[发明专利]基于光谱技术的农作物内部信息无损检测装置及方法

说明书

技术领域

本发明涉及一种检测技术，特别是涉及一种基于光谱技术的农作物内部信息无损检测装置及方法。

背景技术

氮肥是影响农作物生长发育和产量品质形成所必需的重要元素。农作物氮素营养的丰缺，会直接影响植物的生长发育，也会对农作物的品质、产量产生影响。目前普遍存在施肥过多，造成地下土壤污染及退化，因此及时准确地监测诊断出农作物氮素状况，进行精确施肥和灌溉，对提高农作物的水肥管理水平和利用效率具有重要意义。

传统的测试农作物氮的手段精度低，或会对农作物产生破坏而影响农作物生长，而且在取样、测定、数据分析等方面需要耗费大量的人力、物力，时效性差，不利于推广应用。现代无损检测技术为实时检测农作物内部信息开辟了一条新的有效途径。

农作物氮营养缺乏和过剩会引起农作物生理特性、形态特征的改变，从而引起农作物对光谱的反射特性发生改变。农作物氮素营养的叶片光谱诊断和光谱遥感诊断，便是基于农作物的反射光谱特性会因农作物氮营养水平变化而变化的原理来进行的。

20世纪70年代以来，诸多学者进行了一些研究：Serrano（1995）等研究发现农作物在较高的含氮水平下，在蓝色和近红外波谱段有较强的反射率，而在较低含氮水平下，农作物在红色波段的反射率较高。Wood（2003）等人在英国小麦高产栽培经验的基础上，用冠层大小(绿色面积指数GAI或群体密度P)来指示变量施肥，若当前农作物冠层大小(GAI)大于标准值，则施肥量低于标准用量；若当前农作物冠层大小(GAI)小于标准值，则施肥量高于标准用量。Fernandez等发现用红（600nm）和绿（545nm）两波段的线性组合可以预测小麦的氮含量，不受氮肥处理的影响。Lukina（2001）等根据产量与籽粒氮含量的相关关系预测最终的籽粒氮吸收量，从而根据籽粒氮吸收量与植株氮吸收的差值结合氮素利用率来预测施氮量。Thomas等研究了七种植物（甜瓜、玉米、黄瓜、莴苣、高粱、棉花、烟草）在不同氮素营养水平下的叶片光谱特性，发现所有植物在缺氮时其可见光波段的反射率增加，但不同植物其反射率的增加程度不一。反射率与叶绿素和类胡箩卜素含量呈负相关，叶绿素和类胡箩卜素解释了63.5-95%的绿光反射率。Bonhanr-Carter等定义了以660—750nm之间一阶微分光谱最大值为“红边”位置，并开始了“红边”位置与叶绿素等色素关系的研究。Everitt等在杂草和花卉植物的研究中发现，500—750nm反射率与植物叶片氮含量具有很高的相关性，提出550—600nm与800—900nm反射率的比值可以用于监测植物氮素状况。Yoder等在枫树研究中发现，短波红外波段反射率的对数可以监测叶片氮含量。Stone提出用基于671nm和780nm两波段反射率组合的植株-氮-光谱指数来估算小麦植株的全氮含量。Fourty等发现叶片反射模型反演叶片氮素含量效果小，逐步回归被用于光谱和生化参数相关性的分析，这已经被普遍接受，但波长的选择在不同的研究中有着并非一致的趋势。Mercedes等利用归一化植被指数（NDVI）值成功预测冬小麦的氮素营养状况。以上文献表明，农作物氮素等营养状况与农作物的光谱信息存在着相关关系。