赣南脐橙叶片含水量和叶绿素含量的近红外检测

材料与方法

1.1 脐橙叶片样品的采集与处理

供试的88个叶片样品来自江西省万安县脐橙果园种植基地，选取不同位置的脐橙果树，根据施肥与果树大小来划分选取22棵果树，每棵间距大于15 m。采集东西南北不同区域的同一层叶片，每棵树采集4片。对采集回来的叶片带回实验室，用水冲洗干净叶片，并晾干。然后对叶片样品进行编号、标记，在对样品进行光谱采集前储存条件平均温度20 ℃，相对湿度60%。

1.2 脐橙叶片样品近红外光谱数据的采集

脐橙叶片近红外光谱采集仪器为布鲁克TENSOR37型傅立叶变换近红外光谱仪。仪器相配套附件有旋转工作台、透射样品腔和RTInGaAs检测器等。光谱仪的基本参数设置：测量范围12 000～4 000 cm-1，分辨率为8 cm-1，重复扫描32次。试验期内室内温度都在15～20 ℃，空气湿度在45%～50%。采集光谱的过程中，应该使脐橙叶片保持平整的状态。每次采集脐橙叶片光谱前应该进行参考板校正，每个脐橙叶片样品分别采集6条近红外光谱，然后取样品的平均光谱。

1.3 光谱预处理方法

采集的近红外光谱往往会受到噪声等各种外界因素的干扰。噪声主要包括以下几部分：基线漂移、高频随机噪声、样品不均匀和光散射等，这些因素直接对模型的建立产生不利影响，因此需要对光谱进行预处理以便降噪、减少各种不利因素的干扰，提高模型预测精度。该试验使用数据处理软件Unscrambler对傅立叶变换近红外光谱仪采集的光谱进行预处理，使用的预处理方法SG平滑、多元散射校正、一阶微分、二阶微分、标准归一化、基线校正（SG/MSC/1st D/2nd D/SNV/Baseline）6种预处理方法。

1.4 脐橙叶片含水量和叶绿素含量的测定

1.4.1 脐橙含水量的测定。

脐橙叶片含水量采用相对含水量。

对叶片称重，将称重纸放入精度为0.000 1 g的电子秤上，待数据显示稳定时进行归零操作。然后将样品放入称重纸上，待数据显示稳定时记录数据（m1）。将采集光谱后的叶片的88个样品放入烘箱烘干。按照上面操作过程对样品进行称重并记录数据m2。

1.4.2 脐橙叶片叶绿素含量的测定。

脐橙叶片叶绿素含量的测定使用SPAD520Plus叶绿素仪测量，SPAD值的大小反应了脐橙叶片中叶绿素的相对含量的多少。SPAD520Plus叶绿素仪的测量区间相对叶片是一个很小的点，为了测量更加精确，该试验采取多次测量的方法，对采集光谱的叶片区域内进行上、下、左、右4个方位测量叶绿素含量，然后取4个位置的叶绿素含量平均值作为叶绿素含量的真值。

1.5 模型建立与评价

模型采用预测相关系数（RP）、预测均方根误差（RMSEP）进行评价。判断模型预测能力好不好，其模型结果应该具有较高的预测相关系数（RP）以及较小的预测集均方根误差（RMSEP），RP越接近1、RMSEC和RMSEP越小并且两个值相差不大时，则说明所建模型越好，反之模型预测效果不好。

2 结果与分析

2.1 脐橙叶片近红外光谱图

cm-1范围内的原始光谱，其中5 180、6 869 cm-1为2个明显的吸收峰。叶绿素是一种有机物，包含各种有机分子团O-H、C-H、N-H等。5 180 cm-1吸收峰为O-H振动的组合频、N-H伸缩振动和弯曲振动的组合频、C-H第一组组合频（5 000～4 160 cm-1）叠加而成，6 869 cm-1吸收峰为O-H伸缩振动的一级倍频、N-H伸缩振动的一级倍频（6 666 cm-1）叠加所致。图1中3条曲线是从88个脐橙叶片样品中挑选出来，可大致分为高、中、低3类。

2.2 脐橙叶片含水量和叶绿素含量的测量结果

在88个脐橙叶片样本中，根据含量梯度法以近似2∶1的比例从总样中选取59个样本用于建模，剩余29个样本用于验证模型。其脐橙叶片样本的基本统计值见表1。

2.3 脐橙叶片含水量和叶绿素含量的模型建立及验证

采集到的原始光谱使用一阶微分、二阶微分、SG平滑、标准正态变量变换、基线校正、多元散射校正方法进行预处理。分别建立了PLS、PCR和LSSVM方法的脐橙叶片相对含水量模型和叶绿素含量模型。其结果分别如如表2、3、4所示。

在使用LSSVM方法的模型建立中，要求调的参数就2

个。γ和σ是算法的2个最为重要的参数：γ是正规化参数，决定误差的最小化以及光滑程度；σ2则是核函数RBF的参数。γ和σ2的参数优化采用几何学方法两点格子状搜寻技术[11-13]来。将模型参数（γ，σ2）的取值范围设定为10-3～106。模型参数的最优组合的确定是通过matlab软件计算得到的。

2.4 脐橙叶片含水量和叶绿素含量模型验证结果对比分析

采集的近红外光谱往往会受到噪声等各种外界因素的干扰。提高模型预测精度通常对采集的光谱进行预处理。而模型的评价由预测相关系数RP、预测均方根误差（RMSEP）决定。通常一个良好的模型应具有小的校正均方根误差RMSEC和预测均方根误差RMSEP，且两者的值越接近越好。根据评价原则，在用PLS方法建立的叶片含水量和叶绿素含量模型中，对比光谱不同预处理后，发现6种不同的预处理对预测叶片含水量的结果影响不大，RP的值在0.980左右，且RMSEC和RMSEP几乎无相差，其中最好的组合是NonePLS建模，其中RP为0.985，RMSEP为0.023；在预测叶片叶绿素含量的结果除了对原始光谱进行1st预处理模型不甚理想，其他预处理模型结果相差不大，预测相关系数RP在0.90～0.94，其中最好的组合是原始光谱直接PLS建模，其中RP为0.940，RMSEP为3.587。

同样，在用PCR方法建立的叶片含水量和叶绿素含量模型中，对比光谱不同预处理后。找出建模最优组合，对叶片含水量预测效果最好的是MSCPCR，其RP为0.981，RMSEP为0.025；在预测叶片叶绿素含量的效果最好SGPCR，其中RP为0.903，RMSEP为4.451。在用LSSVM方法建模中，对叶片含水量预测效果最好的是原始光谱直接LSVSM建模，其中RP为0.981，RMSEP为0.037；在预测叶片叶绿素含量的效果最好的组合是MSCLSVSM，其中RP为0.933，RMSEP为0.230。

对比3种方法建立的预测模型。在预测叶片含水量的模型中，3种方法预测效果整体相差不大，其最优的预测模型是使用PLS建模（RP=0.985，RMSEP=0.023）。图2为PLS模型对29个叶片样品的验证散点图。在预测叶片叶绿素含量的模型中，3种方法预测效果相差不大，通过LSSVM建模后，RMSEP值有所降低。虽然用PLS建模方法得到的RP=0.940最大，但是RMSEP（RMSEP=3.587）较用LSSVM建模得到的结果（RMSEP=0.230）大，且用LSSVM建模得到的RP（0.933）与0.940相差很小，所以在预测叶片叶绿素含量的模型中，最有预测效果是MSCLSVSM。图3是LSSVM模型对叶绿素含量29个样品的验证散点图。

只用一种方法同时预测叶片含水量和叶绿素含量，在预测叶片含水量的最优建模方法是PLS，而在预测叶绿素含量时最优建模方法是LSSVM，但是PLS方法预测叶绿素含量效果较LSSVM相差不大。综合考虑，用一种方法同时预测叶片含水量和叶绿素含量，最优建模方法是PLS。

3 结论

试验以赣南脐橙叶片为研究对象，运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标，在全波段4 000～12 000 cm-1范围内建立了2个指标的PLS、PCR和LSSVM定量检测模型。结果分析发现，在预测叶片含水量和叶绿素含量的模型中，3种方法预测精度整体相差不大，且建模的预测结果都较为理想，可以定量预测叶片含水量和叶绿素含量。

在预测叶片含水量的模型中，3种方法预测效果整体相差不大，其最优的预测模型是使用PLS建模，其中RP=0985，RMSEP=0.023。

在预测叶片叶绿素含量的模型中，3种方法预测效果相差不大，最优预测模型是MSCLSVSM，其中RP=0.933，RMSEP=0.23。只用一种方法对2个指标含量建模，其最优建模方法是PLS。

参考文献

[1] 陈臻，徐秉良.叶绿素含量与草坪草对叶枯病抗病性的关系[J].草原与草坪，2005（2）：59-61.

[2] 颜惠霞，徐秉良，梁巧兰，等.南瓜品种对白粉病的抗病性与叶绿素含量和气孔密度的相关性[J].植物保护，2009，35（1）：79-81.

[3] 刘会宁，朱建强，万幼新.几个欧亚种葡萄品种对霜霉病的抗性鉴定[J].上海农业学报，2001，17（3）：64-67.

[4] 吉海彦，马淏，梁雪.近红外光谱无损检测农作物叶片含水量的研究进展及发展趋势[J].仪器仪表学报，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，杨学明，张晓平，等.东北黑土不同组分有机碳的近红外光谱测定[J].光谱学与光谱分析，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/nearinfrared spectroscopy[J].Transactions of ASABE，2010，53：421-428.

[8] 董晶晶，牛铮，沈艳，等.利用反射光谱信息提取叶片水分含量的方法比较[J].江西农业大学学报，2006，28（4）：587-591.

[9] 赵瑞娇，李民赞，杨策.温室番茄冠层和叶片光谱特征分析及营养诊断[J].光谱学与光谱分析，2010，30（11）：3103-3106.

[10] 蒋焕煜，应义斌.尖椒叶片叶绿素含量的近红外检测分析实验研究[J].光谱学与光谱分析，2007，27（3）：499-502.

[11] 刘飞，王莉，何勇.应用有效波长进行奶茶品种鉴别的研究[J].浙江大学学报：工学版，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 online determination of rice wine composition by Vis–NIR spectroscopy and least squares support vecto machines[J].Food Chemistry，2009，113（1）：291-296.

推荐访问： 脐橙 叶绿素 含水量 叶片 含量

---