基于光譜技術(shù)的梨樹葉片氮含量的快速診斷研究.pdf

1、氮素是植物生長發(fā)育、產(chǎn)量形成和品質(zhì)提高的基礎(chǔ)，及時了解氮素營養(yǎng)狀況才能保證作物的正常生長發(fā)育。近年來，光譜技術(shù)在植物營養(yǎng)診斷中的應(yīng)用成為人們研究和關(guān)注的焦點，該手段以快速、準(zhǔn)確等優(yōu)點替代常規(guī)化學(xué)分析方法，對實時診斷葉片氮含量具有重要意義。本文通過分析新鮮和粉碎狀梨樹葉片氮素光譜特征，分別從光譜信息采集的影響因素、樣品選擇、樣品狀態(tài)與模型參數(shù)等方面開展研究。結(jié)果表明:
　　 (1)利用植被探頭和白板配合采集的梨樹鮮葉反射光譜噪音小

2、、光譜平滑，有利于提高預(yù)測模型的精度。葉片中部采集的光譜反射率最能代表整張葉片的光譜，由此確定了植被探頭采集葉片的部位;確定了葉片上的灰塵對光譜反射率和植被指數(shù)的顯著影響，在采集光譜前必須予以除去。
　　 (2)不同生育期梨樹葉片氮含量的最大敏感波長略有不同，5月、7月和8月梨樹幼果期、二次膨大期、采后期三個時期的最大敏感波長分別為715 nm、710 nm和718 nm，建立的對應(yīng)的氮含量和波長反射率的線性相關(guān)系數(shù)分別為-0.

3、605、-0.6186和-0.7936;發(fā)現(xiàn)全波段（350-2500nm）和原始光譜形式最適合梨樹葉片偏最小二乘預(yù)測模型的建立。三個時期預(yù)測模型精度最高時的主成分分別為11、13和12,模型的交叉驗證決定系數(shù)(R2cv)分別為0.7381、0.7584和0.8977，交叉驗證均方根誤差（RMSECV）分別為1.815、2.005和0.9920 g·kg-1。三個模型對未知樣本的預(yù)測平均誤差分別為3.78％、6.05％和3.30％;在全波

4、段和原始光譜形式的基礎(chǔ)上，指出全生育期光譜經(jīng)移動平均平滑（segment size=3）預(yù)處理后的偏最小二乘氮素預(yù)測模型精度最高，此時主成分為10，交叉驗證決定系數(shù)和均方根誤差分別為0.9520和1.417 g·kg-1。模型對未知樣本的預(yù)測平均誤差為4.48％，小于5％，因此此模型能很好的預(yù)測梨樹葉片的氮含量。
　　 (3)對粉碎狀葉片的含氮量和中紅外光聲光譜數(shù)據(jù)進(jìn)行了分析，建立了煙臺、泰安、營口、昌黎試驗站和四站綜合葉片氮素

5、預(yù)測模型，并進(jìn)行了驗證。煙臺、泰安、營口、昌黎試驗站和四站綜合數(shù)據(jù)的預(yù)測誤差介于1.26～2.18 g·kg-1，預(yù)測相關(guān)系數(shù)介于0.644～0.806，表明該方法預(yù)測的可行性較高，5個模型的預(yù)測效果為煙臺＞泰安＞營口＞綜合＞昌黎。煙臺試驗站預(yù)測誤差為1.92 g·kg-1，預(yù)測相關(guān)系數(shù)為0.806。
　　 因此，對于新鮮梨樹葉片氮含量的快速測定可以選擇可見/近紅外反射光譜和化學(xué)計量學(xué)方法相結(jié)合進(jìn)行建模;對于粉碎裝梨樹葉片氮含量