基于可见光/近红外光谱与生长直径时间序列的苹果幼果脱落预测模型研究及其在精准园艺中的应用

本研究针对苹果化学疏果效果受树木生理状态和环境条件影响大、决策不确定性高的问题，利用可见光/近红外光谱技术结合果实生长直径监测，开发了一种非破坏性预测幼果脱落的新方法。通过在德国和意大利果园对‘Gala’和‘Braeburn’品种进行实验，发现处理后5-8天光谱指数（如NDVI、PWI）和生长直径的ROC曲线下面积（AUC）均＞75%，证实光谱监测可捕获与直径生长相同的生理信息，为精准疏果决策提供可靠工具，减少过度或不足疏果风险，优化果园管理。

　　

在苹果生产中，优化果实产量和减少隔年结果（alternate bearing）风险是种植者面临的主要挑战。化学疏果是常用的管理措施，但其效果受树木生理状态和施药前后环境条件的显著影响，导致决策过程充满不确定性。传统的疏果决策多依赖经验判断，缺乏可靠的科学依据，往往造成疏果不足或过度，影响果实品质和经济效益。因此，开发一种能够早期、准确预测幼果脱落的技术，对于实现精准疏果、提高果园管理效率具有重要意义。

近年来，可见光/近红外（Vis/NIR）光谱技术因其非破坏性和快速检测能力，在果实品质评估中得到广泛应用。该技术通过测量果实对特定波长光的吸收和反射，可以获取与果实内部成分（如叶绿素、水分）相关的信息。已有研究表明，光谱技术可用于预测苹果幼果的脱落潜力，但相关研究多局限于特定品种，且缺乏多地点、多品种的验证。此外，果实生长直径监测也被用于预测脱落，但该方法需多次测量同一果实，操作繁琐，实用性受限。

为此，研究人员在德国和意大利的果园中，以‘Gala’和‘Braeburn’苹果为对象，结合Vis/NIR光谱扫描和果实生长直径监测，系统评估了光谱指数（Spectral Indices, SIs）在预测幼果脱落中的潜力。研究旨在回答以下问题：光谱技术能否捕获与直径生长相同的生理信息？哪些光谱指数最能区分脱落和留存果实？预测准确性何时达到可接受水平？该研究结果发表于《Plant Growth Regulation》，为果园精准管理提供了新思路。

研究采用手持式可见光/近红外光谱仪（F-750）对标记的幼果进行多次扫描，获取330-1100 nm范围内的光谱数据。数据经过预处理（包括floor校正和反射率转换）后，计算了多种光谱指数，如归一化植被指数（NDVI）、植物水分指数（PWI）、近红外区域面积（NIR_area）等。同时，使用数字卡尺测量果实直径生长。通过接收者操作特征曲线（ROC）分析，评估各指数在不同天数处理后（DAT）的预测准确性（以曲线下面积AUC表示）。实验在两个地点（德国KOB和意大利RCL）进行，涉及不同化学疏果处理（如6-BA、metamitron），并分别统计了中心果（king）和侧果（lateral）的脱落情况。

光谱时间序列中的特征

研究发现，留存果实与脱落果实的光谱曲线存在显著差异。留存果实在叶绿素吸收峰（约680 nm）和水分吸收峰（约970 nm）附近表现出更高的吸收（即更低反射率），而在近红外区域（699-939 nm）则显示更高的反射率。这些差异在处理后3-5天开始显现，并随时间推移更加明显。例如，在图2所示的RCL‘Gala’侧果光谱中，不同时间脱落的果实曲线与留存曲线在可见光和近红外区域的垂直距离逐渐增大，早期脱落果实的曲线更接近留存曲线。

光谱指数预测脱落的效果

通过ROC曲线分析，多种光谱指数显示出良好的预测能力。对于‘Braeburn’，归一化花青素指数（NAI）在处理后5天即可有效预测脱落（AUC＞75%），而叶绿素相关指数（如NDVI、OCR）和水分相关指数（如PWI、NIR_area）的预测准确性随时间推移逐步提高，在处理后13天达到优异水平（AUC＞90%）。对于‘Gala’，光谱指数的预测效果稍晚，一般在处理后5-8天才达到可接受水平，但PWI和NIR_area仍表现出色。总体而言，水分相关指数（PWI和NIR_area）的预测一致性最高，且与果实直径生长的变化模式高度吻合。

直径生长的预测能力

果实直径生长率也是预测脱落的有效指标。对于‘Braeburn’，中心果的生长率在处理后3-5天即可预测脱落（AUC＞80%），而侧果的预测更早（1-3天）。对于‘Gala’，生长率的预测准确性在处理后5-11天达到高峰（AUC＞85%）。尽管直径测量操作简便，但需多次标记和测量同一果实，实用性不如光谱扫描。

光谱指数与直径生长的比较

对比光谱指数和直径生长的变化模式，发现NIR_area和PWI的变化与直径生长曲线高度一致，表明光谱技术能够捕获与果实生长相同的生理信息。对于较小的果实（如＜10 mm），光谱数据可能受果实大小影响，但随着果实长大，光谱指数更能反映内部成分的绝对变化。研究还发现，留存果实的叶绿素和水分含量呈增加趋势，而脱落果实则趋于稳定或下降。

本研究通过多地点、多品种的实验验证，证实Vis/NIR光谱技术可有效预测苹果幼果脱落，且预测准确性在处理后5-8天达到可接受水平，优于或等同于传统的直径生长监测。光谱指数（尤其是PWI和NIR_area）能够反映与果实生长相关的生理变化，如细胞分裂和扩张、水分积累和色素变化，为理解脱落机制提供了新视角。

该技术的应用可减少化学疏果的不确定性，帮助种植者做出精准决策，避免不必要的施药，降低成本和环境风险。未来研究应进一步优化光谱设备，校正果实大小对光谱数据的影响，并结合机器学习方法建立跨品种、跨地区的通用预测模型。此外，探索光谱数据与碳水化合物平衡模型（如MaluSim）的结合，有望深化对脱落生理机制的理解，推动精准园艺的发展。