结合可见光-近红外光谱数据与多变量分析技术估算桃树叶片中的养分含量 雅克森·欣德斯曼、 让·M·莫拉-布埃诺、 古斯塔沃·布鲁内托、 塔莱斯·蒂彻、 威廉·纳塔莱、 爱杜阿尔达·扎农·卡尔格宁、 爱德华多·迪克尔·安布罗齐、 若昂·亚历克斯·塔瓦雷斯·平托、 纳塔莉亚·亚当以及 法比奥·乔埃尔·科赫姆·马尔曼 + 另2位作者

《Horticulturae》：Combining Vis-NIR Spectral Data and Multivariate Technique to Estimate Nutrient Contents in Peach Leaves Jacson Hindersmann, Jean M. Moura-Bueno, Gustavo Brunetto, Tales Tiecher, William Natale, Eduarda Zanon Cargnin, Eduardo Dickel Ambrozzi, Jo?o Alex Tavares Pinto, Natália Adam and Fábio Joel Kochem Mallmann + 2 authors

　　

摘要

桃树（Prunus persica L. Batsch）是一种在全球范围内具有重大经济价值的果树。为了辅助施肥决策，每年都会进行数千次化学叶片分析。然而，传统的植物组织养分测定方法需要使用多种强酸，不仅耗时，还会产生污染性废弃物。可见光和近红外光谱技术结合多元分析方法，有望解决传统化学分析的局限性。本研究的目的是利用可见光-近红外光谱数据与多元分析技术，探索建立模型以估算桃树叶片中的养分含量。研究对生长在巴西南部的佩洛塔斯和平托班代拉两地的桃树叶片中的氮、磷、钾、钙、镁、硫、硼、铜、铁、锰和锌含量进行了测定。随后，通过将预处理后的可见光-近红外光谱数据与Savitzky–Golay一阶导数法和偏最小二乘回归法这两种多元分析技术相结合，建立了局部和区域尺度的预测模型。大多数所提出的预测模型的平均准确率均在合理范围内（R²介于0.50至0.75之间，RPIQ介于1.9至3.0之间）。其中，局部-1“PB”模型的养分预测准确率高于区域“PB + 佩洛塔斯”模型以及局部-2“佩洛塔斯”模型。使用同一地点采集的数据通过局部-1“PB”模型和局部-2“佩洛塔斯”模型进行的桃树叶片养分含量估算，其结果优于使用其他地点或地区数据得出的计算结果。最终，本研究为进一步优化更可持续的养分含量测定技术提供了依据。