基于可见-近红外光谱的柑橘叶片功能性氮含量无损监测模型研究

摘要：

柑橘是我国第一大类水果,氮素对于柑橘的生长发育至关重要,实时、无损地监测柑橘氮素营养状况,对于氮素养分精准管理具有重要意义.植株体内的氮素可以分为营养性氮素、结构性氮素和功能性氮素,不同形态氮素各组分在柑橘叶片中的含量对叶片生理生化反应有一定的指示作用,其中,功能性氮含量是指示柑橘氮营养状况的重要指标.以"春见"橘橙为试验材料,分别于果实膨大期和转色期,利用可见-近红外光谱仪测定不同施氮处理的柑橘叶片反射光谱,并用化学分析方法测定其叶片功能性氮含量.分析了柑橘果实膨大期和转色期叶片原始光谱和一阶微分光谱与叶片功能性氮含量的相关关系,筛选出敏感波段,利用全波段和敏感波段,结合光谱植被指数法、光谱化学计量法和机器学习方法,构建了柑橘果实膨大期和转色期叶片功能性氮含量的无损监测模型,并对比分析多种光谱变换和光谱预处理方法对于模型精度的影响.结果表明,在柑橘果实膨大期,对全波段原始光谱进行标准正态化变换预处理,结合反向传播神经网络构建的柑橘叶片功能性氮含量无损监测模型精度较高,其建模集决定系数R2c和验证集决定系数R2v 均为0.78,建模集均方根误差RMSEC和验证集均方根误差RMSEV均为0.82 g·kg-1;基于敏感波段原始光谱结合随机森林构建的模型精度也较高,其R2c和RMSEC分别为0.84和0.67 g·kg-1,R2v和RMSEV分别为0.74和0.83 g·kg-1.在柑橘果实转色期,对全波段原始光谱进行标准正态化变换预处理,结合BPNN构建的柑橘叶片功能性氮含量无损监测模型精度较高,其R2和RMSEC分别为0.77和1.04 g·kg-1,R2v和RMSEV分别为0.76和1.13 g·kg-1.研究表明,可以利用可见-近红外光谱技术,实现对柑橘叶片功能性氮含量的无损监测.

关键词：柑橘、功能性氮、可见-近红外光谱、反向传播神经网络、随机森林

所属期刊栏目：43

分类号：O657.3(分析化学)

资助基金：国家自然科学基金31801932

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3396-3403