不同灌溉、施氮量对冬油菜氮营养指数(NNI)、光能利用效率(RUE)、产量、水分利用效率(WUE)和氮肥偏生产力(NPFP)的影响。2 a田间试验结果表明,灌水且施氮能明显提高冬油菜地上部干物质量、光能利用效率和产量。I1N1处理的地上部干物质量比I1N2、I2N1和I2N2分别低0.80%、9.18%和11.12%。冬油菜在I0N1、I0N2、I2N1和I2N2处理下,均会出现氮素亏缺状况,不利于油菜生长;在I1N1和I1N2处理下,不同时期的NNI均大于1,I1N1的NNI在1附近波动,I1N2的NNI则远大于1,表明氮素过剩。2 a施氮和灌水处理对RUE的影响有显著的交互作用(P<0.05),I1N1无论在干旱年(2012—2013年)或降水量较多年份(2013—2014年)均能显著提高冬油菜的RUE,而过量灌溉或施氮对冬油菜RUE促进作用不明显,甚至有下降趋势。2 a灌溉和施氮处理对冬油菜籽粒产量、耗水量、WUE和NPFP影响的交互作用均达显著水平(P<0.05),2 a中灌水量为120 mm、施氮量为80 kg/hm2(I2N1)处理的产量最高,平均产量为3 385 kg/hm2,平均耗水量374 mm,平均WUE为9.1 kg/(hm2·mm),而2 a中灌水量为60 mm、施氮量为80 kg/hm2(I1N1)处理的WUE最高,其平均WUE比I2N1提高8.79%,平均耗水量减少42.5 mm,仅减产3.57%。从节水和生态可持续发展角度出发,灌水60 mm、施氮80 kg/hm2为冬油菜蕾薹期较优的灌溉施氮策略。

中国南方双季稻氮营养指数及产量估算模型研究

[目的]构建归一化差值植被指数(normalized difference vegetation index,NDVI)和氮营养指数(nitrogen nutrition index,NNI)关系模型,并构建不同时期积分归一化植被指数(integrated NDVI,NDVI_(int))与相对产量(relative yield,RY)之间的算法,以期通过NDVI无损监测氮素营养的亏缺来预测水稻产量。[方法]通过2年(2014—2015年)不同品种和不同施氮处理的早、晚稻田间小区试验,获取水稻地上部干物质量和氮含量,冠层植被指数(NDVI)及产量等,基于临界氮浓度稀释曲线计算不同时期NNI,分析NDVI与NNI、积分NDVI与RY之间的定量关系。[结果]早、晚稻各个时期的NDVI与NNI之间能够很好地以指数函数(NNI=a×e^b×NDVI)拟合,拔节期的估算效果最好,模型为:早稻的NNI=0.431e^(1.372NDVI);晚稻的NNI=0.075e^(3.471NDVI),其估算NNI与实测NNI的R^2、准确度和RRMSE分别为0.92、0.868和7.092%(早稻)及0.84、0.914和13.736%(晚稻)。早、晚稻各时期的NDVI_(int)与RY之间存在显著线性关系,除晚稻分蘖期外都具有较好的预测准确性,经检验,早稻各时期模型预测产量与实测产量的R^2、准确度和RRMSE分别为0.91~0.93、0.812~0.899和7.216%~9.978%,晚稻的分别为0.79~0.89、0.721~0.980和5.134%~6.736%,其中全生育期的模型效果最好,但是在0.05显著水平下早稻与晚稻之间具有较大差异。[结论]构建的基于NDVI的氮营养指数估算模型及基于积分NDVI的相对产量估算模型分别能够准确地反映作物氮素营养状况和预测产量,可为中国南方双季稻区追肥管理和产量预测提供技术支持和理论依据。

基于无人机高光谱遥感的春玉米氮营养指数反演

为了利用高光谱技术准确探测作物氮素营养状况,以东北春玉米为研究对象,获取6个氮肥梯度的随机试验数据,并采用无人机(unmanned aerial vehicle,UAV)搭载UHD185高光谱成像系统,获取关键生育期试验小区内春玉米冠层高光谱遥感影像,通过5种方法对提取的冠层高光谱信息进行预处理,并分别采用偏最小二乘回归、BP神经网络回归和随机森林回归3种算法,构建春玉米氮营养指数反演模型。结果表明:(1)各光谱预处理下,春玉米氮营养指数与冠层高光谱反射率在近红外波段范围内相关性较高;比较高光谱特征参数,春玉米氮营养指数与黄边内一阶微分光谱中的最大值相关性较高;(2)经MSC预处理后,以高光谱特征参数为变量构建的反演模型精度最高,预测集R^(2)的平均值为0.80;(3)随机森林算法结合MSC预处理反演玉米氮营养指数效果更好,精度更高,模型更稳定。通过对比不同方法建立的春玉米氮营养指数反演模型,提高了模型估测能力和验证精度,有利于模型估测能力的调控与优化,提升了反演模型的适用性,为春玉米精准氮营养诊断和精准氮肥管理提供了理论依据和技术支撑。

玉米叶绿素CCI值及氮营养指数在氮诊断中的研究与应用

叶绿素仪因其方便、快捷、非破坏性的优点而被越来越多的运用在作物氮营养诊断上。通过分析叶绿素CCI值与氮营养指数NNI之间的相关性,可以把两者的优点结合起来,达到准确方便检验作物氮营养状况的目的。本研究以河套灌区典型作物玉米为研究对象,设置5个氮肥处理(0、135、180、225、280kg/hm^2),通过田间试验,研究了河套灌区玉米叶绿素CCI值和NNI在氮营养诊断上的可行性。结果表明,叶绿素仪的测定值与施氮量、产量和氮营养指数之间均有较好的相关性。本研究叶绿素测定值推荐玉米的适宜施氮量为225kg/hm^2。

滴灌棉田植株氮营养指数的高光谱诊断研究

【目的】通过研究滴灌棉田地上部植株的氮营养指数,探究建立基于氮营养指数的高光谱指数模型的可行性,为高光谱遥感在农田氮营养快速、准确诊断中的应用提供理论依据。【方法】2年试验,以新疆主栽的5个棉花品种为研究对象,在不同施肥处理条件下,探究氮营养指数和17种光谱指数之间的相关性,建立氮素营养诊断模型并进行验证。【结果】不同品种棉花滴灌条件下氮营养指数之间差异显著,杂交棉能更快地接近氮素营养水平的最佳状态;基于高光谱的氮营养指数多元回归模型中R^2最高的为鲁棉研24,达到0.8的高水平;经2年数据验证,鲁棉研24号建立的模型精度最高,R^2=0.868,均方根误差为0.059。【结论】建立基于氮营养指数的高光谱监测模型能够很好地监测植株氮素养分状况,大田模型精度R^2能达到0.5以上,本试验结果能够为今后农业养分诊断提供理论依据。

基于叶片反射光谱估测水稻氮营养指数

【目的】基于叶片反射光谱建立快速、无损监测水稻氮营养指数(nitrogen nutrition index,NNI)的估算模型。【方法】2018—2019年开展2个水稻品种(徽两优898和Y两优900)及5个氮肥梯度(施氮量为0、75、150、225和300 kg·hm^(-2),分别记为N0、N1、N2、N3、N4)的田间小区试验,测定关键生育期不同叶位叶片反射光谱和植株NNI,构建多种光谱指数的水稻NNI监测模型。【结果】单叶及叶位组合的敏感波段均分布在540 nm的绿光波长处,其与近红外波段构成的窄波段比值指数SR(R_(900),R_(540))可较好反演水稻NNI。但不同叶位叶片窄波段比值指数与水稻NNI的预测精度表现不同,顶3叶(L_(3))预测精度最好(R^(2)=0.731,RMSE=0.130,RE=11.6%),顶2叶(L_(2))次之(R^(2)=0.707,RMSE=0.136,RE=12.2%),顶1叶(L_(1))最差(R^(2)=0.443,RMSE=0.187,RE=14.7%);顶2叶和顶3叶组合平均光谱(L_(23)的预测精度优于单叶水平和其他叶位组合(R^(2)=0.740,RMSE=0.128,RE=11.5%)。再将窄波段比值指数SR(R_(900),R_(540))近红外与绿光区域分别重采样50 nm和10 nm,所构建的宽波段比值指数SR[AR_((900±50)),AR_((540±10))]模型精度较SR(R_(900),R_(540))未明显降低,且在L_(23)水平下2个模型的模型精度和预测精度基本一致(R^(2)=0.740,RMSE=0.128,RE=11.5%)。水稻NNI小于1时与产量呈线性的正相关关系(P<0.05),大于1时产量趋于平稳。【结论】L_(2)和L_(3)叶片反射光谱为监测水稻NNI的敏感叶位,其中叶位组合L_(23)可提高模型预测精度。基于叶片反射光谱构建的多种波段比值指数(SR(R_(900),R_(540))和SR[AR_((900±50)),AR_((540±10))])可快速估测水稻NNI,从而为不同传感器对水稻氮营养指数估测监测研究提供了理论依据。

基于叶片SPAD估算不同水氮处理下温室番茄氮营养指数

为了探讨临界氮稀释曲线模型在西北地区温室番茄不同水分处理下的适用性以及采用SPAD仪快速准确诊断氮营养状况,该研究以"丽娜"番茄为材料,2013-2015年在陕西省杨凌区温室内进行水分和氮素处理试验,水分处理设置4个水平,分别为全生育期充分灌水处理、仅苗期亏水50%、苗期开花期连续亏水50%和全生育期亏水50%;氮素处理设置3个水平,施氮量分别为0、150和300 kg/hm2,通过2013-2015年试验数据对临界氮浓度稀释曲线模型进行率定和验证,并将该模型参数与番茄全生育期平均日耗水量建立相关关系,提高了临界氮浓度稀释模型在不同水分条件下的适用性。结果表明通过番茄全生育期平均日耗水量和临界氮浓度稀释曲线模型估算得到的临界氮浓度估算值和实际计算值有较好的一致性,其绝对误差为0.13~0.34 g/(100 g),标准误差为0.14~0.39 g/(100 g),决定系数为0.94~0.99,因此采用该方法可以对西北地区温室番茄不同水分处理下临界氮浓度稀释进行准确估算。通过2013-2015年试验数据分析番茄不同叶位叶片SPAD值和氮营养指数(nitrogen nutrition index,NNI)之间相关性,结果表明番茄中位叶片SPAD值与氮营养指数(NNI)有良好的线性相关性(决定系数为0.77~0.98),且该相关系数值与番茄日耗水量呈极显著相关关系,因此通过番茄日耗水量可以估算出NNI与中位叶片SPAD值之间的线性关系,估算出NNI=1时的中位叶片SPAD值,并以此SPAD值进行氮营养诊断。该研究可为西北地区温室番茄实时氮营养诊断和优化氮素管理提供了较好的理论参考。

豫中地区冬小麦临界氮稀释曲线与氮营养指数模型的建立

为了验证小麦临界氮稀释曲线在豫中地区的适用性,选择大穗型品种周麦16和多穗型品种豫麦49-198进行了连续3年(2011年10月至2014年6月)的田间定位试验,设置5个氮水平(纯氮0、120、180、240、360 kg hm^(-2)),分别构建了小麦地上部生物量临界氮浓度稀释曲线模型和氮营养指数模型。结果表明,地上部生物量随着施氮量增加显著提高,而后趋于平缓;小麦临界氮浓度与地上部生物量符合幂函数关系,其R^2分别为0.8203(豫麦49-198,P<0.01)和0.7981(周麦16,P<0.01),且模型在年度间具有较好的稳定性。根据模型得到的氮营养指数可以较好地评价小麦植株氮营养状况,且小麦氮营养指数和相对茎基部硝酸盐之间具有显著的线性相关。说明本文所构建的小麦临界氮浓度稀释模型适用于本地区,且可以用来估测小麦植株氮素盈亏水平。

不同滴灌春小麦品种的氮素吸收规律和氮营养指数

为探究滴灌春小麦氮素吸收规律和不同生育时期氮营养状况的基因型差异,以新春6号和新春35号为供试材料,设置0、75、150、225、300、375kg·hm^（-2）6个施氮水平,分析滴灌条件下不同春小麦品种在生育期内的氮素吸收曲线、临界值曲线及氮营养指数。结果表明,两个春小麦品种氮素吸收量均随施氮量的增加而增加,新春6号的氮素快速积累期早于新春35号。植株吸氮量的临界值与出苗后天数均呈极显著的二次函数关系（新春6号：y=-0.174 6x2＋22.528x＋414.02,R2=0.998＊＊;新春35号：y=-0.169 9x2＋20.832x＋357.13,R2=0.993＊＊）。依据氮营养指数计算,两个春小麦品种的适宜施氮量均在225～300kg·hm-2范围,且应适当降低出苗后25d之前和提高出苗后35d的施氮量。

设施栽培黄瓜临界氮浓度和氮营养指数模拟

以黄瓜津春5号为试验材料,采用随机区组设计,2016和2017年分别设置了5个氮浓度梯度,构建了黄瓜地上部生物量的临界氮浓度稀释模型,在此基础上建立了氮素吸收模型和氮营养指数模型。结果表明,黄瓜地上部临界氮浓度与地上部最大生物量之间符合幂指数关系,%Nc=4. 539 7x-0. 06,相关系数为R2=0. 749 6。基于临界氮浓度建立的设施栽培黄瓜氮素吸收(Nupt)模型、氮素营养指数(NNI)模型,可作为设施栽培黄瓜氮素营养状况的判别指标,本试验条件下295. 7～305. 5 kg/hm^2为黄瓜最佳施氮量。

基质栽培番茄临界氮浓度和氮营养指数研究

为了确定番茄的需氮量以及利用氮营养指数估测番茄氮盈亏水平的可行性,分别建立了基质栽培番茄临界氮浓度、氮营养指数和氮亏缺模型,为番茄精确施肥提供理论依据。采用基质栽培番茄,营养液氮素形态设置3个硝铵比为100∶0、75∶25和50∶50,标记为N100、N75+A25和N50+A50;氮素水平设置为Hoagland氮浓度(15mmol/L)的1/4、1/2和3/4。实验采用完全随机区组设计,共9个处理,每个处理15个重复。分别构建了不同氮源下番茄地上部生物量的临界氮浓度稀释曲线模型。结果表明,不同氮源处理番茄临界氮浓度和地上最大生物量间均符合幂指数关系,不同氮源模型间存在一定差异,参数ac(ac为地上部生物量为1g/株时的临界氮浓度)差异表明对于相同的地上部生物量,N75+A25处理番茄的氮累积能力高于N100和N50+A50;b值(b为曲线斜率)不同说明N75+A25处理植株衰老缓慢,叶氮浓度下降较N100和N50+A50慢,因而其曲线斜率低。基于临界氮浓度的氮营养指数(NNI)和氮亏缺模型Nand对番茄的适宜氮源和浓度诊断结果一致,均以N75+A25(1/2)s为最佳施氮组合。根据模型推算的NNI与相对地上部生物量、相对氮累积量和相对产量均呈显著相关性。临界氮稀释模型具有明确的生物学意义,该模型得出的分析结果是合适和可靠的。

温室网纹甜瓜临界氮浓度和氮营养指数模拟研究

为实现精准的氮营养诊断和指导生产,研究通过4个不同氮素水平处理的温室网纹甜瓜基质栽培试验,构建了临界氮浓度稀释曲线模型,并推导得到了氮素吸收和氮营养指数模型。结果表明:临界氮浓度稀释曲线模型(%N c=4.235DW-0.353 max)揭示了植株地上部生物量和氮浓度值之间呈幂函数关系,决定系数R 2=0.814,同时得到最高和最低氮浓度稀释曲线,决定系数分别为R 2=0.808、R 2=0.810;氮素吸收模型和氮营养指数模型对网纹甜瓜营养诊断结果基本一致,植株适宜的氮素施用量为始瓜期前4.1 g/株,之后1.3~2.7 g/株。本研究提出的临界氮浓度、氮素吸收和氮营养指数模型,相较于传统的经验方法更具有机理性,可为温室网纹甜瓜的氮肥管理决策提供理论依据。

利用高光谱影像估算氮营养指数

针对当前氮营养指数研究中对植被指数相关性考虑不足的问题,以挑旗期冬小麦为研究对象,提出品种、水和氮耦合实验对农作物氮素进行精准监测与反演的方法。该方法根据相关性程度和膨胀系数,选取相关性好和共线性强的植被指数,结合偏最小二乘法和BP神经网络构建氮营养指数模型,以决定系数和均方根误差为评价指标对模型精度评价。实验结果表明:偏最小二乘建模和验证的R^(2)分别为0.6815和0.6815,RMSE分别为0.2840和0.2125;BP神经网络建模和验证的R^(2)分别为0.9352和0.7484,RMSE分别为0.2677和0.2163。因此,BP神经网络可以更好地进行冬小麦氮素营养状况估算,反演后影像能较为直观地反映冬小麦氮素营养状况。该研究可为冬小麦氮素无损检测、掌握作物长势情况提供参考。

研究提出基于氮营养指数的冬小麦水分状况校正方法

中国农业科学院农田灌溉研究所"非充分灌溉原理与新技术团队"利用无人机热红外影像监测不同施氮量下冬小麦水分状况,提出了一种基于氮营养指数的冬小麦水分状况校正方法,为不同氮素营养状况下的冬小麦水分管理提供了科学依据。相关研究成果发表在《Precision Agriculture》。

利用相关矩阵法优化光谱指数的冬油菜氮素营养诊断

近年来高光谱技术由于无损和高效等优点成为了现代精准农业发展的必要手段方法。为实现冬油菜无损、快速的氮素盈亏诊断,该研究以连续两年(2022—2023年)不同覆盖及施氮处理下冬油菜蕾薹期采集的90份植物样品(地上部生物量和植株氮浓度)和高光谱实测数据为数据源,根据原始光谱和一阶微分(first-order differential,FD)光谱与氮营养指数(nitrogen nutrition index,NNI)的相关系数计算了8种(共16个)典型的光谱指数,随后利用相关矩阵法提取最佳光谱组合,并根据与NNI相关系数的计算结果筛选最优光谱指数,最后将最优光谱指数分为3组模型输入变量,分别采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、极限学习机(extreme learning machine,ELM)和反向神经网络(back propagation neural network,BPNN)构建冬油菜蕾薹期NNI估算模型。结果表明一阶微分光谱指数与NNI的相关系数均大于原始光谱指数,3个组合选择的光谱指数与NNI的相关系数均较高且波长组合位置均在红边(670~760 nm)内,与NNI相关系数最高的光谱指数为FDSAVI,为0.674,波长组合位于712和678 nm;冬油菜NNI估算模型的最优输入变量与最优建模方法相结合建立的模型为组合2(输入变量为一阶微分光谱指数)与RF模型相结合,其中最优模型验证集的决定系数为0.823,均方根误差为0.079,平均相对误差为7.513%,表明模型精度较高,预测结果将为遥感技术在作物生产中植物氮素营养监测和诊断的潜在应用提供技术依据。

基于高光谱的冬小麦氮素营养指数估测

为了准确定量诊断氮素状况,为施肥和产量、品质的估测提供参考,该文通过设置不同氮素水平和品种类型的冬小麦田间试验,分析孕穗至灌浆初期不同光谱参数在小麦氮素营养状况监测上的差异,筛选叶片氮素含量和冠层氮素密度反演效果较好的参数,建立其与氮营养指数(NNI,nitrogen nutrition index)的经验模型。研究表明,线性内插法红边位置(REPLI)、修正红边单比指数(mSR705)、比值指数(RI-1dB)、简单比值色素指数(SRPI)、红边指数(VOG)等光谱参数与氮素营养指标具有良好的相关性(r>0.85),且不受生育期影响,可用来反演评价冠层氮素营养状况;研究对筛选的光谱参数与各氮素指标进行回归建模,并用独立试验数据对所建模型进行验证,结果显示,REPLI在氮营养指数估测方面表现较好(r=0.93),估测模型精度较高(决定系数R2=0.86,均方根误差RMSE=0.08)。NNI在氮素营养状况诊断方面有一定的优势,通过高光谱反演氮营养指数进行氮素营养状态的定性定量诊断有一定的可行性。