《Frontiers in Plant Science》：Research on seedling grading of Platycladus orientalis based on fuzzy C-means clustering algorithm improved by genetic sparrow family search optimization
编辑推荐：
摘要：侧柏幼苗具有重要的生态和经济价值，但个体质量差异较大，常导致移植后表现不佳。现有分级标准过于简化且界限模糊。本研究利用原位电阻抗谱（EIS）对8月龄侧柏幼苗进行非破坏性根系评估，并结合三个地上部形态参数（茎粗、株高、分枝数）。这五项指标作为可靠的质量预测
摘要：侧柏幼苗具有重要的生态和经济价值，但个体质量差异较大，常导致移植后表现不佳。现有分级标准过于简化且界限模糊。本研究利用原位电阻抗谱（EIS）对8月龄侧柏幼苗进行非破坏性根系评估，并结合三个地上部形态参数（茎粗、株高、分枝数）。这五项指标作为可靠的质量预测因子。为克服传统聚类方法的局限性——即需要预先指定聚类数量以及对初始中心敏感——研究人员提出了一种由遗传麻雀家族搜索（GSFS，麻雀搜索算法SSA的改进版本）优化的改进模糊C均值算法，记为GSFS-FCM，该算法可自主确定最佳质量等级数量。GSFS-FCM算法表明，六个聚类可使损失函数最小化。从实际生产角度看，将聚类4和聚类5合并为一个等级，可形成保持生物学效用并与苗圃实践相一致的五个等级分类。与传统方法相比，该五级体系显著提升了移植后存活率和生长表现，等级内存活率范围为85.0%至97.8%（标准误SE 1.2–2.1%），且等级间差异清晰可辨。该方法提高了侧柏幼苗分级的科学严谨性，并为其他木本植物幼苗的质量分类提供了新框架。
基于GSFS-FCM算法的侧柏幼苗分级研究解读
**1. 研究背景与问题提出**
侧柏作为柏科常绿针叶树种，是中国重要的造林和绿化树种，具有需水量低、适应性强和木材品质优良等特点。中国对侧柏幼苗的年需求量约为20亿株，幼苗通常在苗圃培育2–3年后进行移栽。然而，侧柏幼苗之间存在显著的质量差异，严重影响移栽后的存活率和后续生长表现。幼苗质量直接决定长期发育和木材产量，因此建立科学的侧柏幼苗分级体系一直是实际生产中的持续挑战，并受到广泛研究关注。
目前，侧柏幼苗的质量分级主要依赖简单的形态学参数，如苗高和茎粗，辅以少量易测的根系形态指标。然而，更关键的根系参数如总根长和根系表面积需要使用根系扫描仪进行破坏性测量，过程耗时费力。此外，取样过程不可避免地扰动和破坏根系的原生土壤环境，可能影响结果的可靠性和准确性。近年来，多种根系检测技术如微根管系统、探地雷达、核磁共振成像、同位素示踪、X射线扫描分析和高密度电阻率法虽发展迅速，但各有局限。电阻抗谱（EIS）已被证明是有效评估根系形态参数的非破坏性方法，特别是原位EIS能够在不损伤根系的情况下快速获取根系相关参数，填补了非侵入性幼苗评估的关键空白。同时，侧柏幼苗的质量分级边界本质上是模糊的，传统硬聚类的“非此即彼”约束不适用，而模糊聚类算法基于模糊集合论，能够量化对象在多个类别间归属的不确定性。
已有研究验证了基于EIS的植物分类可行性，但现有算法存在显著局限：CLAFIC算法缺乏自适应学习和调整能力；支持向量机（SVM）和人工神经网络（ANN）强烈依赖参数选择；SPCA-LDC算法对异常值过于敏感。虽然模糊C均值（FCM）聚类算法在边界模糊的分类任务中有效，但传统FCM需要预先指定聚类数、对初始聚类中心敏感且易陷入局部最优。因此，针对性优化FCM算法以提升其在侧柏幼苗分级中的应用性十分必要。
**2. 主要关键技术方法**
研究人员从河北保定满城苗圃获取620株8月龄侧柏幼苗，其中60株用于人工分级并进行温度胁迫实验筛选EIS敏感参数，500株未分级幼苗作为聚类分析核心数据集。采用原位电阻抗谱（EIS）技术进行根系非破坏性检测，获取不同频率下的相位角、介电损耗角正切值等电学参数；采用WinRhizo根系扫描系统测定根系形态参数；通过Pearson相关分析、方差分析（ANOVA）和主成分分析（PCA）筛选特征变量；提出遗传麻雀家族搜索优化的模糊C均值聚类算法（GSFS-FCM），融合Halton序列初始化、变长编码、惯性权重和精英保留策略，自主确定最优聚类数和聚类中心；使用独立验证幼苗开展180天田间验证试验。
**3. 研究结果**
**3.1 温度胁迫下侧柏根系EIS值的变化趋势**
在温度胁迫条件下，随着激励频率从1200 Hz逐渐增加，阻抗实部逐渐下降，虚部缓慢上升。在5000–6000 Hz范围内阻抗实部和虚部出现异常拐点。低温和适温处理下根系电阻抗的实部和虚部在1200–4000 Hz和8000–250 kHz区间差异显著，证实EIS参数可用于表征侧柏幼苗根系质量。
**3.2 不同质量侧柏幼苗根系特征值变化趋势**
根据既定分级标准将自然生长条件下的侧柏幼苗分为三个等级后测量EIS发现，不同等级侧柏根系电阻抗实部和虚部的变化与胁迫条件下一致。平均电阻抗正切值（Z
imag/Z
real）在1200 Hz至300 kHz频率范围内呈连续曲线，而平均相位角在1200–4000 Hz和8000 Hz–300 kHz两个区间呈现两条不同的连续曲线。
**3.3 侧柏根系EIS值与根系形态参数的关系**
**3.3.1 相关分析：** 对60株不同等级侧柏幼苗测量1.2 kHz至1 MHz范围内的EIS参数并进行破坏性根系形态测定后相关分析发现，在4 kHz频率下，主根直径与EIS相位角（θ）呈显著相关（p < 0.01，r = 0.792），与正切值（tan δ）也显著相关。在400 kHz频率下，主根长度、主根直径、总根长、根体积和根系表面积均与tan δ显著相关。综合五项筛选标准，最终选择4 kHz相位角和400 kHz tan δ分别作为低频频段和高频频段的代表性参数。
**3.3.2 方差分析：** 单因素方差分析（ANOVA）及最小显著差数（LSD）事后检验表明，不同等级幼苗在4000 Hz相位角、400 kHz正切值和相位角以及多种形态学指标上均存在显著差异（P < 0.05），这些指标可作为侧柏幼苗质量分类算法的特征向量。
**3.3.3 主成分分析：** 对13个变量进行主成分分析（PCA）后依据Kaiser准则（特征值>1）和累积方差阈值（≥80%），保留5个主成分（PC1–PC5），累积方差贡献率为84.461%。根据Jolliffe方法，每个保留主成分中绝对值最大旋转载荷（|λ| ≥ 0.70）的变量被确定为代表性变量，最终确定茎粗（PC1）、株高（PC2）、分枝数（PC3）、θ@4 kHz（PC4）和tan δ@400 kHz（PC5）为五个特征变量。
**3.4 GSFS-FCM算法对侧柏幼苗分级结果**
将五个特征变量作为输入向量，GSFS-FCM算法通过同时最小化适应度函数F、模糊性能指数（FPI）和归一化分类熵（NCE），自主确定最优聚类数为六。与FCM、ACO-FCM和DEABC-FCM三种算法相比，GSFS-FCM在FPI、NCE、轮廓系数（SC）和Davies-Bouldin指数（DBI）四项有效性指标上均显著最优（Friedman检验χ2 = 150.0，p < 0.001）。由于聚类4和聚类5在特征空间上呈现交叉优势，通过Hotelling's T2检验、马氏距离、Cohen's d效应量和功效分析等多准则统计验证确认两聚类不可区分，将其合并为一个等级，最终形成五级分类体系，并制定了各等级的分级标准和判定规则。
**3.5 幼苗分级验证**
以小区为试验单元（每等级3个小区），采用二项广义线性混合模型（GLMM）分析存活率，单因素方差分析生长增量。田间验证结果表明，新五级体系中相邻等级间存活率差异均显著（Tukey校正p < 0.05），存活率从等级1的97.8 ± 1.2%到等级5的85.0 ± 2.1%；三种生长增量在相邻等级间也均差异显著。而传统三级体系中相邻等级在茎粗和分枝数上差异不显著，区间重叠明显。新体系等级内变异小、等级间无重叠且区分清晰。
**4. 讨论与结论**
**4.1 讨论总结：** 研究发现EIS参数与根系形态特征显著相关，低频电流主要沿质外体途径传导，高频电流可穿透细胞膜进入共质体，频率响应对根系组织内部结构和功能状态敏感。在8000 Hz至200 kHz的β-色散区域，不同质量幼苗的区分度更加明显。特征选择需平衡全面性和算法效率，最终选取的五个变量中，三个形态参数反映地上部生长势，两个EIS参数反映根系质量，结合两者可更全面评估幼苗质量。GSFS-FCM算法通过多种策略改进，在聚类质量和稳定性上显著优于对比算法，但运行时间较长。当聚类4和聚类5在特征空间中呈现交叉优势时，五准则统计验证协议客观确认了合并的合理性。五级分类体系分别对应高端景观绿化、城市绿化、边坡防护、苗木培育和荒山造林等不同应用场景。
**4.2 研究结论：** 原位EIS技术能够监测侧柏根系生长和发育状况，且对植株无破坏性。4000 Hz相位角和400 kHz正切值可作为反映侧柏根系质量的相关指标，从而避免复杂的根系形态参数测量过程和人工破坏根系。茎粗（mm）、株高（mm）和分枝数构成侧柏幼苗分级算法的特征向量。所提出的遗传麻雀家族搜索优化的模糊C均值聚类算法（GSFS-FCM）表现出稳健的聚类性能，在聚类效果上显著优于其他三种算法，且是四种算法中唯一能自主确定最优聚类数和聚类中心的算法。研究提出将8月龄侧柏幼苗划分为五个不同等级，并为每个等级提供了重新计算的中心值和分割阈值，同时给出了基于FCM隶属度函数和马氏距离的正式分级程序。GSFS-FCM算法同样适用于其他植物物种的幼苗分级。与常规三级标准相比，五级标准不仅降低了等级内标准差，提高了同等级幼苗的均匀性，还表现出更清晰的等级间差异化，相邻等级间指标无重叠，且能显著区分不同存活率的等级组，等级内存活稳定性显著更高。该研究发表于《Frontiers in Plant Science》。
