《小麦、玉米叶片和植株氮营养高光谱诊断与应用研究》为作者：杨福芹最新的研究成果，本论文的主要观点为氮素是作物生长发育所必须的营养元素，是保证作物长势及产量的基本元素。但是氮肥的大量使用给环境带来沉重负担。因此，准确探测作物氮素营养状况，在作物关键生育期给作物补充适量的养分以保证作物的生长是必要的。研究表明氮营养指数(nitrogen nutrition index， NNI)可用于准确探测作物氮素营养状况。NNI的计算需要氮浓度和生物量这两个生化参数，常规测定方法费时费力，难以指导精准农业生产。因此迫切需要用遥感技术来准确估算氮浓度和生物量，即实现NNI的实时遥感估算。本论文致力于围绕叶片和植株的高光谱遥感数据准确估算氮浓度和生物量，建立关键氮浓度曲线以实现NNI的遥感估测，为及时监测作物氮素营养状况、指导变量施肥和产量预报提供有效手段。 为此，本文基于北京小汤山国家精准农业示范基地和北京农林科学院小麦试验基地田间试验数据，结合2014/2015年挑旗期和开花期2景无人机高光谱影像数据，以建立叶片及植株的高光谱氮营养指数诊断模型为主要研究目标，把氮营养指数诊断模型应用到无人机高光谱影像上，为大范围氮素营养实时监测和精确诊断、变量施肥和产量预报提供了技术支撑。论文主要工作如下： （1）从原始光谱反射特征、红边参数、连续统去除光谱特征、光谱指数及辐射传输模型等角度详细介绍了作物氮素营养诊断研究进展、氮浓度稀释模型及氮营养指数诊断作物氮素状况的研究进展及不足；并提出了本文的研究思路。 （2）通过回归建模分析了小麦、玉米叶片原始光谱反射特征、红边参数、连续统光谱吸收特征、EFAST(extended fourier amplitude sensitivity，EFAST)方法和PROSPECT模型整合构建的对氮素敏感的归一化光谱指数（normalized difference spectral index，NDSI）和比值植被指数（ratio spectral index，RSI）光谱指数、氮素常用植被指数与作物叶片氮素营养状况的关系，比较了不同植被指数估算作物叶片氮素营养状况的精度，确定了对小麦、玉米氮素营养状况敏感的光谱指数的顺序。 ①利用PROSPECT模型随机模拟叶片光谱反射率数据，采用EFAST方法对PROSPECT模型中各个生理生化参数在400~2500nm波段范围的叶片反射光谱进行敏感性分析。结果表明对叶绿素敏感的波段范围是417~728nm，参照归一化植被指数和比值植被指数，本研究构建了对小麦氮素敏感的归一化光谱指数NDSI(564,728)、NDSI(543,728)、RSI(564,728)和RSI(543,728)，对玉米氮素敏感的光谱指数是NDSI(629,649)、NDSI(495,669)、RSI(629,649)和RSI(495,669)；分析了光谱指数NDSI和RSI与作物叶片氮含量及叶片氮累积量的相关性，研究表明除了玉米灌浆期外，其他生育期的光谱指数与叶片氮含量的相关性高于与叶片氮累积量的相关性，叶片氮含量比叶片氮累积量对叶片光谱参数更为敏感。 ②建立了光谱指数与叶片氮含量、叶片氮累积量的回归模型，用决定系数（coefficient of determination，R2）、均方根误差（root mean square error，RMSE）、相对误差（relative error，RE）作为评价确定最佳叶片氮素营养状况光谱指数的指标。结果表明对小麦叶片氮含量较为敏感的前5个光谱指数是mND705、ND705、SR705、GMI-2、RI-half；对小麦叶片氮累积量较为敏感的前5个光谱指数是R550/R800、GMI-1、RSI(564,728)、RSI(543,728)、RI-2dB；对玉米叶片氮含量较为敏感的前5个光谱指数是VOGb、VOGc、NDRE、VOGa、CIred edge；对玉米叶片氮累积量较为敏感的前5个光谱指数是NDRE、MTCI、RI-2dB、VOGa、VOGb。 （3）通过回归建模分析了植株在不同年份、不同生育期原始光谱反射特征、红边参数、连续统光谱吸收特征、EFAST方法和PROSPAIL模型整合构建的对氮素敏感的光谱指数NDSI和RSI、氮素常用光谱指数与氮素营养状况的关系，研究确定了对小麦植株敏感的光谱指数的顺序。 ①利用PROSAIL模型随机模拟植株光谱反射率数据，采用EFAST方法对PROSAIL模型各个参数在400~2500nm波段范围的植株反射光谱进行敏感性分析。结果表明对叶绿素敏感的波段范围是515~745nm，参照归一化植被指数和比值植被指数，构建了对小麦植株氮含量和植株氮累积量敏感的光谱指数是NDSI(546,698)、NDSI(667,685)、NDSI(539,745)、RSI(546,694)、RSI(667,684)、RSI(539,745)；分析了光谱指数NDSI和RSI与植株氮含量及植株氮累积量的相关性。 ②基于经验统计关系建立了光谱指数与植株氮含量、植株氮累积量的回归模型，用R2、RMSE、RE作为评价植株氮素营养状况的指标。结果表明对小麦植株氮含量敏感的前5个光谱指数是SRPI、NPCI、ND705、MCARI/MTVI2和MTCI，对小麦植株氮累积量敏感的前5个光谱指数是SR705、RI-half、NPCI、VOGb和mSR705。 （4）通过回归建模分析了叶片及植株生物量原始光谱反射特征、红边参数、连续统光谱吸收特征、EFAST方法和PROSPECT（PROSAIL）模型整合构建的对生物量敏感的光谱指数、与生物量相关的常用光谱指数与生物量的关系，研究确定了对叶片及植株生物量敏感的光谱指数的顺序。 ①利用PROSPECT（PROSAIL）模型随机模拟叶片及植株光谱反射率数据，采用EFAST方法对PROSPECT（PROSAIL）模型各个参数在400~2500nm波段范围的植株反射光谱进行敏感性分析。结果表明对叶片及植株生物量敏感的波段范围为749~2410nm，构建了对小麦叶片及植株生物量敏感的光谱指数是NDSI(2126,2347)、NDSI(1652,1686)、RSI(2126,2347)和RSI(1652,1686)，分析了光谱指数NDSI和RSI与叶片及植株生物量的相关性。 ②基于经验统计关系建立了光谱指数与叶片及植株生物量的回归模型，用R2、RMSE、RE作为评价叶片及植株生物量的指标。结果表明对小麦叶片生物量敏感的前5个光谱指数是mSR705、RI-1dB、VOGa、GNDVI和NDCI，对小麦植株生物量敏感的前5个光谱指数是VOGa、mSR705、REP、NDVI705和mNDVI705。 （5）建立了研究区小麦叶片及植株关键氮稀释曲线模型；建立了“遥感信息—农学参数—氮营养指数”叶片及植株氮营养诊断模型。 基于叶片“遥感信息—农学参数—氮营养指数”估测的NNI与实际NNI之间的R2为0。77，基于植株“遥感信息—农学参数—氮营养指数”估测的NNI与实测NNI之间的R2为0。83，研究表明建立的植株NNI诊断模型精度高于叶片NNI诊断模型精度。 （6）采用小汤山国家精准农业示范基地无人机高光谱影像提取作物NNI，挑旗期提取的NNI与实际NNI间的R2为0。66；开花期提取的NNI与实际NNI间的R2为0。69，均达到了显著相关。结果表明，基于“遥感信息—农学参数—氮营养指数”方法用于NNI估算是可行的，能够得到与实际吻合的结果，为快速、准确实时监测作物氮素状况、变量施肥和产量预报提供了科学依据。现欲投《农机化研究》，不知是否符合录用要求，望您批评与指正。