组织区域分辨的可见–近红外高光谱成像用于估算 Dendrocalamus brandisii 笋营养与结构性状

《Plants》：Tissue-Region-Resolved Visible–Near-Infrared Hyperspectral Estimation of Nutritional and Structural Traits in Dendrocalamus brandisii Shoots

　　

竹笋品质由糖类、蛋白质、水分状态和细胞壁组分决定，这些组分通常通过破坏性、低通量测定法量化。研究人员检验了400–1000 nm可见–近红外（VIS–NIR）高光谱成像能否估算 Dendrocalamus brandisii 笋的五个营养与结构性状——可溶性糖、蛋白质、水分、木质素和纤维素，以及取谱的组织区域是否重要。从102个笋获取光谱，并在按笋长度等级分层的重复留出验证下比较偏最小二乘回归（PLSR）、Ridge回归和主成分分析–Ridge回归（PCA–Ridge）。在该内部验证下，PCA–Ridge对可溶性糖（R² = 0.64 ± 0.04）和木质素（R² = 0.51 ± 0.06）给出最高平均测试集R²，PLSR对蛋白质（R² = 0.62 ± 0.05），Ridge对水分（R² = 0.52 ± 0.04）。纤维素不能可靠预测（R² ≈ 0.04）。分别建模外层和内层组织表面显示，信息最丰富的区域具有性状依赖性：内层组织表面对蛋白质和水分提供更强的预测信息，而外层表面对可溶性糖显示轻微优势；对木质素，区域差异较小。在长度等级内，30 cm等级中可溶性糖与硬度正相关（r = 0.728，BH校正p = 0.005）。因此，VIS–NIR高光谱成像结合正则化回归为在 D. brandisii 笋中通过单次采集估算可溶性糖、蛋白质、水分和木质素（纤维素在400–1000 nm窗口不可估算）提供了可行途径，并需进行性状特异性感兴趣区域（ROI）放置。模型在包含6个其他竹种笋的单一采样批次上训练，需要在跨地点、季节和仪器对仅 D. brandisii 进行独立验证。

研究背景与问题：Dendrocalamus brandisii（Munro）Kurz为合轴竹，分布于中国云南多个地理种群并保留可观的遗传多样性，兼具食用笋和木材价值；其自然株高与设施栽培限高不相适应，打顶可调控株型、生长和笋品质，设施栽培还可减轻南方合轴竹在极端低温及冰雪事件中的严重冻害，因此矮化、环境适应和品质调控需协同考虑。笋品质是复合目标，可溶性糖、氨基酸和蛋白质、水分状态、纤维及木质化进程共同决定适口性、加工行为和贮藏稳定性；快速测量可用于采后鲜销或加工分级，并识别贮藏前易快速木质化和质地下降的笋。传统理化测定可靠，但破坏样品、耗时数小时至数天，难以扩展到育种或分级所需规模；被销毁测糖的笋不能再种植、销售或复测，这正是无损表型需要解决的瓶颈。高光谱成像可同时解析光谱与空间信息，近红外光谱可快速表征测量点的吸收和反射，二者已用于果蔬品质与安全无损评价。在400–1000 nm窗口，VIS–NIR反射主要来自可见色素吸收和约970 nm处较弱的水O–H二级伸缩泛音，并通过散射和组织结构协变间接反映碳水化合物与细胞壁状态；因此高光谱预测是补充性高通量筛查工具，而非替代标准湿化学参考测定。竹笋中近红外已用于硬度无损测定和模型优化，既往研究多集中于分类、新鲜度或单一品质性状；单次VIS–NIR采集能否同时支持多个营养与结构性状估算，以及取谱组织区域——坚韧外层表面与靠近笋芯的柔软组织——是否改变光谱预测信息，仍基本未检验。笋解剖异质且伸长期组成快速变化，区域选择不太可能中性。研究人员因此联合VIS–NIR高光谱成像与正则化回归，在长度梯度上对 D. brandisii 笋进行表型分析，目标为：建立可溶性糖、蛋白质、水分、木质素和纤维素的光谱估算模型并比较三种回归方法；检验外层表面与内层组织表面各性状预测信息差异；按预测性状值排序笋并考察候选样本的光谱与空间特征；描述五性状跨长度等级变化；考察这些性状与硬度及性状间相关结构。该研究旨在为竹笋快速质量筛查和高通量表型提供方法学基础，内部验证不等同于精度栽培或因果调控证据。

关键技术方法：样本队列来源为杭州富阳温室12个母丛的96个 D. brandisii 笋（出笋3–10天，10–50 cm五长度级）及安吉田间苗圃6个其他竹种参考笋，共102个；采集400–1000 nm VIS–NIR高光谱，提取外层和内层组织表面约200×200像素ROI平均光谱；湿化学测定可溶性糖、蛋白质、水分、木质素、纤维素和硬度；比较PLSR、Ridge和PCA–Ridge，预处理仅在训练折拟合，按长度级分层100次重复留出内部验证，以测试集R²、均方根误差（RMSE）和相对RMSE（rRMSE）评价；在长度级内用Pearson相关及本杰明–霍赫贝格（BH）校正分析性状-硬度及性状间关系。

研究结果：3.1 全样本模型性能：通过100次重复分层留出比较三种模型，发现无单一模型在所有性状占优；PCA–Ridge对可溶性糖和木质素平均测试集R²最高，PLSR对蛋白质最佳，Ridge对水分最佳，纤维素不能可靠预测；可溶性糖R²最高但相对误差较大，水分R²中等而rRMSE很小，故需同时结合R²、RMSE和rRMSE评价。3.2 外层与内层组织表面的区域特异性模型性能：分别用外层和内层光谱建模，发现性能随性状和组织区域变化；可溶性糖外层略优，蛋白质内层优势最大，水分内层提供更强预测信息，木质素内层略好但区域差异小，纤维素在 two regions 均预测较差；信息区域具有性状依赖性。3.3 高预测候选样本及其光谱特征：按各性状预测值排序并保留前5名，去除跨性状重复后得到16个独特笋；候选样本以像素级预测分布展示，但其预测值仍需独立湿化学分析和重复采样确认。3.4 笋长度等级间性状变异：比较10、20、30、40、50 cm等级，发现可溶性糖在50 cm低于30 cm，水分在较长笋中较高，蛋白质变化小，木质素在30和40 cm较低且50 cm变异较大，纤维素总体变化小，硬度波动；20 cm级可溶性糖和纤维素分布较宽，为描述性观察，未正式检验。3.5 跨长度等级性状与硬度及性状间探索性相关分析：在各长度级内计算模型预测性状与实测硬度及性状间Pearson相关并经BH校正，发现相关结构随长度级改变；30 cm级可溶性糖与硬度正相关（r = 0.728，BH校正p = 0.005），是唯一存活校正的性状-硬度关系；30 cm级可溶性糖与蛋白质、纤维素强负相关并存活校正，50 cm级可溶性糖–蛋白质负相关仍存活；其余多为趋势。

讨论总结与结论翻译：讨论认为预测精度具有性状特异性，信息组织区域依性状而变，相关结构沿长度梯度重组。模型比较上，L2收缩适合高度共线光谱，可限制参数不稳定和方差膨胀；PCA–Ridge优势取决于性状相关变异是否位于主导光谱方向，信息性但低方差信号可能在投影中衰减；小样本和高共线性下正则化线性模型较稳定，非线性模型通常需要更多数据和变异。部分性状测试集R²高于训练集，与有限样本、随机训练/测试划分的性状分布和长度级组成差异、在同一内部验证中筛选预处理-模型组合及数据层次结构有关；嵌套交叉验证、独立外部测试、按生物单元分组划分和折外（OOF）预测更可取。物理上，400–1000 nm仅覆盖可见和短波近红外，较强O–H带及木质素、纤维素诊断性C–H、N–H带多在范围外，木质素R²≈0.51更可能由散射和组织结构与木质化进程的协变承载，纤维素近零与缺乏诊断带一致；未做波长重要性或载荷分析，不能确认具体驱动波段。区域差异机制包括组成差异和光学差异；内层最佳蛋白质模型比外层最佳模型R²约高0.11；区域选择应按目标性状，内层需切割，适合实验室筛查，外层信息更适合无损应用，融合两区域是后续方向。性状-硬度关系不稳，30 cm级可溶性糖正相关及蛋白质、水分、纤维素负相关提示伸长期质地形成不同于采后木质化；横断面设计只能读作发育阶段关联。相关结构从10和20 cm级的水分中心，转为30 cm级的可溶性糖中心，再到40和50 cm级较分散；糖–蛋白、糖–纤维素关联仅为统计协变，不能确定碳流方向或因果关系。局限包括：样本含6个其他竹种参考笋并进入建模，模型描述混合数据；排除c1–c6后区域模型测试集R²和RMSE基本不变（R²差<0.01，RMSE差<0.05）；ROI与参考测量空间对应、跨批次校准、切割后时间等需标准化；内部随机重复划分需独立验证、严格重采样、按生物单元分组、嵌套交叉验证和OOF预测；未来需独立 D. brandisii 跨地点、批次和仪器验证、校准转移或域适应、多区域或多源融合、便携光谱仪，并结合组织学、细胞壁结构和代谢表型。研究结论：400–1000 nm VIS–NIR高光谱成像结合正则化回归显示可从单次采集估算竹笋多个营养与结构性状的潜力；在PLSR、Ridge和PCA–Ridge中无单一模型在所有性状统一最优，PCA–Ridge对可溶性糖和木质素最佳，PLSR对蛋白质最佳，Ridge对水分最佳，纤维素仍难以可靠预测。采样组织区域重要且对每个性状影响不同：内层组织表面对蛋白质和水分提供更强预测信息，外层对可溶性糖略有优势；木质素区域差异小。按目标性状选择ROI可能提高多性状检测特异性，融合区域是自然下一步。跨长度级，营养性状、结构性状与硬度间关系不稳定；30 cm级突出，可溶性糖与硬度正相关、与蛋白质和纤维素负相关，提示该阶段营养、结构和质地性状存在集中协变，并为未来笋生长过程中性状协调研究提供候选线索。这些结论基于重复内部数据划分和包含其他竹种参考笋的模型；在模型可视为稳定或可迁移前，需要独立 D. brandisii 样本及跨地点、批次和仪器验证。