基于高光谱技术与富集迁移特征的土壤-小麦系统钼元素定量反演研究

本研究针对传统化学方法检测土壤-小麦系统钼(Mo)含量耗时耗力的问题，通过盆栽实验结合高光谱技术，系统分析了不同生育期小麦对Mo的富集迁移规律，并对比了SVR和PLSR模型的定量反演潜力。结果表明，二阶导数(SD)光谱结合PLSR模型对叶片和穗部Mo含量反演精度最优(R2cv达0.96)，基于累积特征组的根系和茎秆Mo含量预测R2超过0.87，为微量元素快速监测提供了新方法。

　　

钼(Mo)作为植物必需的八种微量元素之一，是多种金属酶和蛋白质的关键组分，直接影响小麦光合作用和籽粒品质。然而，传统化学检测方法存在破坏样本、流程繁琐的局限，而土壤中微量元素的光谱响应信号微弱，使得高精度快速监测成为难题。中国地质调查局天津地质调查中心的研究团队创新性地将高光谱技术与生物富集规律相结合，通过盆栽实验揭示了Mo在土壤-小麦系统中的迁移特征，建立了基于光谱特征的定量反演模型。

研究采用盆栽控制实验，设置梯度Mo浓度土壤，采集小麦拔节期叶片和成熟期穗部的高光谱数据。通过Savitzky-Golay滤波、乘性散射校正(MSC)、标准正态变量(SNV)、一阶导数(FD)、二阶导数(SD)等光谱预处理方法提取特征波段，并对比支持向量回归(SVR)和偏最小二乘回归(PLSR)的建模效果。

Mo在小麦不同器官的富集动态
研究发现Mo富集规律随生育期显著变化：拔节期表现为叶片>根>茎，成熟期转为茎>穗>根。土壤有效态Mo与小麦各部位含量呈极显著相关(P<0.05)，其中成熟期穗部Mo含量对土壤Mo浓度响应最敏感。

光谱变换与模型优化
二阶导数(SD)光谱结合PLSR模型展现出最优性能：叶片模型的交叉验证R²_cv达0.96、RMSE_cv为0.74 mg/kg，穗部模型验证集R²_ev为0.76。值得注意的是，SVR模型对一阶导数(FD)光谱的处理优势明显，叶片模型R²_cv较PLSR提升21%-58%。

多组分协同反演
基于累积特征组的扩展模型实现了小麦非光合器官和土壤Mo含量的高精度预测：根系和茎秆Mo含量R²超过0.87，全土和有效态土壤的R²分别达0.65以上。

该研究首次系统阐明了Mo在土壤-小麦系统中的迁移规律，建立的SD-PLSR模型为农田微量元素动态监测提供了可靠工具。成果发表于《Computers and Electronics in Agriculture》，对实现精准农业中的养分管理和粮食安全评估具有重要实践价值。研究创新性地将生物富集特性与高光谱技术耦合，为其他微量元素的快速检测提供了范式参考。