近日，華中農業大學資源與環境學院作物養分管理研究團隊在利用遙感技術實時、無損、準確估測油菜氮素營養狀況的方法上取得新進展，相關成果以“Remote estimation of leaf nitrogen concentration in winter oilseed rape across growth stages and seasons by correcting for the canopy structural effect” 題發表在遙感領域期刊Remote Sensing of Environment 上。   　　在農業生產中，通常通過測定農田土壤中的養分含量來判斷土壤養分供應狀況進而制定科學的施肥方案。然而作物在田間生長過程中受到各種環境因素及農事操作的影響，土壤的養分供應并非一成不變，導致作物的營養狀況隨之變化，在測土配方施肥的基礎上結合作物植株養分豐缺狀況診斷，在作物生長過程中進行精準追肥是確保作物高產穩產和養分高效的重要手段。傳統的作物養分豐缺狀況診斷主要依靠采集作物地上部植株或葉片在實驗室進行化學分析測定，該方法測定的是作物體內養分含量的真實值，但存在采樣和測試耗時長、測定的空間范圍小等缺陷，從而導致指導追肥的時效性不強和應用面積有限。隨著遙感技術的快速發展，測定植物冠層光譜反射率、建立相應的模型來估測作物養分狀況成為一種快速實時、無損高效的養分豐缺診斷方法，尤其是在氮營養診斷研究方面應用前景廣闊。但是，冠層光譜反射率是植物冠層結構、葉片生理生化性質與入射光交互作用的綜合體現，在不同的生長狀態和氮素營養狀況下冠層結構會存在很大的差異，目前氮素養分遙感估測模型的準確率往往受到作物不同品種、種植方式和生育期的影響，即使是對同一種作物也很難建立統一的估測模型，影響了作物營養遙感估測技術在農業生產中的實際應用。   　　針對上述問題，華中農業大學作物養分管理研究團隊在前期研究基礎上，以油菜氮素營養狀況豐缺快速精準診斷為研究目標，提出了利用近紅外反射率植被指數解耦冠層結構和冠層反射率，利用解耦后生成的冠層散射系數結合機器學習模型的建模方法，構建了適用于油菜不同品種、種植方式、生育期的氮含量估測通用模型，并利用團隊2015-2022年在多地、多點、多品種田間試驗和實際生產的不同種植方式及不同生育期的相關數據對該方法進行檢驗。   　　檢驗結果表明：近紅外反射率植被指數與油菜葉面積指數有很強的線性相關性（R2=0.79**），能夠代表冠層結構的變化，從理論上證明了方法的可行性；與原始冠層反射率相比，由近紅外反射率植被指數解耦后得到的冠層散射系數對油菜冠層結構的變化不敏感（圖1），表明該方法能夠有效抑制冠層結構的復雜影響；由冠層散射系數構建的油菜葉片氮含量估測模型比傳統的基于反射率的模型具有更高的準確性和可遷移性（圖2），并在近地冠層高光譜數據和無人機多光譜影像上均得到了驗證。該研究為抑制冠層結構對作物葉片氮含量遙感估測的影響提供了新的思路和方法。目前，多種衛星、無人機、以及近地遙感數據都可以計算得到近紅外反射率植被指數，因此該研究提出的作物葉片氮含量估測模型改進方法有助于實現不同尺度下的作物氮養分狀況無損診斷，對作物生長過程中的氮素營養豐缺快速、實時、無損診斷和預警預報提供了新技術，尤其是對我國油菜生產的精準高效氮素養分管理提供了直接工具。   　　資源與環境學院劉詩詩副教授為該成果第一作者，魯劍巍教授為通訊作者，我校本科生白曉慧（已畢業）、博士研究生朱格格、碩士研究生張宇、博士研究生李嵐濤（已畢業）和任濤教授也參與了該項研究。該研究得到了國家自然科學基金、國家重點研發計劃、國家油菜產業技術體系的資助。   　　論文鏈接：https://doi.org/10.1016/j.rse.2022.113348