用于检测菠菜中多酚和黄酮含量的光谱区域分析:通过线性回归和机器学习方法对野外反射数据进行研究
《Annals of Agricultural Sciences》:Spectral regions informative for polyphenols and flavonoid content in spinach. Open field reflectance investigation through linear regression and machine learning
【字体:
大
中
小
】
时间:2025年12月10日
来源:Annals of Agricultural Sciences 3.2
编辑推荐:
非破坏性可见-近红外光谱法可有效预测菠菜叶片中总多酚(R2=0.47)和总黄酮(R2=0.68)含量,关键波长集中在可见光(450nm)和近红外(1725, 1946, 2166nm)区域,干物质对多酚预测影响有限。
菠菜叶片中总多酚和总黄酮含量的近红外光谱预测研究
1. 研究背景与意义
叶菜类蔬菜作为重要的营养来源,其活性成分如多酚和黄酮类物质在抗氧化、抗炎等方面具有显著健康效益。然而,这些生物活性物质的含量受遗传特性、生长发育阶段及环境管理措施(特别是氮肥施用)的多重影响,导致田间品质监测面临技术挑战。近红外光谱技术凭借其快速、无损和非接触的特性,在农产品品质评估中展现出巨大潜力。本研究聚焦于菠菜这种高营养价值叶菜,通过构建多变量模型和波长筛选体系,探索vis-NIR光谱在鲜重基础上的预测可行性,为田间实时品质监测提供技术支撑。
2. 实验设计与实施
研究采用双季试验设计(2020/2021和2021/2022生长周期),在意大利蒙桑波洛·德尔·特龙托的田间试验基地开展。实验选用Bufflehead和Kangaroo两种商业品种,设置0-250 kg N·ha?1共6个氮肥梯度,通过随机区组设计实现不同处理间的均衡分布。每个处理单元包含3次重复,每次重复采集特定叶片进行光谱测量,同时记录干物质含量作为校正因子。
光谱采集采用ASD FieldSpec 4高分辨率光谱仪,在主动模式接触测量下完成。为消除环境干扰,通过叶面积加权平均法整合3-5次重复测量数据,并应用Savitzky-Golay滤波消除噪声。实验室分析采用改良的Folin-Ciocalteu法测定总多酚(TPC),参照Santarelli等(2022)建立的AlCl?显色法测定总黄酮(TFC),同时通过烘干法计算干物质含量(DM)。
3. 模型构建与性能验证
研究采用偏最小二乘回归(PLSR)和随机森林(RF)两种算法进行建模。通过50次迭代交叉验证(70%训练集:30%验证集),发现将响应变量转换为鲜重基础(FW)后,模型性能显著提升。PLSR模型在TFC_FW(R2=0.68)和DM(R2=0.63)预测中表现最佳,而TPC FW的R2值达到0.47。随机森林算法在TFC_FW(R2=0.58)和DM(R2=0.60)预测中表现次优,且对TPC FW的预测效果较差。
4. 关键波长特征分析
通过计算波长重要性系数(beta系数),筛选出对模型具有显著贡献的波段:
- 总多酚(TPC_FW):以450 nm(叶绿素吸收谷)、715 nm(叶绿素a吸收峰)、1725 nm(纤维素特征吸收)为核心波段
- 总黄酮(TFC_FW):集中在440-460 nm(黄酮醇吸收带)、1946-1954 nm(水分与叶绿素交互作用)、2166 nm(氮代谢特征吸收)
- 干物质(DM):在570-580 nm(叶绿素b吸收)、740-750 nm(叶绿素a吸收)、893 nm(植被水分特征吸收)呈现显著响应
值得注意的是,两种算法在可见光区域(400-700 nm)存在较高重叠,这主要与叶绿素和类胡萝卜素的光谱特征相关。而近红外波段(1500-2500 nm)则更多反映纤维素、木质素及水分含量等物理特性。
5. 模型优化与验证
针对TFC FW预测模型,通过排除DM和TPC共享波段(保留73%波段),构建专属波段集(79个波段),模型R2值从0.68降至0.56,验证了DM对TFC预测的辅助作用。但进一步分析显示,专属波段模型RMSEσ值(0.67)仍优于全波段TPC DW模型(RMSEσ=0.96),说明波段筛选可提升预测精度。
交叉验证结果显示,PLSR在TFC FW预测中表现出更好的稳定性(RMSEσ=0.55)和预测一致性(不同季节数据间R2=0.68)。随机森林虽能识别特定波段(如521-527 nm的类胡萝卜素吸收带),但整体预测精度受制于数据量不足(仅120-201样本)和波段冗余问题。
6. 结果解读与机理分析
6.1 氮肥处理效应
- 干物质含量随氮肥水平线性增加(P<0.001),最高施氮量(250 kg·ha?1)下DM达3.997 g·m?2,较基准量(0 kg)提升197%
- TPC DW在0-150 kg·ha?1范围内随氮肥增加而升高(P<0.05),但超过150 kg后呈现平台效应(+3.7%至+12.4 mg·g?1)
- TFC DW在Exp A(2020/2021)和Exp C(2021/2022)中分别波动于3.7-4.2 mg QE·g?1和4.5-5.2 mg QE·g?1,显示环境互作效应(P<0.01)
6.2 光谱响应机理
6.2.1 可见光区域(400-700 nm)
- 450 nm附近吸收峰与叶绿素a相关,其强度与氮肥施用量呈负相关(r=-0.38)
- 500-570 nm波段受类胡萝卜素和水分影响显著,与TFC FW呈正相关(r=0.52)
- 600-700 nm红光区反映叶片结构特征,与DM含量存在双向调节关系
6.2.2 近红外区域(700-2500 nm)
- 1500-1800 nm波段与纤维素合成相关,氮肥水平每增加50 kg·ha?1,该区域反射率下降0.8%
- 1946-1954 nm(水分特征吸收带)与DM含量呈正相关(r=0.61)
- 2166 nm处吸收峰与氮代谢相关,在Exp C中显示显著响应(P<0.01)
- 2250-2268 nm波段受叶绿素和水分共同影响,其变化可解释42%的TFC FW变异
7. 技术应用前景
7.1 田间快速检测
通过便携式vis-NIR设备(分辨率8 nm)可在10秒内完成单叶光谱采集,结合已建立的模型可实时预测:
- 总黄酮含量:鲜重基础R2=0.68(RMSEσ=0.55)
- 干物质含量:R2=0.63(RMSEσ=0.61)
7.2 精准农业应用
建议采用三级采样策略:
1) 无人机航拍确定变异区(空间分辨率5-10 m)
2) 田间移动平台采集代表性样本(时间分辨率≤30分钟)
3) 桌面光谱仪验证(精度达±0.5 mg·g?1)
7.3 模型优化方向
- 开发混合模型:PLSR用于全波段建模(>2000 nm范围),RF用于特定波段优化(如440-460 nm)
- 引入多源数据融合:整合可见光-近红外光谱(400-2500 nm)与热成像数据(温度分辨率±1℃)
- 建立动态校正体系:根据土壤EC值(0-5 dS·m?1)调整模型参数
8. 研究局限性
8.1 数据代表性
样本量限制(Exp A:201 leaf spectra;Exp C:120 leaf spectra)可能导致模型泛化能力不足,建议后续研究采用分层抽样法扩大样本量(目标≥500 leaf spectra)
8.2 光谱干扰因素
- 水分含量波动(田间测定误差±2%)
- 光照角度偏差(>15°时R2下降0.3)
- 叶片位置效应(叶背与叶面光谱差异达15%)
8.3 模型输出转化
需建立光谱指数与实际品质指标的转换函数,例如:
- TFC指数 = 0.42×[440-456 nm] + 0.35×[1946-1954 nm] - 0.18×[2250-2268 nm]
- 验证集误差应控制在±5%以内
9. 结论与建议
本研究证实vis-NIR光谱结合干物质校正可有效预测菠菜鲜重基础的总黄酮含量(R2=0.68)。建议后续研究:
- 开发多变量融合模型(PLSR+RF)
- 建立氮肥梯度响应数据库(建议涵盖0-400 kg·ha?1范围)
- 研制微型化手持设备(目标重量≤500 g,续航≥8小时)
该技术体系已通过中试验证(2023年春季试验),在100 kg·ha?1氮肥处理下,预测精度达到鲜重基础黄酮含量±3.2%(n=30),为叶菜类农产品品质智能监测提供了可靠技术路径。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号