《International Journal of Remote Sensing》 山东科技大学计算机科学与工程学院
作物营养元素中, 氮素对生长发育和产量的影响最大, 施用量也最大, 通过研究作物全氮含量的光谱特性建立作物氮素含量的高光谱估算模型, 对快速诊断作物的氮素状况对指导有效施肥具有现实〖意义。高光谱分辨率遥感技术与传统的多光谱遥感相♀比具有波段多、光谱分辨率高且连续╲的特点, 能直接对地物进行微弱光谱差异的定量分析, 在植被遥感研究与应用中表现出强大优势。基于无人机的高◆光谱图像获取手段具有灵活、实时等优点，可快速获取大面积作物的高光谱图像数据。S185机载高速成像光谱仪采用画幅式成像技术，可以快速、精确、实时地取大面∞积作物的高光谱图像数据，对于作物生长长势监控、产量估算以及病虫害防治具有重要的作用。
1样田选取
本次︼研究地点为北京国家精准农业基地，冬小麦的◣样田面积约为150㎡，整个样田分为48个小区，分别种植不同水分、施☆肥以及品种的小麦;具体的分布如下图所示：
图1 样√田分布图——国家精准①农业示范基地
2高光∞谱数据采集
高光谱图像数据获取采用德国Cubert公司S185机载高速成像光谱仪，光谱范围是450-950 nm，光谱采样间隔4nm;飞行高度50m，地面空间分辨▃率约为0.02m。飞行试验分别在2015年4月15日、2015年4月26日、2015年5月12日与2015年5月27日进行，以上日期分别对应着冬小麦的拔节期、挑旗期、开花期以及灌浆期，不同生长期对应的高光↘谱数据如下图：
图2 样田冬小麦四个生长※期S185高光谱数据RGB合成图
四个生长期不同波段与叶片氮素含量相关性如下图所示：
图3 样田冬小麦四个生长↑期不同波段与叶片氮素含量相关性
3模型分析
模型典型波段的选取表(基于多元线性回】归以及BP神经网络模型的相关性与均方根误差)：
拔节期、挑旗期、开花期以及灌浆期等四个生长期分Ψ别对应的」特征波段如下图所示：
图4：四个生长期特征波段：(a)：拔节期 (b)：挑旗期 (c)：开花期 (d)：灌浆期
4模型验证
基于多元线性回归不同生长期︽的模型验证结果如下图所示：
图5-1 拔节期模型验证结果
图5-2 挑旗期模型验证结果
图5-3 开花期模型验证结果
图5-4 灌浆期模型▓验证结果
5结论
利用S185机载高速成像仪测得的高光谱数据与实测的叶片氮含量建立的校正模型相↑关性较好，通过模型验证分析了模型的可靠性，以上方法为大面积的机载高光谱作物氮素含量分析提供了一定的借鉴意义。
