基于高光谱数据冬小麦关键生育期磷素估测模型研究

来源：中国土壤与肥料杂志2025年第6期北京时间：

作者：王子傲，赖宁，耿庆龙，吕彩霞，李永福，信会男，李娜，陈署晃

单位：(1.新疆农业大学资源与环境学院，新疆 乌鲁木齐 830052;2.新疆农业科学院土壤肥料与农业节水研究所，新疆 乌鲁木齐 830091;3.新疆农业科学院农业遥感中心，新疆 乌鲁木齐 830091)

摘要：磷素是植物生长发育不可缺少的营养元素，以新疆冬小麦为研究对象，使用地物光谱仪采集冬小麦4个关键生育期的冠层高光谱数据，结合实验室叶片磷素含量测定，探究高光谱数据在估测全生育期冬小麦叶片磷含量时估测模型的精准性与可靠性。以冬小麦叶片磷含量和原始光谱与光谱指数进行相关性分析，以敏感波段与光谱指数为输入变量，结合逐步回归、偏最小二乘回归、BP神经网络回归和随机森林回归对叶片磷含量进行预测，建立冬小麦磷素含量反演模型。研究结果表明，利用机器学习模型(特别是随机森林回归模型)在拔节期、扬花期和灌浆期的表现优于线性回归模型，而在孕穗期BP神经网络回归模型表现更佳。随机森林回归模型在拔节期、扬花期和灌浆期的决定系数(R2)分别为0.764、0.811和0.805，均方根误差(RMSE)分别为0.652、0.152和0.224；BP神经网络回归模型在孕穗期的R2为0.772，RMSE为0.313。以上结果证明了高光谱技术在冬小麦磷素含量估测中的有效性和可行性，为快速、无损检测小麦磷素含量及小麦磷素精准管理提供参考依据。

关键词：小麦;磷素含量;高光谱;随机森林回归;BP神经网络回归

基金资助：基金项目:农业科技创新稳定支持专项(xjnkywdzc-2023002，xjnkywdzc-2023007-3)；新疆小麦产业技术体系(XJARS-01-21)；新疆维吾尔自治区重大专项(2022A02011-2)。