«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第52卷

期数:

2024年第14期

页码:

31-39

栏目:

专论与综述

出版日期:

2024-07-20

文章信息/Info

Title:

Research progress on application of spectral technology in crop nutrient monitoring

作者:

田婷¹; 张青¹; 徐雯²

1.苏州市农业科学院/江苏太湖地区农业科学研究所，江苏苏州 215106； 2.江苏省农业技术推广总站，江苏南京 210036

Author(s):

Tian Ting; et al

关键词:

作物养分; 光谱技术; 养分监测; 精准农业; 模型

Keywords:

-

分类号:

Q945.6；S567.23⁺9.01

DOI:

-

文献标志码:

A

摘要:

作物养分与作物生长状况和产量密切相关，养分管理是作物生产管理中重要的环节之一。但目前我国作物养分管理形式粗放，过量施肥情况时有发生。快速准确监测作物养分含量，优化养分管理至关重要。传统的通过化学分析方法测定养分含量费时费力，且难以实现对大面积作物的快速测量。光谱技术因其高效、无损、精准等特点，在农业生产领域得到快速发展。利用光谱技术监测作物养分含量对于及时指导作物生长、合理施肥和农业可持续发展等具有重要意义，有助于实现农业精准化、数字化、智能化。本文对国内外相关研究成果进行综述，介绍了近地光谱数据、无人机遥感光谱数据、卫星遥感光谱数据3种光谱数据类型，系统性综述了光谱技术在作物营养元素(叶绿素、氮、磷、钾、其他养分)监测上的应用，并从光谱数据预处理和建模分析方法等光谱数据处理流程方面进行了总结分析，最后在此基础上分析了光谱技术在作物养分监测上面临的难题和未来发展趋势，以期为光谱技术在现代农业生产上的开发应用提供参考。

Abstract:

-

参考文献/References:

［1］童伟，刘金宝. 冬小麦光谱氮营养诊断技术研究进展［J］. 南方农业，2021，15(21)：14-15.
［2］李金敏，陈秀青，杨琦，等. 基于高光谱的水稻叶片氮含量估计的深度森林模型研究［J］. 作物学报，2021，47(7)：1342-1350.
［3］Zhao Y，Wang J W，Chen L P，et al. An entirely new approach based on remote sensing data to calculate the nitrogen nutrition index of winter wheat［J］. Journal of Integrative Agriculture，2021，20(9)：2535-2551.
［4］李克亮，周志艳. 水稻氮肥精准管理技术研究进展［J］. 江苏农业科学，2019，47(12)：18-25.
［5］王鑫梅. 基于高光谱信息的核桃林冠叶绿素和氮素含量研究［D］. 北京：中国林业科学研究院，2020：5-8.
［6］何勇，彭继宇，刘飞，等. 基于光谱和成像技术的作物养分生理信息快速检测研究进展［J］. 农业工程学报，2015，31(3)：174-189.
［7］林志坚，姚俊萌，苏校平，等. 基于MODIS指数和随机森林的江西省早稻种植信息提取［J］. 农业工程学报，2022，38(11)：197-205.
［8］张苗苗，温渊，孙立达，等. “高分” 五号02星概述及应用示例［J］. 中国航天，2022(12)：9-15.
［9］谭昌伟，王纪华，赵春江，等. 利用Landsat TM遥感数据监测冬小麦开花期主要长势参数［J］. 农业工程学报，2011，27(5)：224-230.
［10］ 王备战，冯晓，温暖，等. 基于SPOT-5影像的冬小麦拔节期生物量及氮积累量监测［J］. 中国农业科学，2012，45(15)：3049-3057.
［11］Schlemmer M，Gitelson A，Schepers J，et al. Remote estimation of nitrogen and chlorophyll contents in maize at leaf and canopy levels［J］. International Journal of Applied Earth Observation and Geoinformation，2013，25：47-54.
［12］李粉玲，常庆瑞，申健，等. 基于GF-1卫星数据的冬小麦叶片氮含量遥感估算［J］. 农业工程学报，2016，32(9)：157-164.
［13］Mutanga O，Adam E，Adjorlolo C，et al. Evaluating the robustness of models developed from field spectral data in predicting African grass foliar nitrogen concentration using WorldView-2 image as an independent test dataset［J］. International Journal of Applied Earth Observation and Geoinformation，2015，34：178-187.
［14］陈倩，常庆瑞，郭松，等. 基于红边特性和连续小波变换的冬小麦叶绿素含量估算［J］. 麦类作物学报，2022，42(7)：883-891.
［15］汪旭，邓裕帅，练雪萌，等. 基于无人机多光谱技术的甜菜冠层叶绿素含量反演［J］. 中国糖料，2022，44(4)：36-42.
［16］王纪华，赵春江，黄文江，等. 农业定量遥感基础与应用［M］. 北京：科学出版社，2008：141-201.
［17］高兴，李斐，杨海波，等. 基于红边位置的马铃薯植株氮浓度估测方法研究［J］. 植物营养与肥料学报，2019，25(2)：296-310.
［18］王晶，刘朗，李澄，等. 绿色植被红边特征的研究(英文)［J］. 光谱学与光谱分析，2017，37(12)：3940.
［19］Chen H，Huang W，Li W，et al. Estimation of LAI in winter wheat from multi-angular hyperspectral vnir data： effects of view angles and plant architecture［J］. Remote Sensing，2018，10(10)：1630.
［20］曹英丽，江凯伦，刘亚帝，等. 基于高光谱红边位置提取的水稻叶绿素反演研究［J］. 沈阳农业大学学报，2021，52(6)：718-728.
［21］冯海宽，陶惠林，赵钰，等. 利用无人机高光谱估算冬小麦叶绿素含量［J］. 光谱学与光谱分析，2022，42(11)：3575-3580.
［22］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)：1459-1470.
［23］马春艳，王艺琳，翟丽婷，等. 冬小麦不同叶位叶片的叶绿素含量高光谱估算模型［J］. 农业机械学报，2022，53(6)：217-225，358.
［24］尼加提·卡斯木，师庆东，王敬哲，等. 基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算［J］. 农业工程学报，2017，33(22)：208-216.
［25］Hansen P M，Schjoerring J K. Reflectance measurement of canopy biomass and nitrogen status in wheat crops using normalized difference vegetation indices and partial least squares regression［J］. Remote Sensing of Environment，2003，86(4)：542-553.
［26］田容才，高志强，周昆. 基于高光谱数据的晚籼稻品种剑叶SPAD值估测［J］. 中国稻米，2021，27(1)：45-50.
［27］于丰华，冯帅，赵依然，等. 粳稻冠层叶绿素含量PSO-ELM高光谱遥感反演估算［J］. 华南农业大学学报，2020，41(6)：59-66.
［28］陈君颖，田庆久，亓雪勇，等. 基于Hyperion影像的水稻冠层生化参量反演［J］. 遥感学报，2009，13(6)：1106-1121.
［29］郭松，常庆瑞，郑智康，等. 基于无人机高光谱影像的玉米叶绿素含量估测［J］. 江苏农业学报，2022，38(4)：976-984.
［30］杨婧，廖桂平，刘凡，等. 基于高光谱成像技术的油菜叶片叶绿素含量预测［J］. 中国农业科技导报，2020，22(5)：86-96.
［31］于雷，章涛，朱亚星，等. 基于IRIV算法优选大豆叶片高光谱特征波长变量估测SPAD值［J］. 农业工程学报，2018，34(16)：148-154.
［32］尹航，李斐，杨海波，等. 基于无人机高光谱影像的马铃薯叶绿素含量估测［J］. 植物营养与肥料学报，2021，27(12)：2184-2195.
［33］Sonobe R，Hirono Y，Oi A. Non-destructive detection of tea leaf chlorophyll content using hyperspectral reflectance and machine learning algorithms［J］. Plants，2020，9(3)：368.
［34］王鑫梅，张劲松，孟平，等. 不同生育期核桃树冠层叶绿素含量高光谱估算研究［J］. 河北农业大学学报，2021，44(2)：63-71.
［35］李莉婕，岳延滨，王延仓，等. 高光谱定量反演火龙果茎枝叶绿素含量的研究［J］. 光谱学与光谱分析，2021，41(11)：3538-3544.
［36］罗靖，杨再强，杨立，等. 基于高光谱参数建立苗期高温条件下草莓叶片叶绿素含量估算模型［J］. 中国农业气象，2022，43(10)：832-845.
［37］Lu Y L，Bai Y L，Ma D L，et al. Nitrogen vertical distribution and status estimation using spectral data in maize［J］. Communications in Soil Science and Plant Analysis，2018，49(5)：526-536.
［38］梁雪映，樊风雷. 基于遥感光谱的作物氮含量估算研究进展［J］. 中国农业科技导报，2019，21(1)：51-61.
［39］刘红玉，毛罕平，朱文静，等. 基于高光谱的番茄氮磷钾营养水平快速诊断［J］. 农业工程学报，2015，31(增刊1)：212-220.
［40］于丰华，邢思敏，郭忠辉，等. 基于特征转移植被指数的水稻叶片氮素含量定量估算［J］. 农业工程学报，2022，38(2)：175-182.
［41］张晓东，李立，高洪燕，等. 番茄氮素的多特征融合检测研究［J］. 江苏农业科学，2016，44(10)：379-382.
［42］Li F，Wang L，Liu J，et al. Evaluation of leaf N concentration in winter wheat based on discrete wavelet transform analysis［J］. Remote Sensing，2019，11(11)： 1331.
［43］韩康，于静，李瑞，等. 基于光谱特征值反演马铃薯叶片氮累积量［J］. 灌溉排水学报，2021，40(6)：53-58.
［44］Tan C W，Du Y，Zhou J，et al. Analysis of different hyperspectral variables for diagnosing leaf nitrogen accumulation in wheat［J］. Frontiers in Plant Science，2018，9：674.
［45］肖天豪，周学军，李存文，等. 基于无人机高光谱的冬小麦植株氮含量估算［J］. 地理空间信息，2022，20(8)：8-12.
［46］付彦博，范燕敏，盛建东，等. 紫花苜蓿植株含氮量的高光谱估测技术研究［J］. 草地学报，2013，21(5)：902-905，920.
［47］井宇航. 基于无人机多光谱和高分二号遥感影像的冬小麦植株氮积累量监测［D］. 郑州：河南农业大学，2022：21-53.
［48］Feng W，Guo B B，Zhang H Y，et al. Remote estimation of above ground nitrogen uptake during vegetative growth in winter wheat using hyperspectral red-edge ratio data［J］. Field Crops Research，2015，180：197-206.
［49］贾学勤，冯美臣，王超，等. 冬小麦籽粒氮积累量高光谱监测研究［J］. 山西农业科学，2018，46(3)：335-338.
［50］郭建彪. 基于高光谱遥感的小麦生长及氮素利用效率估测研究［D］. 郑州：河南农业大学，2021：111-125.
［51］Frels K，Guttieri M，Joyce B，et al. Evaluating canopy spectral reflectance vegetation indices to estimate nitrogen use traits in hard winter wheat［J］. Field Crops Research，2018，217：82-92.
［52］Prey L，Hu Y C，Schmidhalter U. High-throughput field phenotyping traits of grain yield formation and nitrogen use efficiency：optimizing the selection of vegetation indices and growth stages［J］. Frontiers in Plant Science，2020，10：1672.
［53］肖天豪，范园园，冯海宽，等. 利用高光谱影像估算氮营养指数［J］. 遥感信息，2022，37(3)：7-11.
［54］徐浩聪，姚波，王权，等. 基于叶片反射光谱估测水稻氮营养指数［J］. 中国农业科学，2021，54(21)：4525-4538.
［55］Ata-Ul-Karim S T，Cao Q，Zhu Y，et al. Non-destructive assessment of plant nitrogen parameters using leaf chlorophyll measurements in rice［J］. Frontiers in Plant Science，2016，7：1829.
［56］Paleari L，Movedi E，Vesely F M，et al. Estimating crop nutritional status using smart apps to support nitrogen fertilization.A case study on paddy rice［J］. Sensors，2019，19(4)：981.
［57］Vleugels T，Rijckaert G，Gislum R. Seed yield response to N fertilization and potential of proximal sensing in Italian ryegrass seed crops［J］. Field Crops Research，2017，211：37-47.
［58］陈志超，蒋贵印，张正，等. 基于无人机高光谱遥感的春玉米氮营养指数反演［J］. 河南理工大学学报(自然科学版)，2022，41(3)：81-89.
［59］Li D L，Zhang P，Chen T，et al. Recent development and challenges in spectroscopy and machine vision technologies for crop nitrogen diagnosis：a review［J］. Remote Sensing，2020，12(16)：2578.
［60］薛利红，曹卫星，罗卫红，等. 小麦叶片氮素状况与光谱特性的相关性研究［J］. 植物生态学报，2004，28(2)：172-177.
［61］杨宝华，陈建林，陈林海，等. 基于敏感波段的小麦冠层氮含量估测模型［J］. 农业工程学报，2015，31(22)：176-182.
［62］Fernandez S，Vidal D，Simon E，et al. Radiometric characteristics of Triticum aestivum cv. Astral under water and nitrogen stress［J］. International Journal of Remote Sensing，1994，15(9)：1867-1884.
［63］Stroppiana D，Boschetti M，Brivio P A，et al. Plant nitrogen concentration in paddy rice from field canopy hyperspectral radiometry［J］. Field Crops Research，2009，111(1/2)：119-129.
［64］王娇娇，宋晓宇，梅新，等. 基于高斯回归分析的水稻氮素敏感波段筛选及含量估算［J］. 光谱学与光谱分析，2021，41(6)：1722-1729.
［65］Nguyen H T，Kim J H，Nguyen A T，et al. Using canopy reflectance and partial least squares regression to calculate within-field statistical variation in crop growth and nitrogen status of rice［J］. Precision Agriculture，2006，7(4)：249-264.
［66］王人潮，陈铭臻，蒋亨显. 水稻遥感估产的农学机理研究：Ⅰ. 不同氮素水平的水稻光谱特征及其敏感波段的选择［J］. 浙江农业大学学报，1993，19(增刊1)：9-16.
［67］Osborne S L，Schepers J S，Francis D D，et al. Detection of phosphorus and nitrogen deficiencies in corn using spectral radiance measurements［J］. Agronomy Journal，2002，94(6)：1215-1221.
［68］张文旭，佟炫梦，周天航，等. 基于高光谱成像的棉花叶片氮素含量遥感估测［J］. 沈阳农业大学学报，2021，52(5)：586-596.
［69］易翔，吕新，张立福，等. 基于RF和SPA的无人机高光谱估算棉花叶片全氮含量［J］. 作物杂志，2023(2)：245-252.
［70］杨海波，李斐，张加康，等. 基于高光谱指数估测马铃薯植株氮素浓度的敏感波段提取［J］. 植物营养与肥料学报，2020，26(3)：541-551.
［71］Thomas J R，Oerther G F. Estimating nitrogen content of sweet pepper leaves by reflectance measurements［J］. Agronomy Journal，1972，64(1)：11-13.
［72］Singh S K，Houx J H，Maw M J W，et al. Assessment of growth，leaf N concentration and chlorophyll content of sweet sorghum using canopy reflectance［J］. Field Crops Research，2017，209：47-57.
［73］Yamashita H，Sonobe R，Hirono Y，et al. Dissection of hyperspectral reflectance to estimate nitrogen and chlorophyll contents in tea leaves based on machine learning algorithms［J］. Scientific Reports，2020，10(1)：17360.
［74］张敏，潘存德，罗威. 基于光谱特征参量的‘新榛1号’叶片磷含量估测模型［J］. 新疆农业大学学报，2020，43(4)：252-260.
［75］徐壮，王婉瑕，徐磊，等. 水稻磷素吸收与转运分子机制研究进展［J］. 植物营养与肥料学报，2018，24(5)：1378-1385.
［76］王磊，白由路. 基于光谱理论的作物营养诊断研究进展［J］. 植物营养与肥料学报，2006，12(6)：902-912.
［77］梁宇锋，潘满清，霍翔，等. 基于无人机多光谱图像的荔枝叶片氮磷钾含量检测［J］. 机电工程技术，2022，51(5)：138-142.
［78］班松涛，田明璐，常庆瑞，等. 基于无人机高光谱影像的水稻叶片磷素含量估算［J］. 农业机械学报，2021，52(8)：163-171.
［79］程立真，朱西存，高璐璐，等. 基于随机森林模型的苹果叶片磷素含量高光谱估测［J］. 果树学报，2016，33(10)：1219-1229.
［80］Mahajan G R，Sahoo R N，Pandey R N，et al. Using hyperspectral remote sensing techniques to monitor nitrogen，phosphorus，sulphur and potassium in wheat (Triticum aestivum L.)［J］. Precision Agriculture，2014，15(5)：499-522.
［81］刘炜，常庆瑞，郭曼，等. 冬小麦导数光谱特征提取与缺磷胁迫神经网络诊断［J］. 光谱学与光谱分析，2011，31(4)：1092-1096.
［85］杨福芹，冯海宽，蒋瑞波，等. 苹果叶片磷含量高光谱估测模型研究［J］. 商丘师范学院学报，2021，37(3)：36-39.
［83］张喜杰，李民赞. 基于反射光谱的温室黄瓜叶片磷素含量分析与预测［J］. 光谱学与光谱分析，2008，28(10)：2404-2408.
［84］戴宇祥. 滴灌条件下甜菜钾素含量的高光谱特征及反演研究［D］. 石河子：石河子大学，2020：20-41.
［85］Pimstein A，Karnieli A，Bansal S K，et al. Exploring remotely sensed technologies for monitoring wheat potassium and phosphorus using field spectroscopy［J］. Field Crops Research，2011，121(1)：125-135.
［86］张俊华，张佳宝，钦绳武. 不同施肥长期定位试验地夏玉米冠层光谱特征研究［J］. 植物营养与肥料学报，2010，16(4)：874-879.
［87］朱文静. 基于偏振-高光谱多维光信息的番茄氮磷钾及交互作用检测研究［D］. 镇江：江苏大学，2014：37-63.
［88］栗方亮，孔庆波，张青. 利用多种回归模型对比估算琯溪蜜柚叶片钾素含量［J］. 热带作物学报，2022，43(6)：1191-1199.
［89］李勋兰，王武，杨蕾，等. 基于高光谱的柑橘叶片钾含量快速诊断模型［J］. 南方农业，2019，13(22)：37-40.
［90］Gomez-Casero M T，Lopez-Granados F，Pena-Barragan J M，et al. Assessing nitrogen and potassium deficiencies in olive orchards through discriminant analysis of hyperspectral data［J］. Journal of the American Society for Horticultural Science，2007，132(5)： 611-618.
［91］李梦竹，叶红朝，王惠，等. 不同水分胁迫程度下烤烟叶片钾含量的光谱响应［J］. 中国烟草学报，2020，26(4)：86-92.
［92］高金龙，侯尧宸，白彦福，等. 基于高光谱数据的高寒草甸氮磷钾含量估测方法研究：以青海省贵南县及玛沁县高寒草甸为例［J］. 草业学报，2016，25(3)：9-21.
［93］Chungcharoen T，Donis-Gonzalez I，Phetpan K，et al. Machine learning-based prediction of nutritional status in oil palm leaves using proximal multispectral images［J］. Computers and Electronics in Agriculture，2022，198：107019.
［94］Costa L，Kunwar S，Ampatzidis Y，et al. Determining leaf nutrient concentrations in citrus trees using UAV imagery and machine learning［J］. Precision Agriculture，2022，23(3)：854-875.
［95］马超飞，马建文，韩秀珍. 微量元素在植物光谱中的响应机理研究［J］. 遥感学报，2001，5(5)：334-339.
［96］李忠伟，张浩，王雷全，等. 融合空谱-梯度特征的深度高光谱图像去噪［J］. 光学精密工程，2022，30(5)：615-629.
［97］Yuan Q Q，Zhang Q，Li J，et al. Hyperspectral image denoising employing a spatial-spectral deep residual convolutional neural network［J］. IEEE Transactions on Geoscience and Remote Sensing，2019，57(2)：1205-1218.
［98］苏红军. 高光谱遥感影像降维：进展、挑战与展望［J］. 遥感学报，2022，26(8)：1504-1529.
［99］张明政，苏伟，朱德海. 基于PROSAIL模型的玉米冠层叶面积指数及叶片叶绿素含量反演方法研究［J］. 地理与地理信息科学，2019，35(5)：28-33.
［100］王声锋，徐亚泽，彭致功，等. 基于PROSAIL模型的夏玉米叶绿素含量垂直分层模拟［J］. 排灌机械工程学报，2022，40(6)：603-610.
［101］竞霞，张杰，王娇娇，等. 水稻产量遥感监测机器学习算法对比［J］. 光谱学与光谱分析，2022，42(5)：1620-1627.
［102］杨野，杨德昌，孙红，等. 基于无人机多光谱遥感和机器学习算法的南疆棉花生物量估算［J］. 江苏农业科学，2023，51(15)：179-187.
［103］Qiu Z C，Ma F，Li Z W，et al. Estimation of nitrogen nutrition index in rice from UAV RGB images coupled with machine learning algorithms［J］. Computers and Electronics in Agriculture，2021，189：106421.
［104］王韦燕，冯文强，常乃杰，等. 基于光谱预处理和机器学习算法的烤烟叶绿素含量预测［J］. 中国土壤与肥料，2023(3)：194-201.
［105］郭燕，井宇航，王来刚，等. 基于无人机影像特征的冬小麦植株氮含量预测及模型迁移能力分析［J］. 中国农业科学，2023，56(5)：850-865.
［106］武彬. 作物冠层叶绿素含量垂直分布遥感监测方法研究［D］. 北京：中国科学院大学(中国科学院空天信息创新研究院)，2021：1-9.

相似文献/References:

[1]周鹏,郭颂,牛晓太,等.南疆红枣病虫危害等级识别模型的研究与实现[J].江苏农业科学,2014,42(06):354.
　Zhou Peng,et al.Research and implementation of pest damage level recognition model of red dates in southern Xinjiang[J].Jiangsu Agricultural Sciences,2014,42(14):354.
[2]胡盈盈,王瑞燕,郭鹏涛,等.基于近地光谱特征的玉米田间杂草识别研究[J].江苏农业科学,2020,48(8):242.
　Hu Yingying,et al.Recognition of weeds in maize fields based on near-earth spectrum characteristics[J].Jiangsu Agricultural Sciences,2020,48(14):242.

备注/Memo

备注/Memo:

收稿日期：2023-08-30
基金项目：苏州市科技计划(编号：SNG2022066)；苏州市农业科学院科研基金(编号：21014)。
作者简介：田婷(1988—)，女，江苏常州人，硕士，助理研究员，主要从事作物遥感监测研究。E-mail：491016158@qq.com。
通信作者：徐雯，硕士，高级农艺师，主要从事作物栽培研究。E-mail：714877839@qq.com。

常用功能

更新日期/Last Update: 2024-07-20