摘要： 本研究采用高光谱特征和机器学习模型表征和分析3种水稻在不同钾肥施用水平下的差异。试验选取 “吉粳868”“吉粳710”和“吉粳8303”种粳稻籽粒作为试验样本，样本差别为相同条件下设置零钾(K1)、中 钾(K2)和高钾(K3)3种钾肥处理的产出籽粒，在实验室采集了样本350~2500m的反射高光谱数据，将预 处理后的数据利用随机森林(RF)模型计算求得光谱波段重要性分值，并筛选出各品种受钾浓度影响的关键波 段；将选中波段作为数据集采用RF模型分别对各品种受钾肥浓度影响的籽粒进行分类鉴别。结果表明，受钾肥 浓度影响的3组水稻籽粒光谱信息均有显著差异，主要体现在可见光蓝紫波段400加m和近红外波段1780~ 1850m区域的反射变化。分析发现，只需10个特征波段即可实现各品种的完全分类，模型数据特征维度降幅为 99.5%。RF模型对于同一品种的受不同浓度钾肥澎响的籽粒光谱信息分类准确率95%以上；其中“吉粳830” 在仅使用3个波段即实现了99%的分类准确率。使用高光谱技术结合机器学习能够有效表征水稻籽粒的钾肥营养 水平差异，为水稻钾素营养的无损诊断提供了科学依据。

关键词: 水稻籽粒；钾肥水平；高光谱；随机森林；特征波段；分类识别

中图分类号: 

• S513