南疆駿棗葉片含水量的近紅外光譜檢測研究

胡艷培，姚江河*，李春蓉，陳好斌

(1.塔里木大學信息工程學院，新疆阿拉爾 843300；2.塔里木大學經(jīng)濟與管理學院，新疆阿拉爾 843300)

新疆是我國紅棗的主產(chǎn)區(qū)，南疆駿棗是新疆紅棗的代表[1-2]。研究南疆駿棗棗樹生長過程就要知道其生長過程所需營養(yǎng)元素的變化，這些元素對棗樹的產(chǎn)量和長勢有很大影響。駿棗葉子的含水量象征棗樹生長的健康狀況，果樹葉片長勢、品質(zhì)、顏色及其形態(tài)結(jié)構(gòu)會隨著水分含量的多少發(fā)生一系列的變化[3]，可以根據(jù)葉片的水分含量實時檢測和診斷。因此，快速地獲取駿棗葉片水分狀況，對駿棗的估產(chǎn)、長勢、農(nóng)情監(jiān)測、可視化農(nóng)業(yè)等方面具有重要的意義[4-5]。

NIR技術檢測方法是一種低成本、快速和無損的檢測方法[6-8]。目前已被廣泛地應用在食品業(yè)、煙草業(yè)、醫(yī)藥、農(nóng)業(yè)等行業(yè)[9-13]，其主要應用于植物營養(yǎng)元素的檢測(葉綠素、氮等含量)[14]、早期病蟲害診斷[15]和土壤性質(zhì)分析[16]等。田永超等[17]研究在不同的水氮條件下，水稻冠層Spectral reflectance與植株含水量的量化關系。董晶晶等[18]利用Spectral reflectance信息提取葉片含水量，研究反射率與含水量存在線性關系。吉海彥等[19]使用輻射光譜儀測量冬小麥的反射光譜，分別建立反射光譜與冬小麥葉片水分含量和葉綠素含量的定量模型。賈燦潮等[20]應用NIR技術快速測定何首烏中水分的含量，所建模型預測性和精度較好。洪添勝等[21]利用波段為400～1 000 nm高光譜圖像技術對雪花梨水分進行無損檢測的研究，通過ANN(人工神經(jīng)網(wǎng)絡)對雪花梨建立水分的預測模型。結(jié)果表明，雪花梨水分的預測相關系數(shù)(R)為0.94 。張曉東等[22]利用高光譜圖像技術檢測生菜含水率，采用自適應波段選擇法優(yōu)選出特征波長；建立偏最小二乘回歸模型，得出生菜葉片的含水量模型的相關系數(shù)(R)為0.90。但有關南疆駿棗葉片含水量的近紅外光譜檢測技術國內(nèi)外研究很少，因此筆者以南疆駿棗葉片為研究對象，應用NIR技術，對采集到的駿棗葉片原始光譜進行SNV、Autoscaling、Normalize、MSC預處理，比較4種不同的光譜預處理方法對駿棗葉片含水量模型的影響，進而確定其適合的預處理方法，以此來簡化模型的運算過程，為大面積遙感監(jiān)測以及進一步研究駿棗葉子含水量提供理論依據(jù)和數(shù)據(jù)支撐。

1 材料與方法

1.1駿棗葉片樣品的采集與處理采集的90個葉片樣品來自新疆南疆第一師10團塔里木大學試驗棗園種植基地，選取不同位置的駿棗樹，根據(jù)棗樹樹齡劃分選取18棵棗樹，每棵間隔1 m。采集棗樹上、中、下三層葉片(新葉、成熟葉、老葉)，每棵樹采集8片。采摘回來的葉片帶回重點實驗室，挑選出完好無損的73個葉片，用水清洗干凈葉子，并晾干。然后對葉片樣品進行編號、標記。

1.2采集樣品的近紅外光譜數(shù)據(jù)駿棗葉片近紅外光譜采集儀器為聚光科技SupNIR-1520TM便攜式近紅外光譜分析儀，波長為1 000～1 800 nm，光譜分辨率≤12 nm，光譜采集的過程中，使駿棗葉片處于平整。每次采集駿棗葉片光譜前應進行參比，每個駿棗葉片樣品分別采集葉片正反面2條光譜，然后求取樣品光譜的平均值。

1.3駿棗葉片光譜預處理方法在近紅外光譜應用時，不僅可以測到樣品中有用的信息，還可以測到其他的信息和噪聲，這是因為受到樣本背景、電噪聲、雜散射等因素的干擾。在建立模型前必須對原始的光譜數(shù)據(jù)進行預處理是分析樣品中成分的前提條件。文中使用的4種預處理方法分別為SNV、Autoscaling、Normalize、MSC。

1.4駿棗葉片含水量的測定駿棗葉片含水量測定采用相對含水量。首先對葉片進行稱重，放入精密度為萬分之一的電子秤上，待數(shù)據(jù)穩(wěn)定時進行歸零。最后將采集完光譜后的葉子放入烘箱烘干。重復上面操作對所有樣品進行稱重、記錄下數(shù)據(jù)，計算葉片相對含水量。

1.5模型建立與評價模型采用相關系數(shù)(R)、預測殘差平方和(PRESS)、預測精度(precision)、預測標準偏差(RMSEP)等參數(shù)來評價。較高的相關系數(shù)(R)、較小的預測殘差平方和(PRESS)和預測標準偏差(RMSEP)是判斷模型預測能力好壞的標準，相關系數(shù)越接近1，則說明所建模型的預測(或回歸)結(jié)果好、預測能力越強，反之模型預測能力不好。用預測精度(precision)來衡量模型的準確程度，值越接近1，說明模型的精確度越高，反之，精確度就越低。

2 結(jié)果與分析

2.1駿棗葉片原始光譜圖駿棗原始光譜圖見圖1。

圖1 駿棗葉片原始光譜圖Fig.1 Original spectral image of Jun jujube leaves

2.2駿棗葉片含水量的測量結(jié)果在采集的90個葉片中挑選出完好無損的73個駿棗葉片樣本，從中選取53個作為校正集樣本，剩余20個作為預測集樣本。其駿棗葉片樣本水分的最大值、最小值分別為0.669 1、0.504 3，平均值為0.599 9，平均偏差為0.003 4。

2.3駿棗葉片含水量的模型建立與驗證采集到的原始光譜使用SNV(標準正態(tài)變量變換)、Autoscaling(標準化)、Normalize(歸一化)、MSC(多遠散射校正)進行預處理。使用偏最小二乘法建立駿棗葉片含水量的模型。其結(jié)果如表1所示。

2.4駿棗葉片模型驗證結(jié)果對比分析采集到的近紅外光譜往往會受到樣本背景、電噪音和雜散射等因素的干擾。提高模型的預測精密度就要對采集的光譜進行預處理。而模型的評價由預測相關系數(shù)(R)、預測精(precision)、預測殘差平方和(PRESS)、預測標準偏差(RMSEP)來決定。

根據(jù)模型的評價標準，對比4種不同光譜預處理后，發(fā)現(xiàn)預處理對駿棗葉片含水量結(jié)果影響較明顯，經(jīng)MSC預處理后的光譜如圖2所示，消除了散射的影響和基線的漂移。模型建立的最好的組合是原始光譜+MSC+PLS(圖3)。相關系數(shù)由原始的0.673 1提高到0.874 6，預測精度由0.950 7提高到0.957 8，預測殘差平方和由0.028 4降低到0.017 7，預測標準偏差由0.037 7降低到0.029 7。

3 結(jié)論與討論

傳統(tǒng)的人工對葉片檢測方法不但費時而且又費力，效果不是很佳，特別容易對葉片造成損傷。近年來，近紅外光譜技術發(fā)展較快，在農(nóng)業(yè)中已經(jīng)被廣泛應用，可以實現(xiàn)對作物葉片快速、有效、無破壞性的信息采集與檢測，用近紅外光譜技術檢測方法為大面積遙感監(jiān)測以及進一步研究駿棗葉子含水量提供理論依據(jù)和數(shù)據(jù)支撐。

(1)對運用4種預處理方法進行比較，為增大預處理方法比較的廣泛性，可以對更多的預處理方法進行比較，如導數(shù)、center、平滑、去趨勢、FT、WT等方法。

(2)只對8—9月駿棗樹葉片進行試驗，為進一步提高模型的適用性和廣泛性，對6—10月駿棗樹葉片進行建模分析。

(3)只用PLS建立模型，為了選擇更優(yōu)的模型，可以使用更多的建模方法(如BP神經(jīng)網(wǎng)絡、LS-SVM、PCA、ANN等)，以選擇更優(yōu)的模型。

試驗以南疆駿棗葉片為研究對象，運用NIR技術檢測葉片含水量的指標，在全波段1 000～1 800 nm建立PLS檢測模型。結(jié)果發(fā)現(xiàn)，在駿棗葉片含水量的光譜預處理中，4種預處理方法中除了標準化相關系數(shù)降低，其余都達到0.80以上，精度都達到95%。葉片含水量的預處理最好的組合是：原始光譜+MSC+PLS，其中R=0.874 6，P=0.957 8，PRESS=0.017 7，RMSEP=0.029 7。