定量監(jiān)測植物氮素狀況已成為國內外植被遙感的一個重要研究領域。利用快速、無損、準確的方法來估測作物氮素營養(yǎng)狀況是農業(yè)發(fā)展的關鍵技術之一。本研究的目的是以水稻為對象，基于不同年份、不同氮素水平、不同種植密度和不同品種類型的田間試驗，運用成像高光譜儀Specim V10E獲取水稻近地面的高光譜影像，利用決策樹分類法，分出未去背景水稻、去背景水稻、光照水稻和陰影水稻四種目標成分。

為了評估不同空間分辨率對水稻LNC預測精度的影響，本研究在南京農業(yè)大學如皋實驗基地進行了為期2年的水稻實驗，并采集了水稻各個生育期的高光譜影像數據，同時生成10組空間分辨率在1.3nm、14nm、28nm、56nm、113 nm、225nm和445nm的圖像。利用這些圖像，可通過三組植被指數（VI）和兩種多變量方法——高斯過程回歸（GPR）和偏小二乘回歸（PLSR）來確定不同空間分辨率對LNC預測的影響。利用在每個空間分辨率下與背景像素分離的光照、陰影和全葉葉片像素的反射光譜來分別預測具有VI、GPR和PLSR的LNC。

圖1  南京農業(yè)大學如皋基地試驗田及影像采集設備（雙利合譜制造）

圖2  不同處理不同生育期水稻高光譜影像（RGB真彩色合成）

圖3  不同生育期去背景水稻和未去背景水稻的光譜反射率

圖 4  空間分辨率在1.3mm、14mm、28mm、56mm、113 mm和225nm的圖像

圖 5  去背景水稻和未去背景水稻不同生育期不同植被指數與LNC的相關性分析

圖 6  去背景水稻、光照水稻和陰影水稻不同生育期在不同空間分辨率下其植被指數與LNC的相關性分析

圖 7  去背景水稻、光照水稻和陰影水稻在不同空間分辨率下基于光譜反射率及連續(xù)統(tǒng)去除的GPR和PLSR與LNC的相關性分析

結果表明，無論估計方法如何，全葉片像素通常表現(xiàn)出比光照和陰影葉片像素更穩(wěn)定的性能。大多數VI在早期分蘗階段的所有分辨率均小于14 mm，但其他階段的分辨率均小于56 mm。相比之下，采用GPR或PLSR方法成功建立了整個生長季節(jié)預測LNC的模型，其中具有zuijia預測結果的是GPR，zuijia空間分辨率為28 mm。