基于红边位置的马铃薯植株氮浓度估测方法研究

2019-04-01杨海波黄绍福张加康黄伟杰

植物营养与肥料学报 2019年2期

高兴，李斐*，杨海波，黄绍福，张加康，苗杰，黄伟杰

（1 内蒙古农业大学草原与资源环境学院，内蒙古呼和浩特 010011；2 内蒙古自治区土壤质量与养分资源重点实验室，内蒙古呼和浩特 010011）

马铃薯是仅次于水稻、小麦、玉米的第四大粮食作物[1]。根据FAO数据统计显示，2016年中国马铃薯总产量居世界第一，是第一大马铃薯生产国，然而我国马铃薯单产仅为世界平均水平的87%[2]，马铃薯单产仍有很大的提升空间。及时掌握马铃薯植株的氮素营养及其生长状况是提高马铃薯单产和有效实施水肥管理的重要途径。传统的基于实验室的湿化学分析监测方法不仅具有破坏性，而且耗时费力[3]，无法在水肥一体化大面积种植的马铃薯田进行推广。近些年高光谱遥感技术的发展，为快速、无损的监测作物氮素营养及其生长状况提供了新的选择。

高光谱遥感监测主要是通过作物冠层反射率信息提取较为敏感的波段，构建光谱指数来对作物叶片氮素、叶绿素含量、叶面积指数、生物量等理化参数进行反演，如：植被归一化指数(NDVI)、比值指数 (RVI)、简单比值色素指数 (SRPI)、红边参数等光谱指数，然而大多数光谱指数在作物高生物量条件下容易发生饱和现象，失去灵敏性[4]。红边参数是描述植被红光波段反射特征的光谱指数，红边是绿色植被反射光谱中较为明显的光谱特征，是由于叶绿素对于红光波段的强吸收和近红外波段在叶片内部发生的强反射引起的反射光谱急剧变化的区域，该区域包含很多重要的信息[5]，常用的红边参数包括红边位置、红边幅值、红边面积、近红外平台等。其中红边位置被认为是与作物氮素营养关系较为密切的红边参数，常用于对作物叶绿素或氮素的含量进行监测，是红边波段反射率一阶导数的最大值处的波长。已有大量研究表明，红边位置与植被的农学参数存在着良好的相关关系[6-11]，其精确计算十分重要。为准确提取红边位置国内外学者提出了多种红边位置提取方法，目前常用的方法主要有最大一阶导数法[12]、线性四点内插法[13]、线性外推法[14]、倒高斯拟合法[15]、多项式拟合法[16]和拉格朗日内插法[17]。前人对这些方法进行了比对研究，发现不同方法间存在一定差异，如最大一阶导数法对于传感器的波段位置和宽度较为依赖，容易受双峰现象干扰而无法得到连续的红边位置[17]；线性四点内插法和倒高斯拟合法在确定红边位置时可能存在着较大的误差[14,16]；线性外推法可以有效的解决因双峰现象而导致的红边位置的不连续性[18]。而且近些年国内大量研究还发现作物种类、品种、生育时期对于红边位置也会有较大的影响，如水稻、玉米、棉花三种作物的红边位置均有所差别，分别位于717、725、707 nm左右[19]；小麦不同品种间平均红边位置差距可达到30 nm[20-21]；玉米高产品种和非高产品种的红边位置对于不同生育时期的响应也有较大差别[22]。

马铃薯叶片形态属于羽状复叶，与玉米、小麦等作物的冠层结构有很多不同之处，且在块茎形成期会有较多的花分布在植株冠层，这可能对不同波段的光谱吸收及反射也会有一定影响。不同于其他作物，马铃薯的花期持续时间较长，这段时期除了一些光谱参数极易饱和失去灵敏性外，究竟哪种方法更适用于马铃薯冠层光谱红边位置的抽取，不同生育时期红边位置有何区别，其红边位置是否能对马铃薯地上部氮浓度进行准确预测，花的颜色是否会影响到光谱反射进而影响光谱参数与作物氮营养指标的关系。本试验以滴灌马铃薯为研究对象，比较六种红边位置计算方法之间的区别，挑选出与马铃薯地上部氮浓度较好的方法进行建模并验证，为实时、准确、快速地掌握马铃薯冠层氮素营养状况提供依据。

1 材料与方法

1.1 试验设计

本研究于2014—2016年共进行了3个马铃薯田间试验，涉及不同品种类型和施氮水平，试验设计如下：

2014年的马铃薯田间试验在武川县大豆铺村进行，试验共设5个氮处理，每个处理4次重复共20个小区，单个小区面积为100 m2，所有小区随机排列，供试品种为克新一号，土壤有机质17.4 g/kg、全氮1.2 g/kg、速效磷10.5 mg/kg、速效钾80 mg/kg、土壤pH 8.0。

2015年的马铃薯田间试验在武川县东土城村进行。试验设12个氮处理，每个处理4次重复，共48个小区，单个小区面积为50 m2，所有小区随机排列，供试品种为‘夏波蒂’，土壤有机质13.8 g/kg、全氮1.90 g/kg、速效磷12.3 mg/kg、速效钾80.0 mg/kg、pH 8.6。

2016年的马铃薯田间试验在四子王旗麻黄洼村进行，试验共设5个氮处理，每个处理4次重复共20个小区，单个小区面积为100 m2，所有小区随机排列，供试品种为‘荷兰14号’，土壤有机质25.2 g/kg、速效磷16.0 mg/kg、速效钾122.2 mg/kg。

1.2 测定项目与方法

1.2.1 农学参数在马铃薯苗期、块茎形成期、块茎膨大期、淀粉积累期和收获期在小区中选有代表性的植株，进行1米的连续样段采集，以方便测定(块茎形成期后要相应采集地下块茎) ；所取植株地上部分及地下块茎在105℃恒温下杀青20 min，然后在70℃恒温下烘干 (4～8 h) 至恒重，粉碎装入已经编号的自封袋中，分别测定其全氮、全磷、全钾含量。

1.2.2 光谱参数光谱数据的测量与植物样的采集同时进行，马铃薯冠层光谱反射率的测定采用德国生产的高光谱仪 (tec5, Oberursel)，光谱范围为300～1150 nm，波段宽度为2 nm。光谱测定选择在天气晴朗、无风或微风条件下进行，测定时间为上午10:00至下午14:00，光谱仪测量时探头垂直向下，测量时传感器与马铃薯冠层之间的距离要保持到50 cm左右。每个小区采集两个光谱数据，以其平均值作为该小区的光谱反射率值，测量过程中及时进行标准白板校正。

1.3 红边位置的计算方法

1)最大一阶导数法[12](记为REP-FD)

一阶导数由一阶微分方程计算得出：

其中，红边波段一阶导数最大值所对应的波长，即红边位置 (REP-FD) 。

2)线性四点内插法[13](记为REP-FPI)

该方法假设红边区域近似直线，红边位置的波长根据670 nm、700 nm、740 nm和780 nm 4个点内插得到，拐点处反射率通过670 nm和780 nm反射率来估计，700 nm和740 nm处应用线性插值来估计拐点波长。

计算拐点处反射率 (Rre)：Rre= (R670+ R780)/2

计算红边位置 (REP-FPI)：REP-FPI=700 + 40(Rre-R700/R740-R700)

3)倒高斯拟合法[14](记为REP-IG)

红边反射率的光谱形状可以近似为倒高斯函数的一半，利用倒高斯模型拟合红边反射率，采用非线性方程组的迭代解法来计算红边：

式中：Rs为近红外区光谱反射率最大值；R0和λ0为红光区光谱反射率最小值和相应的波长；σ为高斯模型标准差系数；其中λi、σ由最佳迭代法计算得出。

4)多项式拟合法[15](记为REP-POLY)

该方法采用五次多项式函数对红边反射率进行拟合：

二阶导数方程为0时接近720 nm的解即为红边位置。

5)拉格朗日内插法[16](记为REP-LAGR)

利用一阶导数最大值所对应波长的相邻波段进行内插：

[82]《布尔加宁、赫鲁晓夫关于访问印度、缅甸和阿富汗的报告》，北京：人民出版社，1956年，第20页。

式中：Dλ(i)是一阶导数光谱的最大值；λi是最大一阶导数所对应的波长；λi+1和λi-1是相邻上下的两个波段。

6)线性外推法[17](记为REP-LEM)

该方法利用分别通过红边区域一阶导数反射光谱的远红外区 (6 8 0～7 2 0 n m) 和近红外区(722～750nm) 的直线，这两条直线的交点处所对应的波长即为红边位置。

式中：C1、m1、C2、m2分别代表由一阶导数光谱计算出的远红外线和近红外线的截距和斜率。线性外推法仅需四个波段来计算红边位置，四个波段通过使用远红外与近红外区域的不同波段组合后挑选与马铃薯地上部氮浓度相关性最好的波段组合。

1.4 数据分析

使用Excel和MATLAB软件进行红边位置的计算，使用SigmaPlot 12.5和MATLAB软件作图。在进行建模预测时随机选取65%大田数据进行模型的建立，剩余35%的数据进行模型的验证，并对预测结果求取均方根误差 (RMSE)和相对误差 (RE%)。

2 结果与分析

2.1 马铃薯植株氮浓度及冠层反射率变化特征

表1为马铃薯植株地上部氮浓度的描述性统计，不同年份之间地上部氮浓度变异系数差距较大，说明年份、品种、氮肥用量以及生育时期对马铃薯地上部分氮浓度有重要的影响。对马铃薯植株冠层反射光谱特征 (图1) 进行分析，马铃薯冠层光谱反射曲线 (图1-a) 与绿色植物在可见光范围内的光谱反射曲线基本相同。图1-a为不同年份马铃薯冠层反射光谱，不同年份间绿光和近红外反射光谱有较大差距。图1-b与1-d均为马铃薯一阶导数反射光谱曲线，其中图1-b是各年份平均反射光谱，并无明显双峰现象，图1-d为不同生育时期一阶导数反射光谱曲线，可以看出在生育后期出现较为明显的双峰现象，这可能会对使用导数光谱计算红边位置的方法的结果产生一定影响。马铃薯冠层反射率随生育时期的推进而变化 (图1-c)，苗期植株茎叶等器官尚未发育完全生物量低，所以在苗期反射率较低。块茎形成期植株地上部迅速生长且地下茎的顶端开始膨大形成块茎，同时伴随着开花的现象，反射率相比于苗期有显著提升，达到最大，马铃薯的花在冠层分布较多，多为白色或紫色，可能会对该时期的红边位置产生一定影响 (图1-d) 。块茎膨大期茎叶重和叶面积达到最高峰，是植株地上部生长发育的全盛时期，近红外反射率较大。淀粉积累期植株茎叶开始逐渐衰老变黄，反射率急速下降。

表1 马铃薯植株地上部氮浓度描述性统计Table 1 Canopy hyperspectral reflectance and the first derivative spectra of potato in different years and growth stages

图1 不同年份不同生育时期马铃薯冠层光谱反射率和一阶导数光谱Fig. 1 Canopy hyperspectral reflectance and the first derivative spectra of potato in different years and growth stages

2.2 红边位置的统计参数描述

从红边位置随氮浓度的变化趋势 (图2)可以看出，最大一阶导数法和拉格朗日内插法红边位置无连续性，说明这两种方法不适用于马铃薯氮素含量的估测。线性四点内插法所得红边位置分布情况较差，对中等和高氮浓度的红边位置计算出现了一定的偏差。线性外推法所得红边位置的分布情况最好，对于氮浓度的变化最为敏感。线性外推法、倒高斯拟合法、多项式拟合法在高氮浓度情况下均出现了一定程度的饱和现象，但由于线性外推法所得红边位置变幅较大，所以对高氮浓度的饱和现象也有一定的缓解作用。

2.3 红边位置与植株地上部植株氮浓度的相关关系

从表3可以看出，所有方法在苗期和块茎形成期时的相关系数均较低，块茎膨大期和淀粉积累期有着明显的增大，14年苗期六种方法所得红边位置与氮浓度均为负相关。这是因为苗期植株尚处于生长阶段，植株较为矮小，在光谱扫描时会引入较多噪声光谱，如地面土壤的反射光谱的影响，而块茎形成期伴随有开花的现象，花在冠层分布较多，花色素对光谱的反射也会有一定影响，进而使该时期的红边位置偏大。从图3也可以明显的看出，苗期与块茎形成期的相关性较低。氮浓度与红边位置的相关性在后两个生育时期中均达到显著水平，块茎膨大期决定系数整体要高于淀粉积累期。

表2 基于不同算法所得红边位置的描述性统计Table 2 Descriptive statistics of red edge position calculated by different algorithms

总体来看所有方法中线性外推法最为稳定，在各年间相关系数均处于较高水平。最大一阶导数法与拉格朗日内插法所得红边位置与氮浓度的相关性除在14年中较高以外，在其他年份中与氮浓度几乎无相关性。倒高斯拟合法和多项式拟合法表现中规中矩。线性四点内插法所得红边位置仅在块茎膨大期与氮浓度有较高的相关性。

为了进一步了解生育时期对红边位置预测能力的影响，表4列出了不同生育时期组合红边位置与植株氮浓度的相关性。表中分别对去除苗期与去除苗期和块茎形成期 (即块茎形成期—淀粉积累期，块茎膨大期—淀粉积累期)进行了讨论，可以看出相对于全生育时期去除苗期后相关性有明显的上升。但通过比较后仍无法确定红边位置是否能对块茎形成期的马铃薯氮浓度进行监测，与单独去除苗期相比，2014年和2015年的相关系数有一定提高，但2016年与三年综合数据相比又出现了一定程度的下降。图4为全生育时期、块茎形成期—淀粉积累期和块茎膨大期—淀粉积累期的不同波段决定系数等高线图，同样可以看出去除苗期后红边位置与氮浓度的相关性明显增大，虽然块茎形成期红边位置与氮浓度相关性较低，但在与块茎膨大期和淀粉积累期集合后对于相关性并无明显影响，说明红边位置可以对块茎形成期—淀粉积累期的氮浓度进行监测。

图2 不同算法红边位置随氮浓度变化趋势Fig. 2 Variation of red edge position obtained by different algorithms in different plant nitrogen concentration

表3 不同生育时期红边位置与氮浓度相关性Table 3 Correlation between red edge position and aboveground plant nitrogen concentration in different growth stages

图3 苗期—淀粉积累期中线性外推法不同组合波段与氮浓度的决定系数Fig. 3 Contour plots showing the coefficient of determination between plant N concentration and red edge positions calculated by the linear extrapolation method from seedling to starch accumulation stage

图4 不同组合的生育时期中线性外推法组合波段与氮浓度的决定系数Fig. 4 Contour plots showing the coefficient of determination between plant N concentration and red edge positions calculated by the linear extrapolation method in combination of different growth stages

2.4 模型的测试与检验

通过上述结果的对比最终决定选取2014—2016年中块茎形成期—淀粉积累期中的数据对除最大一阶导数和拉格朗日内插法以外的四种方法进行模型的建立与检验，分别选取了线性方程，对数方程，指数方程，幂函数等四种回归模型。表5结果显示四种模型均较为合适。四种红边位置计算方法中线性四点内插法决定系数最低，证明该方法无法对马铃薯地上部氮浓度进行精确预测。图5为线性外推法、倒高斯拟合法和多项式拟合法的最佳回归模型。线性外推法决定系数最高，在三种回归方程 (线性方程、对数方程、幂函数)中R2均达到0.5以上，倒高斯拟合法与多项式拟合法之间无明显差别，但倒高斯拟合法所得红边位置变幅较小，因此多项式拟合法较倒高斯拟合法要好一些。

图6为线性外推法、倒高斯拟合法和多项式拟合法中决定系数较高的回归模型所做预测值和观测值1∶1关系图。其中通过由线性外推法所得红边位置对马铃薯地上部氮浓度进行反演得出的预测值与实测值拟合方程的斜率最接近1，决定系数最高(R2=0.44)，均方根误差 (RMSE)与相对误差 (RE) 也最小，说明线性外推法所得红边位置对马铃薯地上部氮浓度的预测能力较强，预测值与真实值间误差也较小。倒高斯拟合法所得红边位置对马铃薯地上部氮浓度的预测能力比多项式拟合法高，决定系数可达到0.31。

表5 预测模型的验证与评价Table 5 Validation and evaluation of established model (n = 264)

3 讨论

3.1 红边位置计算方法的综合比较

由于马铃薯冠层光谱一阶导数存在明显的双峰现象，使得最大一阶导数法和拉格朗日内插法所得红边位置均无连续性，尤其在高生物量条件下无法对氮素浓度进行准确预测，与前人在玉米上的研究结果一致[15]。该方法适用于一阶导数光谱无双峰现象的作物。本研究中多项式拟合法所得红边位置变幅较大，仅低于线性外推法变幅，对氮浓度变化敏感，与马铃薯地上部氮浓度相关性也较好。Pu等[23]认为通过多项式拟合的反射率曲线与红边区域的实际光谱特性较为接近，并且还可以通过高阶多项式拟合法对多模态反射光谱的一阶导数光谱进行处理。但由于计算过程较为复杂，波段和多项式系数的选择对于结果也有较大的影响，应谨慎选择。

线性四点内插法计算简单，仅需4个波段即可完成红边位置的计算。在本研究中该方法对中、高氮浓度处的红边位置有一定的低估，而Dawson等[17]的研究发现线性四点内插法所得红边位置比倒高斯拟合法和拉格朗日内插法高大约10 nm。这可能是因为计算红边位置的四个固定波段对于马铃薯的冠层反射光谱不太适用。倒高斯拟合法利用函数曲线对光谱反射率曲线进行拟合，通过四个简单的参数来描述红边的特征，计算过程较为复杂。本试验中倒高斯拟合法所得红边位置与氮浓度相关性仅次于线性外推法，预测结果精度也较高。缺点是计算过程比较复杂，简单的四参数模型仅能反映单峰一阶导数光谱，使用时应注意作物红边光谱曲线是否能与IG模型曲线相吻合[14]，因此该方法的应用受到一定限制。

线性外推法基于作物一阶导数光谱，通过远红外和近红外区域的两条直线外推得到红边位置，能够十分有效的缓解一阶导数曲线双峰现象对于红边位置的确定所带来的影响，而且对于高氮浓度时产生的饱和现象有着一定的缓解作用，红边位置变幅大，模型精度高，并且能够适应于带宽较宽的光谱数据[14]，应用范围十分广泛。但是本研究中该方法对于红边位置有着明显的高估，这可能与马铃薯植株冠层结构有关，马铃薯冠层叶片分布较为紧密，有着明显的叶片重叠现象，Miller等[14]认为当叶片发生重叠时反射率相较于单叶情况时光谱反射率会有着明显的提升。需要注意的是计算红边位置的波段应根据作物的改变而进行优化[15]，挑选与氮浓度相关性最佳的波段组合。表6列出了各生育时期线性外推法最佳优化波段，可以看出不同生育时期优化波段组合不尽相同。各年份中大多数的λ1波段位于720 nm附近，λ2波段分布较为散乱，较多位于748 nm附近，不同生育时期间波段变化并无明显规律，但将数据总和后发现λ1波段出现了蓝移，大多为680 nm左右，λ2波段与之前各年份中无蓝移或红移现象。本研究认为优化波段的组合会因作物的不同和光谱反射率的变化而改变，Cho等[14]也认为应根据作物的改变去寻找更为适合的组合波段。本研究还发现波段范围的选择也同样会对红边位置产生一定的影响，原方法中选用波段范围是680～760 nm，本研究认为680～750 nm的波段范围对于马铃薯冠层光谱更为适合，说明线性外推法在应用时需根据反射光谱的实际情况挑选合适的波段范围。综上所述，线性外推法虽然与氮浓度相关性较好，但计算过程也比较复杂。

图5 红边位置和马铃薯地上氮浓度的回归模型散点图Fig. 5 Plots for regression model between red edge position and plant nitrogen concentration

3.2 马铃薯可监测生育时期的选择

马铃薯不同生育时期红边位置与地上部氮浓度的相关性有较大差别，总体来看块茎膨大期和淀粉积累期的红边位置与氮浓度相关性较高，苗期与块茎形成期则较差。这是由于马铃薯苗期植株较为矮小，在进行冠层光谱扫描时会引入土壤等的噪声光谱，导致该时期红边位置可能会出现较大偏差。但苗期可以通过土壤和种子所提供的养分来维持幼苗的生长，因此马铃薯苗期氮素营养的实时诊断在农业生产中不是主要问题。

块茎形成期伴随有开花的现象，由于马铃薯所开白色的花在冠层分布较多会对冠层反射光谱信息的采集造成一定的误差，导致该时期红边位置出现偏差，降低了红边位置与氮浓度相关性。在块茎形成期植株的茎和叶迅速生长，并且地下茎顶端逐渐膨大开始形成块茎，该时期植株对于养分的需求较大，是马铃薯生长发育的重要时期，如果该时期植株出现氮素营养缺乏，会对马铃薯的产量造成很大的影响，所以该时期的氮素营养诊断尤为重要。图7分别是块茎形成期—淀粉积累期和块茎膨大期—淀粉积累期红边位置分布情况，从图中可以看出块茎形成期—淀粉积累期红边位置相比于块茎膨大期—淀粉积累期有轻微的饱和现象，虽然以单个时期的角度来看，块茎形成期氮浓度和红边位置相关性较差，但是进行生育时期的结合后整体的相关性无下降趋势并且还有一定程度的提升。因此本研究认为红边位置可以对块茎形成期—淀粉积累期的马铃薯地上部氮浓度进行诊断。

图6 验证数据集中作物冠层氮浓度实测值与预测值之间的关系Fig. 6 Relationship between the measured and predicted plant N concentration for the data from validation datasets

3.3 马铃薯与玉米、小麦、水稻等作物红边位置的比较

前人基于作物的叶片或冠层高光谱信息，对农作物的红边位置进行过较多的比对研究。迄今为止大多基于红边位置的研究报道均以小麦、水稻、玉米等主粮作物为研究对象，通过总结对比前人研究结果发现：水稻、小麦、玉米冠层一阶导数光谱均存在双峰现象，水稻红边位置在690～740 nm之间，在孕穗期达到红边位置最大[24-25]；小麦红边位置在680～740 nm范围内，红边位置在抽穗期后开始出现“蓝移”现象[20-21]；玉米红边位置位于700～740 nm，红边位置在开花期前后达到最大值[26-27]。三种作物中小麦与水稻冠层结构较为相似，玉米与这两种作物冠层结构有较大区别，但红边位置间无明显差异，小麦红边位置范围略大于其他两种作物，玉米红边位置范围最小，相对于小麦和水稻红边位置有略微的红移。从冠层结构方面来分析，小麦和水稻会有较低的红边位置是因为两者叶片均属披针形，较为细长，所以在生育前期会有较低反射率，但后期因种植密度较大，容易出现叶片重叠的现象，导致反射率会有所增高。本研究中马铃薯红边位置在710～748 nm范围内，比其他三种作物红边位置也有红移的现象，马铃薯冠层结构与小麦和水稻有相似之处，都会出现一定程度的叶片重叠的现象，马铃薯为羽状复叶，从块茎形成期开始叶面积逐渐增大、叶数增多，冠层越来越紧密，这会导致光谱反射率的增高，从而使红边位置发生红移。马铃薯的整个生育时期中块茎形成期至块茎膨大期红边位置达到最大值，说明作物在开花期前后生长发育速度最快，也说明了该时期氮素诊断尤为重要，因此从块茎形成期开始应该在光谱数据的采集中更为谨慎，要保证探头与植株冠层的距离维持在50 cm左右，避免因为所采集光谱反射率出现异常而导致预测能力的下降。

表6 线性外推法优化波段 (λ1、λ2)确定及其R2Table 6 Determination of optimized bands (λ1, λ2) in Linear Extrapolation method and the R2

图7 不同生育时期组合方法红边位置分布情况Fig. 7 Red edge position distribution of combination method at different growth stages

3.4 红边位置预测的应用及展望

本研究通过大田试验证明了红边位置可以对块茎形成期—淀粉积累期马铃薯植株氮浓度进行预测，线性外推法是最佳的红边位置计算方法。线性外推法利用红光波段光谱反射率的一阶导数进行计算，通过近红外和远红外波段中不同波段的组合进而得到与预测指标相关性最好的优化波段，提高预测能力。影响红边位置的因素有很多，如数据采集的准确性、植物的种类或品种、不同作物生育时期和波段的选择都会影响到其结果的准确性。保证光谱信息采集的准确性对于红边位置的准确计算有着重要的意义，在进行光谱数据的采集时应选择在晴朗无云、无风或风速较小的天气进行采集，传感器前端距离植株冠层的距离应该保持在50 cm左右。由于马铃薯属于羽状复叶，叶片会出现重叠现象从而引起反射率的提升，在块茎形成期和块茎膨大期冠层生长情况较好时更应注意光谱数据的采集，以防出现反射率异常的情况。红边位置能对块茎形成期—淀粉积累期的马铃薯地上部氮浓度作出较好的预测，在生育时期的选择上值得注意的是不同品种马铃薯花期冠层花的颜色和分布情况都会有所区别，在本试验中花期影响并不明显，但在本研究中仅对两个马铃薯品种进行了试验，而现今马铃薯品种十分繁多，尚无法断定本试验结论是否可以用于其他品种，应再进一步收集数据，对更多品种进行试验，确定不同品种马铃薯光谱特性的异同，以便该方法的大范围推广和应用的准确性。