高光谱遥感下农田土壤养分含量预测模型构建与评估

该篇研究论文《基于高光谱数据的农田土壤养分含量估测模型研究》发表在《新疆农业科学》2018年第3期，由祁亚琴、张显峰等人合作完成。研究的主要目的是为了实现快速、实时且无损地获取农田土壤中主要养分——全氮(TN)、全磷(TP)和全钾(TK)的精确含量信息。这在农业管理、精准施肥以及环境监测等方面具有重要意义。 研究方法上，作者利用了土壤反射率的光谱特性，通过对高光谱数据进行深入分析，特别是通过归一化光谱指数(NDI)这一关键指标，识别出土壤养分含量的敏感波段。这些波段与土壤中的特定养分存在密切关联，是构建反演模型的基础。 研究结果显示，对于全氮含量，最优的预测模型采用指数函数(YTN = 0.0005e^(4.7003*NDI))；全磷含量的最佳预测模型是一元三次函数(YTP = 802.27*NDI^3 - 412.32*NDI^2 + 72.357*NDI - 3.3189)；而全钾含量则对应另一元三次函数(YTK = 80189*NDI^3 - 11471*NDI^2 + 490.57*NDI + 13.879)。这些模型的构建表明，通过计算和调整NDI值，可以有效地推算出土壤养分的估计值。 论文还强调了模型的精度评估和田间验证的重要性。经过严格的模型精度测试和实际农田应用，得出结论：基于归一化光谱指数NDI建立的高光谱遥感定量模型，能够有效反演出土壤中的TN、TP和TK含量，显示出良好的预测性能。 这篇研究得到了多个基金项目的支持，包括国家自然科学基金项目、“基于高光谱遥感数据的土壤主要养分含量信息的获取研究”(61465011)、国家留学基金以及石河子大学的青年教师培养项目和科技攻关项目。作者祁亚琴博士是研究团队的重要成员，她的研究方向集中在精准农业、农业遥感与信息技术领域。 这项研究不仅提供了一种新颖的土壤养分含量测定方法，而且展示了高光谱遥感技术在农业土壤管理中的潜力，为农业生产决策提供了有力的数据支持。