作物的健康状况取决于叶片营养状况。更准确地说，叶片氮(N)水平是一个重要指标，它为植物的健康分类提供了许多有价值的信息。然而，现存的非侵入性技术成本高昂。本研究旨在开发一种非侵入性、快速预测叶片中氮含量的低成本多光谱传感器系统。

用于估计叶片氮含量的破坏性和非破坏性方法

每株油菜籽随机抽取4个施氮浓度

该系统包括两个基于反射率的多光谱传感器(可见光和近红外(NIR))，可以捕获12个不同波长(每个传感器6个)的反射率数据。分别在可控的温室环境和田间条件下对油菜叶片进行了试验。在温室试验中，采集了不同施氮水平下24株油菜植株的87个叶片的光谱数据。在田间试验中，对42个油菜品种进行了低氮和高氮处理。采用k近邻(KNN)算法对反射率数据进行建模。结果发现，经训练的模型在温室试验和田间试验中的平均精度分别为88.4%和79.2%。综上所述，该系统在确定叶片氮素状态方面是可行的。

在可见光范围内进行四种氮肥处理的叶片的平均反射率与波长的关系

在近红外范围内进行四种氮肥处理的叶片的平均反射率与波长的关系

来源：

Habibullah M, Mohebian M R, et al. Low-Cost Multispectral Sensor Array for Determining Leaf Nitrogen Status. Nitrogen 2020, 1(1), 67-80; https://doi.org/10.3390/nitrogen1010007.