可见光-近红外和中红外光谱技术在快速营养分析中的应用：以棉花新鲜组织和干燥研磨组织为对象进行的比较评估及模型适用性研究

《Precision Agriculture》：Visible-near infrared and mid infrared spectroscopy for rapid nutrient profiling: a comparative assessment and model transferability using fresh and dry-ground plant tissues in cotton

　　

摘要

棉花是全球产量最大的天然纤维，其最佳产量取决于生长不同阶段的精确养分管理。传统上，棉花养分估算依赖于实验室分析，这种方法耗时、成本高昂且具有破坏性，从而延迟了影响最终产量的管理决策。衰减全反射（ATR）和漫反射（DR）光谱技术为传统的实验室方法提供了快速、经济且环保的替代方案。本研究评估了使用不同可见近红外（VisNIR）和中红外（MIR）光谱仪来测定新鲜和干燥棉花植株组织中11种大量元素（N、P、K、Ca、Mg、S）及微量元素（Fe、Mn、B、Cu、Zn）的可行性。采用75%的数据集对三种建模技术进行了验证：偏最小二乘回归（PLSR）、Cubist回归树和支持向量回归（SVR）。其中，PLSR和Cubist的结果相当；但由于PLSR计算速度更快，因此被选为首选方法。使用VisNIR技术建立的干叶模型对所有大量元素（R2：0.75–0.96）以及多种微量元素（包括B、Mn和Cu，R2：0.78–0.93）的预测精度较高。相比之下，由于水分干扰，新鲜叶模型的预测精度较低，限制了其在实际田间应用中的可行性。由于样本数量有限，为茎和棉铃建立的模型稳定性较差。为了解决这一问题，通过添加新鲜叶和干茎数据集的额外权重来增强干叶数据集，显著提高了预测精度。结合使用VisNIR和MIR光谱并未提升模型性能，表明使用单一光谱仪在田间条件下进行可靠的快速养分估算已经足够。本研究证明了MIR-ATR光谱技术在棉花养分预测中的有效性，尽管存在水分干扰这一此前未被充分探讨的挑战。校准转移技术可以提高模型在不同组织和湿润或干燥条件下的预测稳定性。

目的

传统的基于实验室的养分分析方法具有破坏性、成本高且耗时，导致农艺决策延迟。为了克服这些限制，本研究探讨了使用可见近红外（VisNIR）和中红外（MIR）光谱技术结合衰减全反射（ATR）采样的方法；这是一种在植物养分检测中尚未得到充分研究的手段。另一个目标是评估模型转移策略，以提高不同组织和水分条件下的预测性能。

方法

使用ATR和漫反射（DR）光谱仪在可见近红外（VisNIR）和中红外（MIR）区域扫描新鲜和干燥的棉花组织（叶片、茎和棉铃）。利用偏最小二乘回归（PLSR）、Cubist回归树和支持向量回归（SVR）预测11种大量元素（N、P、K、Ca、Mg、S）及微量元素（Fe、Mn、B、Cu、Zn）的浓度。使用75%的数据集对模型进行校准，并在剩余样本上进行评估。为了提高模型的稳定性，向干叶数据集中添加了来自新鲜叶片、茎和棉铃的额外加权光谱数据。

结果

PLSR和Cubist的结果相当，其中PLSR因计算效率高而被选中。干叶VisNIR模型对大量元素（R2：0.75–0.96）及多种微量元素（如B、Mn和Cu，R2：0.78–0.93）的预测精度较高。

结论

由于水分干扰，新鲜叶模型的可靠性较低；而由于样本量有限，茎和棉铃模型的预测效果也较弱。但通过添加额外权重后，预测精度得到了提高，这证实了使用干叶模型预测棉花其他部位养分是可行的。