劉德力，周衍華，趙文星，劉燕德

(1.江西省興國(guó)縣農(nóng)業(yè)和糧食局，江西興國(guó)342400;2.華東交通大學(xué)機(jī)電工程學(xué)院，江西南昌330013)

贛南是我國(guó)種植面積最大的臍橙生產(chǎn)基地，年產(chǎn)量居世界第三，并有“中國(guó)臍橙之鄉(xiāng)”之稱的美譽(yù)。研究贛南臍橙果樹生長(zhǎng)發(fā)育就必須研究其生長(zhǎng)發(fā)育過程營(yíng)養(yǎng)元素的變化，這些元素直接影響果樹的長(zhǎng)勢(shì)和產(chǎn)量。表征臍橙生長(zhǎng)狀況的最主要信息包括臍橙葉片的含水量和葉綠素含量。葉綠素含量與植株抗病性有直接關(guān)系［1－3］，水分直接影響臍橙的生長(zhǎng)和產(chǎn)量以及品質(zhì)。因此快速地獲取臍橙水分狀況，對(duì)臍橙估產(chǎn)及農(nóng)情監(jiān)測(cè)等方面具有重要意義［4］。

近紅外光譜分析方法作為是一種快速、簡(jiǎn)便及無破壞性的測(cè)量方法，國(guó)內(nèi)外很多學(xué)者基于該方法應(yīng)用在植物營(yíng)養(yǎng)元素的檢測(cè)上［5－8］。董晶晶等利用反射光譜信息對(duì)提取葉片含水量的方法進(jìn)行比較研究［8］。趙瑞嬌等通過對(duì)溫室番茄葉片葉綠素含量和葉片含水量研究并分析了不同營(yíng)養(yǎng)水平下番茄冠層和葉片的反射光譜變化［9］。蔣煥煜等應(yīng)用近紅外檢測(cè)技術(shù)對(duì)尖椒葉片葉綠素含量的分析，建立葉片葉綠素含量模型且預(yù)測(cè)相關(guān)系數(shù)和預(yù)測(cè)標(biāo)準(zhǔn)誤差都很好［10］。

國(guó)內(nèi)外利用近紅外光譜檢測(cè)技術(shù)應(yīng)用在贛南臍橙的研究較少。因此筆者以江西贛南臍橙果園基地的臍橙葉片為研究對(duì)象，應(yīng)用近紅外光譜技術(shù)，分別用偏最小二乘(PLS)、主成分回歸(PCR)和最小二乘支持向量機(jī)(LS-SVM)方法對(duì)臍橙葉片的含水量和葉綠素含量建立相應(yīng)的模型。分析并比較3種建模方法PLS、PCR和PLR在預(yù)測(cè)臍橙葉片的含水量和葉綠素含量的模型精確度，從而得到一種快速檢測(cè)葉片含水量和葉綠素含量的定量估計(jì)模型，為快速獲取葉片養(yǎng)分含量提供理論依據(jù)。

1 材料與方法

1.1 臍橙葉片樣品的采集與處理 供試的88個(gè)葉片樣品來自江西省萬安縣臍橙果園種植基地，選取不同位置的臍橙果樹，根據(jù)施肥與果樹大小來劃分選取22棵果樹，每棵間距大于15 m。采集東西南北不同區(qū)域的同一層葉片，每棵樹采集4片。對(duì)采集回來的葉片帶回實(shí)驗(yàn)室，用水沖洗干凈葉片，并晾干。然后對(duì)葉片樣品進(jìn)行編號(hào)、標(biāo)記，在對(duì)樣品進(jìn)行光譜采集前儲(chǔ)存條件平均溫度20℃，相對(duì)濕度60%。

1.2 臍橙葉片樣品近紅外光譜數(shù)據(jù)的采集 臍橙葉片近紅外光譜采集儀器為布魯克TENSOR37型傅立葉變換近紅外光譜儀。儀器相配套附件有旋轉(zhuǎn)工作臺(tái)、透射樣品腔和RTInGaAs檢測(cè)器等。光譜儀的基本參數(shù)設(shè)置:測(cè)量范圍12 000～4 000 cm－1，分辨率為8 cm－1，重復(fù)掃描32次。試驗(yàn)期內(nèi)室內(nèi)溫度都在15～20℃，空氣濕度在45% ～50%。采集光譜的過程中，應(yīng)該使臍橙葉片保持平整的狀態(tài)。每次采集臍橙葉片光譜前應(yīng)該進(jìn)行參考板校正，每個(gè)臍橙葉片樣品分別采集6條近紅外光譜，然后取樣品的平均光譜。

1.3 光譜預(yù)處理方法 采集的近紅外光譜往往會(huì)受到噪聲等各種外界因素的干擾。噪聲主要包括以下幾部分:基線漂移、高頻隨機(jī)噪聲、樣品不均勻和光散射等，這些因素直接對(duì)模型的建立產(chǎn)生不利影響，因此需要對(duì)光譜進(jìn)行預(yù)處理以便降噪、減少各種不利因素的干擾，提高模型預(yù)測(cè)精度。該試驗(yàn)使用數(shù)據(jù)處理軟件Unscrambler對(duì)傅立葉變換近紅外光譜儀采集的光譜進(jìn)行預(yù)處理，使用的預(yù)處理方法SG平滑、多元散射校正、一階微分、二階微分、標(biāo)準(zhǔn)歸一化、基線校正(SG/MSC/1st D/2nd D/SNV/Baseline)6種預(yù)處理方法。

1.4 臍橙葉片含水量和葉綠素含量的測(cè)定

1.4.1 臍橙含水量的測(cè)定。臍橙葉片含水量采用相對(duì)含水量。對(duì)葉片稱重，將稱重紙放入精度為0.000 1 g的電子秤上，待數(shù)據(jù)顯示穩(wěn)定時(shí)進(jìn)行歸零操作。然后將樣品放入稱重紙上，待數(shù)據(jù)顯示穩(wěn)定時(shí)記錄數(shù)據(jù)(m1)。將采集光譜后的葉片的88個(gè)樣品放入烘箱烘干。按照上面操作過程對(duì)樣品進(jìn)行稱重并記錄數(shù)據(jù)m2。計(jì)算葉片的相對(duì)含水量(Leaf Moisture Content，LMC):

LMC=(m1－m2)/m1

1.4.2 臍橙葉片葉綠素含量的測(cè)定。臍橙葉片葉綠素含量的測(cè)定使用SPAD-520Plus葉綠素儀測(cè)量，SPAD值的大小反應(yīng)了臍橙葉片中葉綠素的相對(duì)含量的多少。SPAD-520Plus葉綠素儀的測(cè)量區(qū)間相對(duì)葉片是一個(gè)很小的點(diǎn)，為了測(cè)量更加精確，該試驗(yàn)采取多次測(cè)量的方法，對(duì)采集光譜的葉片區(qū)域內(nèi)進(jìn)行上、下、左、右4個(gè)方位測(cè)量葉綠素含量，然后取4個(gè)位置的葉綠素含量平均值作為葉綠素含量的真值。

1.5 模型建立與評(píng)價(jià) 模型采用預(yù)測(cè)相關(guān)系數(shù)(RP)、預(yù)測(cè)均方根誤差(RMSEP)進(jìn)行評(píng)價(jià)。判斷模型預(yù)測(cè)能力好不好，其模型結(jié)果應(yīng)該具有較高的預(yù)測(cè)相關(guān)系數(shù)(RP)以及較小的預(yù)測(cè)集均方根誤差(RMSEP)，RP越接近1、RMSEC和RMSEP越小并且兩個(gè)值相差不大時(shí)，則說明所建模型越好，反之模型預(yù)測(cè)效果不好。

2 結(jié)果與分析

2.1 臍橙葉片近紅外光譜圖 圖1為樣品在4 000～12 000 cm－1范圍內(nèi)的原始光譜，其中5 180、6 869 cm－1為2 個(gè)明顯的吸收峰。葉綠素是一種有機(jī)物，包含各種有機(jī)分子團(tuán)OH、C－H、N－H等。5 180 cm－1吸收峰為O－H振動(dòng)的組合頻、N－H伸縮振動(dòng)和彎曲振動(dòng)的組合頻、C－H第一組組合頻(5 000～4 160 cm－1)疊加而成，6 869 cm－1吸收峰為O －H伸縮振動(dòng)的一級(jí)倍頻、N－H伸縮振動(dòng)的一級(jí)倍頻(6 666 cm－1)疊加所致。圖1中3條曲線是從88個(gè)臍橙葉片樣品中挑選出來，可大致分為高、中、低3類。

2.2 臍橙葉片含水量和葉綠素含量的測(cè)量結(jié)果 在88個(gè)臍橙葉片樣本中，根據(jù)含量梯度法以近似2∶1的比例從總樣中選取59個(gè)樣本用于建模，剩余29個(gè)樣本用于驗(yàn)證模型。其臍橙葉片樣本的基本統(tǒng)計(jì)值見表1。

表1 樣品測(cè)量的統(tǒng)計(jì)

2.3 臍橙葉片含水量和葉綠素含量的模型建立及驗(yàn)證 采集到的原始光譜使用一階微分、二階微分、SG平滑、標(biāo)準(zhǔn)正態(tài)變量變換、基線校正、多元散射校正方法進(jìn)行預(yù)處理。分別建立了PLS、PCR和LS-SVM方法的臍橙葉片相對(duì)含水量模型和葉綠素含量模型。其結(jié)果分別如如表2、3、4所示。

表2 葉片含水量和葉綠素含量的PLS模型結(jié)果

在使用LS-SVM方法的模型建立中，要求調(diào)的參數(shù)就2個(gè)。γ和σ是算法的2個(gè)最為重要的參數(shù):γ是正規(guī)化參數(shù)，決定誤差的最小化以及光滑程度;σ2則是核函數(shù)RBF的參數(shù)。γ和σ2的參數(shù)優(yōu)化采用幾何學(xué)方法兩點(diǎn)格子狀搜尋技術(shù)［11－13］來。將模型參數(shù)(γ，σ2)的取值范圍設(shè)定為10－3～106。模型參數(shù)的最優(yōu)組合的確定是通過matlab軟件計(jì)算得到的。

2.4 臍橙葉片含水量和葉綠素含量模型驗(yàn)證結(jié)果對(duì)比分析 采集的近紅外光譜往往會(huì)受到噪聲等各種外界因素的干擾。提高模型預(yù)測(cè)精度通常對(duì)采集的光譜進(jìn)行預(yù)處理。而模型的評(píng)價(jià)由預(yù)測(cè)相關(guān)系數(shù)RP、預(yù)測(cè)均方根誤差(RMSEP)決定。通常一個(gè)良好的模型應(yīng)具有小的校正均方根誤差RMSEC和預(yù)測(cè)均方根誤差RMSEP，且兩者的值越接近越好。根據(jù)評(píng)價(jià)原則，在用PLS方法建立的葉片含水量和葉綠素含量模型中，對(duì)比光譜不同預(yù)處理后，發(fā)現(xiàn)6種不同的預(yù)處理對(duì)預(yù)測(cè)葉片含水量的結(jié)果影響不大，RP的值在0.980左右，且RMSEC和RMSEP幾乎無相差，其中最好的組合是None-PLS 建模，其中 RP為0.985，RMSEP 為0.023;在預(yù)測(cè)葉片葉綠素含量的結(jié)果除了對(duì)原始光譜進(jìn)行1st預(yù)處理模型不甚理想，其他預(yù)處理模型結(jié)果相差不大，預(yù)測(cè)相關(guān)系數(shù)RP在0.90～0.94，其中最好的組合是原始光譜直接PLS建模，其中RP為 0.940，RMSEP 為 3.587。

表3 葉片含水量和葉綠素含量的PCR模型結(jié)果

表4 葉片含水量和葉綠素含量的LS-SVM模型結(jié)果

同樣，在用PCR方法建立的葉片含水量和葉綠素含量模型中，對(duì)比光譜不同預(yù)處理后。找出建模最優(yōu)組合，對(duì)葉片含水量預(yù)測(cè)效果最好的是MSC-PCR，其RP為0.981，RMSEP為0.025;在預(yù)測(cè)葉片葉綠素含量的效果最好SG-PCR，其中RP為0.903，RMSEP為4.451。在用 LS-SVM 方法建模中，對(duì)葉片含水量預(yù)測(cè)效果最好的是原始光譜直接LS-VSM建模，其中 RP為0.981，RMSEP為0.037;在預(yù)測(cè)葉片葉綠素含量的效果最好的組合是MSC-LS-VSM，其中RP為0.933，RMSEP 為0.230。

對(duì)比3種方法建立的預(yù)測(cè)模型。在預(yù)測(cè)葉片含水量的模型中，3種方法預(yù)測(cè)效果整體相差不大，其最優(yōu)的預(yù)測(cè)模型是使用 PLS 建模(RP=0.985，RMSEP=0.023)。圖2 為 PLS模型對(duì)29個(gè)葉片樣品的驗(yàn)證散點(diǎn)圖。在預(yù)測(cè)葉片葉綠素含量的模型中，3種方法預(yù)測(cè)效果相差不大，通過LS-SVM建模后，RMSEP值有所降低。雖然用PLS建模方法得到的RP=0.940 最大，但是RMSEP(RMSEP=3.587)較用LS-SVM 建模得到的結(jié)果(RMSEP=0.230)大，且用LS-SVM建模得到的RP(0.933)與0.940相差很小，所以在預(yù)測(cè)葉片葉綠素含量的模型中，最有預(yù)測(cè)效果是MSC-LS-VSM。圖3是LS-SVM模型對(duì)葉綠素含量29個(gè)樣品的驗(yàn)證散點(diǎn)圖。

只用一種方法同時(shí)預(yù)測(cè)葉片含水量和葉綠素含量，在預(yù)測(cè)葉片含水量的最優(yōu)建模方法是PLS，而在預(yù)測(cè)葉綠素含量時(shí)最優(yōu)建模方法是LS-SVM，但是PLS方法預(yù)測(cè)葉綠素含量效果較LS-SVM相差不大。綜合考慮，用一種方法同時(shí)預(yù)測(cè)葉片含水量和葉綠素含量，最優(yōu)建模方法是PLS。

3 結(jié)論

試驗(yàn)以贛南臍橙葉片為研究對(duì)象，運(yùn)用近紅外光譜技術(shù)檢測(cè)葉片含水量和葉綠素含量2個(gè)指標(biāo)，在全波段4 000～12 000 cm－1范圍內(nèi)建立了2個(gè)指標(biāo)的PLS、PCR和LS-SVM定量檢測(cè)模型。結(jié)果分析發(fā)現(xiàn)，在預(yù)測(cè)葉片含水量和葉綠素含量的模型中，3種方法預(yù)測(cè)精度整體相差不大，且建模的預(yù)測(cè)結(jié)果都較為理想，可以定量預(yù)測(cè)葉片含水量和葉綠素含量。

在預(yù)測(cè)葉片含水量的模型中，3種方法預(yù)測(cè)效果整體相差不大，其最優(yōu)的預(yù)測(cè)模型是使用PLS建模，其中RP=0.985，RMSEP=0.023。

在預(yù)測(cè)葉片葉綠素含量的模型中，3種方法預(yù)測(cè)效果相差不大，最優(yōu)預(yù)測(cè)模型是MSC-LS-VSM，其中RP=0.933，RMSEP=0.23。只用一種方法對(duì)2個(gè)指標(biāo)含量建模，其最優(yōu)建模方法是PLS。

［1］陳臻，徐秉良.葉綠素含量與草坪草對(duì)葉枯病抗病性的關(guān)系［J］.草原與草坪，2005(2):59 －61.

［2］顏惠霞，徐秉良，梁巧蘭，等.南瓜品種對(duì)白粉病的抗病性與葉綠素含量和氣孔密度的相關(guān)性［J］.植物保護(hù)，2009，35(1):79 －81.

［3］劉會(huì)寧，朱建強(qiáng)，萬幼新.幾個(gè)歐亞種葡萄品種對(duì)霜霉病的抗性鑒定［J］.上海農(nóng)業(yè)學(xué)報(bào)，2001，17(3):64 －67.

［4］吉海彥，馬淏，梁雪.近紅外光譜無損檢測(cè)農(nóng)作物葉片含水量的研究進(jìn)展及發(fā)展趨勢(shì)［J］.儀器儀表學(xué)報(bào)，2009，30(6):497 －499.

［5］MCWHIRT A L，WEINDORF D C，CHAKRABORTY S，et al.Visible near infrared diffuse reflectance spectroscopy(VisNIR DRS)for rapid measurement of organic matter in compost［J］.Waste Management ＆ Research，2012，30(10):1049 －1058.

［6］范如芹，楊學(xué)明，張曉平，等.東北黑土不同組分有機(jī)碳的近紅外光譜測(cè)定［J］.光譜學(xué)與光譜分析，2012，32(2):349 －353.

［7］SAKIRKIN S P，MORGAN C S，AUVERMANN B W.Effects of sample processing on ash content determination in solid cattle manure with visible/near-infrared spectroscopy［J］.Transactions of ASABE，2010，53:421－428.

［8］董晶晶，牛錚，沈艷，等.利用反射光譜信息提取葉片水分含量的方法比較［J］.江西農(nóng)業(yè)大學(xué)學(xué)報(bào)，2006，28(4):587 －591.

［9］趙瑞嬌，李民贊，楊策.溫室番茄冠層和葉片光譜特征分析及營(yíng)養(yǎng)診斷［J］.光譜學(xué)與光譜分析，2010，30(11):3103 －3106.

［10］蔣煥煜，應(yīng)義斌.尖椒葉片葉綠素含量的近紅外檢測(cè)分析實(shí)驗(yàn)研究［J］.光譜學(xué)與光譜分析，2007，27(3):499 －502.

［11］劉飛，王莉，何勇.應(yīng)用有效波長(zhǎng)進(jìn)行奶茶品種鑒別的研究［J］.浙江大學(xué)學(xué)報(bào):工學(xué)版，2010，44(3):619 －624.

［12］LIN H，CHEN Q，ZHAO J.Determination of free amino acid content in Radix Pseudostellariae using near infrared(NIR)spectroscopy and different multivariate calibrations［J］.Journal of Pharmaceutical and Biomedical Analysis，2009，50(5):803 －808.

［13］YU H Y，NIU X Y，LIN H J，et al.A feasibility study on on-line determination of rice wine composition by Vis–NIR spectroscopy and least squares support vecto machines［J］.Food Chemistry，2009，113(1):291 －296.