光谱技术在玉米生产中的应用

光谱技术在玉米生产中的应用
陈青春，蒋锋，刘鹏飞，张姿丽，张媛，林欢，王晓明
（仲恺农业工程学院作物研究所，广东广州510225）
摘要：随着光谱技术的普及和应用，利用光谱技术对农作物生长等相关信息进行无损监测的研究日益深入。

综述了光谱技术在玉米养分、籽粒品质、估产等方面的研究成果，介绍了玉米光谱监测研究的最新进展，提出了广东省玉米光谱监测存在的问题和发展方向。

关键词：玉米；光谱；监测；遥感
中图分类号：S513文献标识码：A文章编号：1004-874X（2012）11-0024-04
The applications of spectral technique in maize production
CHEN Qing-chun,JIANG Feng,LIU Peng-fei,ZHANG Zi-li,ZHANG Yuan,LIN Huan,WANG Xiao-ming (Crops Research Institute,Zhongkai University of Agriculture and Engineering,Guangzhou510225,China)
Abstract:With the popularization and application of spectral technique,the use of spectroscopy to non-destructive monitoring of the growth of crops and other related information is deepening.The researches of spectroscopy in maize nutrient,grain quality,and yield estimation were reviewed.Also the latest research progress of maize spectral monitoring and the problems of Guangdong province maize spectral monitoring and direction of development were showed.
Key words：maize;spectrum;monitoring;remote sensing
光谱技术具有简便、快速、精度高和无损测定等优点，已成为监测作物生长与营养信息的重要手段之一。

根据作物叶片反射光谱特征变化可判定其生长及营养状况，以制定相应的施肥方案，实施精确施肥；根据作物冠层光谱反射特征反映的冠层温度、叶水势判断作物现有水分状况，可制定相应灌溉方案，实施精确灌溉；根据各种植被指数估算农作物产量，可制定相应农业管理方案，实施农业宏观调控[1]；利用近红外光谱分析技术结合偏最小二乘法、遗传算法等手段可以实现作物品种的识别及检测[2-3]。

1植物营养光谱诊断的基本原理
地物漫反射光谱包含反射物结构和组成的丰富信息，是农田生物环境信息获得的重要手段。

农作物和自然界存在的各种物体一样，本身是不规则的自然灰体，其体温总在绝对温度-273℃以上，随时随地都在不断地发射各种波长的电磁波，并对外界照射来的人工和自然电磁辐射发生一定的吸收和反射[4]。

每一种物体的内部结构和表面特性均不相同，因此对不同波长的电磁波的吸收和反射都不同。

物体对不同波段光谱的响应特性叫光谱特性。

植物光谱诊断的基础便是植物的光谱特性[5]。

植物叶片中生物化学成分含量的变化在光谱维方向上表现为吸收波形的变化，植物光谱的导数实质上反映了植物内部物质（叶绿素及其它生物化学成分）的吸收波形变化，可通过植物的光谱特性监测植物的营养状况[6]。

植物缺乏营养元素不仅会严重影响其生长速度和产量，还能引起植株体内相关生化成分的变化，外观表现在叶片、叶色、形态、结构以及其他各种不同的缺素症状。

宏观上，作物的长势、冠层结构、叶片颜色和厚度及微观上叶片色素、水分等某种化学组分的含量等发生不同的变化，都会引起某些波长处的光谱反射和吸收产生差异，从而产生了不同的光谱反射率，在非成像光谱上表现出反射率不同的波形曲线，在成像光谱上表现出图像亮度、饱和度等色阶的差别。

然后利用光谱上产生显著差异的敏感光谱或关键波段建立估测模型，反演作物体内生化成分含量。

植物化学组分光谱诊断的实现是以植物化学组分敏感光谱反射率与该组分含量或浓度的相关关系为基础[5]。

2光谱技术在玉米上的应用
2.1化学组分监测
2.1.1色素含量叶绿素含量是植被光合效率、氮素胁迫和发育状况（特别是衰老过程）的指示器，它既能表明作物的生长状况，又是作物与外界发生物质能量交换的重要条件。

因此，估测作物叶绿素含量已成为评价作物长势的一种有效手段，国内外许多学者就叶绿素及其衍生参数与光谱反射率的关系做了大量研究。

李树强等[7]研究表明：玉米苗期冠层叶片叶绿素的质量浓度空间分布不均匀。

冠层叶片的叶绿素质量浓度与比值植被指数（RVI）的相关性较低，与归一化差异植被指数（NDVI）值和550nm波段的反射率均有较高的相关性。

唐延林等[8]研究发现，玉米叶片叶绿素和类胡萝卜素浓度与光谱植被指数R800/R550、R673/R640、PSSRa、PSNDa、RCh、CARI、λred、Dλred和Sred极显著相关。

说明可以通过光谱方法监测玉米长势和估算叶绿素（Chla、Chlb）、类
收稿日期：2012-03-09
基金项目：广州市科技支撑计划项目(2008Z1-E541)；广东高校优秀青年创新人才培育项目(LYM09090)
作者简介：陈青春（1983-），男，博士，讲师，E-mail：chenqingchun 0414@
通讯作者：王晓明（1956-），男，教授，E-mail：wxm1724@ 广东农业科学2012年第11期
24
胡萝卜素（Car）含量。

张俊华等[9]选择NDVI（560，760）拟合夏玉米叶片叶绿素含量，拟合效果较佳。

孙红等[10]研究表明，差值植被指数（DVI）监测叶绿素含量效果优于其他指数，且拔节期DVI与叶绿素含量呈二项式相关，喇叭口期二者呈指数相关。

张学治等[11]研究表明，利用冠层NDVI 可以对夏玉米叶片Chla、Chlb、Chla+b和Car含量进行可靠的监测。

王磊等[12]根据玉米氮素营养的生理特点，在关键生育期有针对性地选择第6片完全展开叶和第12片完全展开叶（果穗叶）进行光谱监测。

结果表明，被考察的19个光谱特征参量中，红边斜率（Dr）、绿峰最大反射率（Rg）、比值植被指数（RNIR/Red）和归一化差值植被指数〔R（NIR-Red）/（NIR+Red）〕与叶片氮含量均存在较好的相关关系。

Thomas等[13]的研究表明，叶绿素直接影响植物在可见光波段的反射率，其显著差别主要表现在550～600nm 波段[14-15]，这些显著差别与叶片叶绿素含量紧密相关[16]。

李云梅[17]认为叶绿素对叶片反射率的影响在710nm波长达最大值，标准差变化曲线在550、710、795、830nm处形成4个峰值，叶绿素对冠层反射率影响最大的波长分别为715、720、725nm。

Houborg等[18]研究表明，利用SPOT高分辨率影像提取的绿波波段可以用来有效地反演叶绿素含量。

这些研究使利用光谱数据估算作物叶绿素含量具有可行性。

2.1.2氮、磷、钾状况氮、磷、钾肥是农业生产上用量较大、较难精确定量的肥料，也是农业生产中过量施用而导致成本上升与环境污染的肥料。

因此，实时、无损、准确地监测作物营养状况是农业生产上迫切需要解决的难题。

周丽丽等[19]研究表明，不同玉米品种叶片氮含量（LNC）与不同波段叶片光谱反射率相关性存在差异，依品种建立的LNC与NDVI或RVI的定量关系模型，其中NDVI （714，554）和RVI（714，554）所建模型的拟合度最好，可以用来估算玉米LNC。

王磊等[20]通过盆栽试验监测施用不同磷水平春玉米典型生育期的叶片光谱变化，结果表明，春玉米大喇叭口期是磷素营养的光谱响应敏感期，350~730 nm和1420~1800nm是磷素营养的光谱敏感波段。

该生育期构建的单波段高光谱变量、窄波段光谱变量和宽波段光谱变量与叶片磷含量都存在显著或极显著的回归关系。

张俊华等[21]研究发现，夏玉米缺少氮、磷、钾元素使冠层光谱反射率在可见光波段增加，在近红外波段降低。

作物秸秆、子粒的含氮、含钾量及产量与可见光波段反射率呈负相关，与近红外区域760~1300nm反射率呈正相关；秸秆含磷量与各反射率的相关性不明显，子粒含磷量与冠层光谱之间无明显规律。

说明在明确主导养分限制的前提下，利用作物冠层光谱来监测氮素和钾素的丰缺以及准确估产是可行的。

2.1.3水分状况水分是控制植物光合作用、呼吸作用和生物量的主要因素之一。

因此，研究植物水分状况具有重要意义,基于植被光谱随含水量的变化，应用光谱遥感技术及时准确监测和诊断植被含水量越来越受到重视。

王娟等[22]研究了不同品种夏玉米的冠层叶片和植株水分状况与反射光谱之间的相关关系，结果表明，冠层叶片和植株含水率与460～670nm范围内波段反射率均成负相关，与730～1260nm范围内波段反射率均成正相关。

植株含水率与RVI和NDVI呈正相关，相关性均较好，NDVI优于RVI。

周顺利等[23]发现玉米叶片在近红外和短波红外的水分吸收区域的反射/透射/吸收的中心峰值波长实际发生在974、1160、1440nm，在这3个峰值波长，叶片反射率、吸收率与叶片水分含量之间的相关性好于透射率。

在这3个峰值波长中，反射率、透射率和吸收率相互之间的关系以1440nm最为紧密，此波长光谱与叶片水分含量之间的相关性也相对较强，可以作为用来反演植物水分状况的最佳峰值波长。

2.1.4其他营养物质含量易秋香等[24-25]发现,原始光谱以及一阶导数光谱粗纤维含量光谱诊断的敏感波段分别位于近红外波段的1924、2370nm；线性与非线性拟合分析表明，以2370nm处的一阶导数光谱所构建的线性模型相对优于其他模型；由1954nm处光谱反射率一阶微分所构建的指数模型可对玉米粗脂肪含量较好地预测。

石云鹭等[26]研究发现，选用植株冠层12个波长的高光谱反射率的一阶导数，与叶片和全株粗蛋白含量作回归分析，可以获得很好的效果，拟合度（R2）可以达到0.8以上。

潘安龙等[27]研究结果表明，近红外光谱技术可快速、准确分析玉米皮渣纤维素及半纤维素的含量，可为玉米非淀粉组分高附加值利用提供理论依据。

方彦等[28]采用偏最小二乘回归法，对近红外光谱法测定玉米完整子粒粗淀粉含量的可行性进行研究。

结果表明，定标集和检验集的预测值与化学测定值间均达极显著正相关，所建立的校正模型具有较高的预测精度。

2.2生长信息监测
2.2.1叶面积指数叶面积指数（LAI）是植被冠层结构的重要参数，与植被的生理过程，如光合、呼吸、蒸腾、碳循环和降水截获等密切相关，可为植物冠层表面最初能量交换描述提供结构化定量信息[29]。

Wiegand等[30]首次将光谱观测与LAI联系起来。

因LAI难以直接通过遥感信息反演，而高光谱遥感应用与发展为此提供了可能。

Mutanga 等[31]研究表明，在可见光波段（400～700nm），植被的反射光谱主要由叶绿素和其他色素的吸收决定，而叶绿素的积累量与LAI一般呈线性正相关[32]，光谱反射率与LAI呈负相关；在红外及近红外波段（700～1000nm），植被的反射光谱主要受叶片细胞排列方式和植被结构的影响[33]，对光谱产生强烈反射，这段光谱的反射率与LAI呈正相关。

因此，基于光谱反射率与LAI的关系，在敏感波段可选出一些特定的波段组合形成多种植被指数反演LAI。

Miller[34]应用RVI、垂直植被指数（PVI）等反演LAI，为利用高光谱数据反演植被LAI奠定了基础。

张俊华等[35]研究表明，常见光谱植被指数从拔节期到孕穗期绝大部分都可以准确反映不同品种夏玉米的农学参量，以GRVI最佳，它不仅可以区分不同品种夏玉米在中后期的长势，还可以准确拟合这段时期作物的农学参量。

李凤秀等[36]研究显示，采样波段间隔越窄，反演精度越高，采用高光谱数据构建的PVI对玉米LAI的估算可以取得较高的精度。

2.2.2生物量生物量是生态系统研究中最重要的生物
25
物理参数之一，也是植被长势遥感监测研究中最常见的指标之一。

由于作物叶面积与地上部生物量密切相关，因此估算作物地上鲜生物量主要通过与作物LAI之间的关系实现，用于监测作物LAI的方法一般也适用于生物量的光谱监测。

宋开山等[37]建立了玉米地上鲜生物量高光谱遥感估算模型，并对模型的估算结果进行了初步分析，分析结果表明，绿光波段反射峰区、红光波段以及红边区的单波段反射率与作物的地上鲜生物量相关性较大，而其他波段与作物的鲜生物量相关性相对较差；多波段逐步回归方式构造的统计遥感模型预测效果相对理想，而通过神经网络方式建立的遥感估算模型结果最为理想，能够准确预测玉米的地上鲜生物量。

2.3光合有效辐射监测
杨飞等[38]研究表明，玉米光合有效辐射分量（FPAR）与整个可见光波段反射率相关性均相对较好，明显好于近红外波段；FPAR与一阶导数的相关关系曲线波动较反射率大，仅520、570、670、805、950和1010nm波长处的一阶导数与FPAR相关性较好。

FPAR与典型单波段反射率和一阶导数具有较好拟合关系。

总的来说，一阶导数法和植被指数法估算FPAR效果较反射率法好些，其中一阶导数的多波段逐步回归分析取得最优的估算效果。

除红、绿和常用的近红外波段外，375nm附近紫色波段和950 nm附近的近红外波段用于估算FPAR也可以得到较理想的结果，特别是水分强吸收的波段具有较好的提高FPAR 估算精度的潜力。

2.4生产应用
2.4.1种植面积、产量预测利用光谱技术对地表植被进行分类，可以有效地进行作物种植面积测算和生产调控。

郭伟等[39]研究表明，利用基于决策树分层分类的玉米种植面积遥感估算模型，并将空间化的农业普查数据作为参考值，以乡镇为基本评价单元对玉米种植面积遥感测量结果进行精度评价，可以有效提高玉米识别精度，满足作物种植面积估算大范围、多时相的需求，有助于解决作物种植面积遥感估算业务运行时空分辨率的矛盾。

Weber 等[40]研究发现，与生理过程相关的495~680nm波段、红边位置（680~780nm）、水分相关波段（900、970、1450nm，1150~1260nm，1520~1540nm）以及988~999nm，1430~ 1640nm等波段可以用来预测籽粒产量。

2.4.2品种、纯度鉴定近年来利用近红外光谱进行农作物品种判别成为农产品检测的一个新兴方向。

王徽蓉等[3]结合遗传算法与线性鉴别分析（LDA）提出了一种玉米品种的快速鉴别方法。

该方法具有较高的平均正确识别率与平均正确拒识率，与常用的方法相比，运算时间更短、正确率更高。

黄艳艳等[41]结合近红外光谱分析技术与定性偏最小二乘法，对农大108玉米杂交种的纯度进行了鉴别研究，结果表明所建模型可以有效地进行玉米杂交种的种子纯度鉴定。

郭婷婷等[42]提出一种基于近红外光谱的新的实用化商品玉米品种判别系统，测试结果表明，系统对参与建模的品种有较强的判别能力，同时对于未参与建模的品种也有较强的拒识能力。

芮玉奎等[43]以转基因玉米及其亲本为试验材料，借助于近红外光谱仪对转基因玉米及其亲本进行了识别分析，结果显示通过扫描光谱及数学和计算机软件分析，可以非常准确、方便地识别转基因农产品。

2.4.3杂草监测田间杂草与作物一般为竞争关系，在一定程度上与作物争肥、水、生存空间，对作物的生长有一定的影响。

谭昌伟等[44]通过对两个年份不同生育阶段的田间夏玉米活体进行冠层反射光谱测定，结果表明，随杂草量的增多，反射率值逐渐增大。

邓巍等[45]采用支持向量机（SVM）模式识别方法，建立了玉米、马唐和稗草的一对一多分类SVM模型，正确识别率达80%。

2.4.4病虫害监测张永强等[46]研究表明，各生育期食叶级别和对应生育期内的冠层光谱反射率值呈显著负相关，且各个级别之间方差分析差异显著；各波段冠层光谱反射率值和每株虫孔数量的相关性分析得到相关性曲线，750~900nm相关系数较高，可作为监测的敏感波段；乳熟期光谱数据、平均每株虫孔数量和产量及产量损失率之间均可建立极显著回归方程。

2.4.5品质监测作物品质是作物占领市场的基本保障，随着近红外光谱仪的使用，作物品质快速监测有了长足地发展。

穆怀彬等[47]采用DA-7200型近红外光谱仪的近红外漫反射光谱技术建立了玉米青贮饲料发酵产物及总分定量分析模型，结果表明，利用近红外光谱法可以定量测定玉米青贮饲料的有机酸氨态氮总分并分析其品质的优劣。

薛丰等[48]应用近红外漫反射光谱分析技术（NIDRS），采用偏最小二乘法（PLS），建立了蒸汽压片玉米4个常规成分的近红外定量预测校正模型，结果表明所建立的模型可以用来准确、快速地预测蒸汽压片玉米的粗蛋白（CP）、中性洗涤纤维（NDF）和粗脂肪（EE）的含量。

邰书静等[49]应用近红外光谱（NIRS）技术和PLS，采用一阶导数+中心化+多元散射校正的光谱数据预处理方法，构建了玉米秸秆体外干物质消化率（IVDMD）、酸性洗涤纤维（ADF）、中性洗涤纤维（NDF）和可溶性糖（WSC）含量的NIRS分析模型，结果表明，各参数的NIRS 分析模型可用于玉米秸秆饲用品质的分析和品种选育的快速鉴定。

3结语
随着光谱技术及分析方法的改进和完善，光谱技术在玉米生长状况及营养状况的快速无损监测、品质分级、品种筛选、病虫草害、产量预测等方面将会得到更广的应用。

广东是我国最重要的甜玉米生产基地，也是甜玉米消费的主要供应区，甜玉米的生长过程光谱无损监测等还相对比较落后。

光谱技术在广东的研究起步较晚，在今后需要加强相关技术的引进和研究。

光谱技术的广泛应用对广州甜玉米优质高效生产将具有重要的战略意义。

参考文献：
[1]唐延林,王人潮.遥感技术在精准农业中的应用[J].现代化农业,
2002(2):33-35.
[2]贾仕强,郭婷婷,唐兴田,等.应用近红外光谱进行玉米单籽粒品
种真实性鉴定的光谱测量方法研究[J].光谱学与光谱分析,
26
2012,32(1):103-107.
[3]王徽蓉,李卫军,刘扬阳,等.基于遗传算法与线性鉴别的近红外
光谱玉米品种鉴别研究[J].光谱学与光谱分析,2011,31(3):669-672.
[4]张宏名.农田作物光谱特征及其应用[J].光谱学与光谱分析,l994,14
(5):25-30.
[5]薛利红,曹卫星,罗卫红,等.基于冠层反射光谱的水稻群体叶片
氮素状况监测[J].中国农业科学,2003,36(7):807-812.
[6]申广荣,王人潮.植被高光谱遥感的应用研究综述[J].上海交通大
学学报(农业科学版),2001,19(4):315-321.
[7]李树强,李民赞,李修华,等.玉米冠层叶片光谱反射率与玉米长
势空间变异的关系[J].农业工程学报,2011,27(12):110-114. [8]唐延林,黄敬峰,王秀珍,等.玉米叶片高光谱特征及与叶绿素、类
胡萝卜素相关性的研究[J].玉米科学,2008,16(2):71-76.
[9]张俊华,张佳宝.夏玉米光谱特征对其不同色素含量的响应差异
[J].西北农业学报,2010,19(4):70-76.
[10]孙红,李民赞,张彦娥,等.玉米生长期叶片叶绿素含量检测研究
[J].光谱学与光谱分析,2010,30(9):2488-2492.
[11]张学治,郑国清,戴廷波,等.基于冠层反射光谱的夏玉米叶片色
素含量估算模型研究[J].玉米科学,2010,18(6):55-60.
[12]王磊,白由路,卢艳丽,等.基于光谱分析的玉米氮素营养诊断[J].
植物营养与肥料学报,2011,17(2):333-340.
[13]Thomas J R,Gausman H W.Leaf reflectance vs.1eaf chlorophyll
and corticoid concentration for eight crops[J].Agronomy J, 1977,69:799-802.
[14]Blackmer T M,Sehepem J S,Varvel G E.Light reflectance
compared with other nitrogen stress measurements in corn leaves[J].Agronomy J.,1994,86:934-938.
[15]MeMurtrey J E,Chappelle E W,Kim M S,et al.
Distinguishing nitrogen fertilization levels in field earl with actively induced fluorescence and passive Reflectance measurements[J].Remote Sens Environ,1994,47:36-44.
[16]Hong S,Rim S,Lee J,et al.Remote sensing for estimating
chlorophyll amount in rice canopies[A].Int.Proc Geoseience and Remote Sensing Symposium[C].Singapore,1997.
[17]李云梅,倪绍祥,黄敬峰.高光谱数据探讨水稻叶片叶绿素含量对
叶片及冠层光谱反射特性的影响[J].遥感技术与应用,2003,18(1): 1-4.
[18]Houborg R,Boegh E.Mapping leaf chlorophyll and leaf area
index using inverse and forward canopy reflectance modeling and SPOT reflectance data[J].Remote Sens Environ,2008,112(1): 186-202.
[19]周丽丽,冯汉宇,阎忠敏,等.玉米叶片氮含量的高光谱估算及其
品种差异[J].农业工程学报,2010,26(8):195-199.
[20]王磊,白由路,杨俐苹,等.春玉米磷素营养的光谱响应及诊断[J].
植物营养与肥料学报,2007,13(5):802-808.
[21]张俊华,张佳宝,钦绳武,等.不同施肥长期定位试验地夏玉米冠
层光谱特征研究[J].植物营养与肥料学报,2010,16(4):874-879. [22]王娟,郑国清.夏玉米冠层反射光谱与植株水分状况的关系[J].玉
米科学,2010,18(5):86-89,95.
[23]周顺利,谢瑞芝,蒋海荣,等.用反射率、透射率和吸收率分析玉米
叶片水分含量时的峰值波长选择[J].农业工程学报,2006,22(5): 28-31.
[24]易秋香,黄敬峰,王秀珍,等.玉米粗纤维含量高光谱估算模型研
究[J].红外与毫米波学报,2007,26(5):393-395,400.
[25]易秋香,黄敬峰,王秀珍,等.玉米粗脂肪含量高光谱估算模型初
探[J].作物学报,2007,33(1):171-174.[26]石云鹭,赵明,李连禄,等.农牧交错区青贮玉米粗蛋白含量分析
及高光谱反演[J].玉米科学,2005,13(1):64-68.
[27]潘安龙,王晶,李典格,等.利用近红外光谱测定玉米非淀粉组分
中纤维素及半纤维素含量[J].农业工程学报,2011,27(7):349-352.
[28]方彦,近红外光谱法非破坏性测定玉米子粒粗淀粉含量的研究
[J].作物杂志,2011,141(2):25-27.
[29]浦瑞良,宫鹏.高光谱遥感及其应用[M].北京:高等教育出版社,
2000.
[30]Wiegand C L,Richardson A J.Leaf area,light interception,and
yield estimates from spectral components analysis[J].Agron J, 1984,76(4):543-548.
[31]Mutanga O,Skidmore A K,Wieren S.Discrimination tropical grass
(Cenchrus ciliaris)canopies grown under different nitrogen treatment using spectroradiometry[J].Isprs J Photogramm,2003,57: 263-272.
[32]Thenkabail P S,Smith B B,Pauw E.Hyper-spectral vegetation
indices and their relationships with agricultural crop characteristics[J].Remote Sens Environ,2000,71:158-182. [33]Jago R A,Mark E J C,Curran P J.Estimation canopy chlorophyll
concentration from field and airborne spectra[J].Remote Sens Environ,1999,68:217-224.
[34]Miller J R.Quantitative Characterization of the Vegetation Red
Edge Reflectance.An Inverted Gauss Ian Reflectance Mode1[J].
Int J Remote Sens,1990(11):1775-1795.
[35]张俊华,张佳宝,贾科利,等.不同品种夏玉米光谱特征差异及其
与农学参量相关性研究[J].土壤通报,2010,41(2):287-293. [36]李凤秀,张柏,宋开山,等.基于垂直植被指数的东北黑土区玉米
LAI反演模型研究[J].干旱地区农业研究,2008,26(3):33-38,54. [37]宋开山,张柏,于磊,等.高光谱遥感估算模型研究[J].农业系统科
学与综合研究,2005,21(1):65-67.
[38]杨飞,张柏,宋开山,等.玉米光合有效辐射分量高光谱估算的初
步研究[J].中国农业科学,2008,47(7):1947-1954.
[39]郭伟,赵春江,顾晓鹤,等.乡镇尺度的玉米种植面积遥感监测[J].
农业工程学报,2011,27(9):69-74.
[40]Weber V S,Araus J L,Cairns J E,et al.Prediction of grain
yield using reflectance spectra of canopy and leaves in maize plants grown under different water regimes[J].Field Crop Res, 2012,128:82-90.
[41]黄艳艳,朱丽伟,李军会,等.应用近红外光谱技术快速鉴别玉米
杂交种纯度的研究[J].光谱学与光谱分析,2011,31(3):661-664. [42]郭婷婷,王守觉,王红武,等.实用化商品玉米籽粒的近红外光谱
品种判别方法研究[J].光谱学与光谱分析,2010,30(9):2372-2376.
[43]芮玉奎,罗云波,黄昆仑,等.近红外光谱在转基因玉米检测识别
中的应用[J].光谱学与光谱分析,2005,25(10):47-49.
[44]谭昌伟,郭文善,朱新开,等.不同条件下夏玉米冠层反射光谱响
应特性的研究[J].农业工程学报,2008,24(9):131-135,313. [45]邓巍,张录达,何雄奎,等.基于支持向量机的玉米苗期田间杂草
光谱识别[J].光谱学与光谱分析,2009,29(7):1906-1910.
[46]张永强,文丽萍,石洁,等.亚洲玉米螟为害后玉米冠层光谱变化
和产量损失研究[J].植物保护,2007,33(5):54-57.
[47]穆怀彬,侯向阳.用近红外光谱法快速分析玉米青贮饲料青贮发
酵品质[J].红外,2011,32(10):35-39.
[48]薛丰,王利,孟庆翔,等.近红外漫反射光谱技术快速预测蒸汽压
片玉米常规成分含量的研究[J].光谱学与光谱分析,2011,31(1): 62-64.
[49]邰书静,张仁和,史俊通,等.近红外光谱法测定玉米秸秆饲用品
质[J].农业工程学报,2009,25(12):151-155.
27。