《Scientia Horticulturae》：Estimating fig leaf nitrogen, phosphorus and potassium across growth stages using hyperspectral reflectance in Southern Xinjiang, China
编辑推荐：
摘要专业翻译
无花果是新疆南部重要的特色果树，其叶片养分状况直接影响树体生长、光合能力、果实发育及产量品质形成。氮（N）、磷（P）、钾（K）是无花果生长过程中最重要的三种大量元素，参与叶绿素合成、能量代谢、渗透调节和同化物转运等生理过程。传统养分监测主要依赖实
摘要专业翻译
无花果是新疆南部重要的特色果树，其叶片养分状况直接影响树体生长、光合能力、果实发育及产量品质形成。氮（N）、磷（P）、钾（K）是无花果生长过程中最重要的三种大量元素，参与叶绿素合成、能量代谢、渗透调节和同化物转运等生理过程。传统养分监测主要依赖实验室化学分析，虽精度较高，但具有破坏性、耗时、成本高且难以实现连续监测等局限。随着精准农业的快速发展，高光谱遥感凭借其连续窄波段信息捕捉细微生化吸收特征的能力，已成为作物养分诊断的有力工具。
本研究以新疆克孜勒苏柯尔克孜自治州无花果试验果园为研究区，于2025年采集叶片展开期、新梢生长期和果实发育期三个生育阶段的无花果叶片样本，利用SR-3500便携式地物光谱仪获取350–2500 nm范围的高光谱反射率数据，同步测定叶片全氮（TN）、全磷（TP）和全钾（TK）含量。在数据处理上，研究人员系统整合了Haar小波阈值去噪、0.5阶分数阶导数、标准正态变量变换（SNV）等预处理方法，构建了差值光谱指数（DSI）、比值光谱指数（RSI）、归一化差值光谱指数（NDSI）及三波段光谱指数等特征变量，采用随机森林重要性、互信息（MI）和Lasso回归多方法特征融合策略进行变量筛选，并以梯度提升决策树（GBDT）、极端梯度提升（XGBoost）、轻量梯度提升机（LightGBM）和类别提升（CatBoost）为基学习器，构建渐进式加权集成模型。
研究结果表明：0.5阶分数阶导数结合小波去噪能有效增强无花果叶片养分相关的高光谱特征信号；双波段和三波段光谱指数相比单一波长能更有效地捕捉养分响应信息；多方法特征融合提高了光谱变量筛选的稳定性；渐进式加权集成模型对叶片N、P、K的估算决定系数R2分别达到0.735、0.729和0.686，多输出模型实现了三种养分的同步预测。跨波段组合在养分反演中优于单一波长，可为无花果果园精准水肥管理提供技术支撑。
论文解读文章
一、研究背景与问题提出
无花果是新疆南部重要的特色果树作物，在区域果园结构调整和特色农业发展进程中发挥着重要作用。叶片养分状况直接决定树体生长、光合能力、果实发育以及产量和品质的形成。氮（N）、磷（P）、钾（K）作为无花果生长过程中最关键的三种大量营养元素，分别参与叶绿素合成、能量代谢、渗透调节和同化物转运等核心生理过程，三者浓度共同决定树体对物候发育和栽培管理的响应。值得注意的是，无花果叶片在不同生育阶段表现出明显的结构和生理差异：叶片展开期叶面积、含水量和色素积累的持续增加会改变可见光和近红外波段的反射特征；新梢生长期冠层需求扩大伴随活跃的光合作用和养分分配；果实发育期则可能出现源库竞争加剧，促进养分从叶片向生殖器官的再分配。这些阶段性变化为跨物候期比较养分敏感光谱特征提供了生理基础。
传统养分监测主要依赖实验室化学分析，虽精度可靠，但存在破坏性强、耗时费力、成本高昂且难以规模化连续监测等固有缺陷。随着精准农业的快速发展，高光谱遥感凭借连续窄波段信息捕捉细微生化吸收特征的能力，已成为作物养分诊断的重要工具。从机理层面看，叶片氮素与蛋白质、叶绿素和光合活性密切相关，在可见光、红边和短波红外（SWIR）区域产生可辨识的光谱响应。相比之下，磷和钾通常缺乏类似叶绿素和蛋白质相关的稳定元素特异性吸收特征，其光谱效应更多是间接的，源于叶片结构、水分状态、渗透调节、离子平衡、光合活性和碳水化合物代谢的改变，这些变化可波及可见光、红边、近红外和短波红外等多个波段区域。因此，跨波段组合可能比单一波长对磷钾估算更具信息量。
尽管高光谱养分监测已取得显著进展，但在特色果树尤其是无花果叶片氮磷钾联合估算方面的研究仍十分有限。高光谱数据具有高维度、强共线性和噪声敏感等特点，养分信息往往依赖于复杂的跨波段组合，这使得预处理、指数构建和稳健的特征选择成为模型开发的关键环节。基于上述背景，本研究提出四个核心假设：（H1）光谱预处理能增强无花果叶片反射率中的养分相关信息；（H2）双波段和三波段指数比单一波长更有效地捕捉养分响应；（H3）融合原始光谱、预处理光谱和光谱指数能提高特征稳定性；（H4）渐进式加权集成学习通过整合互补的非线性学习器提升泛化能力。
二、研究内容与主要技术方法
研究人员于2025年在新疆克孜勒苏柯尔克孜自治州塔库提村无花果试验果园（39.37°N，75.55°E）采集叶片样本，果园包含32行36列"早黄"无花果品种，树体生长均匀，采用滴灌水肥一体化管理。样本覆盖叶片展开期、新梢生长期和果实发育期三个生育阶段。研究采用的主要关键技术方法包括：
第一，光谱数据采集与预处理。使用SR-3500便携式地物光谱仪（美国Spectral Evolution公司）获取350–2500 nm范围2151个通道的高光谱反射率数据，测量前进行15分钟预热和白板校准，选取叶片上、中、下冠层叶片并避开主脉测量，每叶连续采集5条光谱曲线取均值。预处理方法包括Haar小波阈值去噪（抑制高频噪声）、0.5阶分数阶导数（增强局部光谱变化同时保持原始曲线整体连续性）以及0.5阶分数阶导数与标准正态变量变换（SNV）的组合（同时实现局部特征增强和样本间可比性改善）。
第二，光谱指数构建。在350–2500 nm范围内基于原始和预处理反射率构建双波段指数（差值光谱指数DSI、比值光谱指数RSI、归一化差值光谱指数NDSI）和三波段指数（三波段归一化差值光谱指数TB_NDSI、三波段比值光谱指数TB_RSI、三波段曲率指数TB_Curvature）。
第三，多方法特征选择与融合。将随机森林重要性、互信息（MI）和Lasso回归的特征评分归一化后加权求和，采用KMeans聚类（欧氏距离、两簇、n_init=10）进行冗余约减，从每个局部冗余簇中保留综合评分最高的代表性特征。
第四，渐进式加权集成建模。以梯度提升决策树（GBDT）、极端梯度提升（XGBoost）、轻量梯度提升机（LightGBM）和类别提升（CatBoost）为基学习器，按验证性能排序逐步纳入，赋予非负权重且权重之和为1，仅当纳入某学习器能降低平均标准化验证误差时予以保留。数据集按group_id分组划分，70%用于训练、30%用于验证，同一组的样本不跨分区。
三、研究结果
光谱预处理效果评估： 研究通过对比原始光谱与不同预处理组合下的模型性能发现，0.5阶分数阶导数结合小波去噪能有效增强无花果叶片养分相关的高光谱特征信号，在保留整体光谱形态的同时提升对微弱吸收特征的敏感性，验证了假设H1。
光谱指数敏感性分析： 双波段和三波段光谱指数相比单一波长能更有效地捕捉氮磷钾养分响应信息。跨波段组合在养分反演中表现出优于单一波长的性能，尤其对于缺乏稳定元素特异性吸收特征的磷和钾，跨波段组合的信息增益更为显著，验证了假设H2。
特征融合效果： 融合原始光谱、预处理光谱和光谱指数的多方法特征选择策略提高了光谱变量筛选的稳定性。互信息的引入能够保留分数阶微分和光谱指数构建后可能出现的非线性或非单调统计依赖关系，弥补了纯线性选择方法的不足，验证了假设H3。
集成模型性能： 渐进式加权集成模型对叶片N、P、K的验证集决定系数R2分别达到0.735、0.729和0.686，多输出模型实现了三种养分的同步预测。渐进式加权集成策略通过整合互补的非线性学习器，有效降低了单一模型的偏差和方差，同时保留了非线性特征交互信息，验证了假设H4。
四、讨论与结论
研究讨论部分指出，与传统单一波长方法相比，跨波段组合对养分反演更具优势，这一发现对磷和钾尤为重要，因为二者缺乏稳定的元素特异性吸收特征，其光谱效应更多通过叶片结构、水分状态和代谢活动的间接变化体现。研究同时承认，0.5阶分数阶导数的选择基于信号处理原理和先前高光谱应用经验，未对所有可能的分数阶进行系统扫描，这是未来工作可改进的方向。
研究结论表明，通过系统整合光谱预处理、双波段和三波段光谱指数构建、多方法特征融合以及渐进式加权集成学习，能够有效实现南疆无花果叶片氮磷钾含量的高光谱估算。该研究为无花果果园精准水肥管理提供了技术支撑，也为特色果树叶片多养分联合监测提供了方法参考。
