基于近紅外光譜的紫丁香葉片葉綠素含量的估測研究

李俊明，邢艷秋，2*

(1.東北林業(yè)大學森林作業(yè)與環(huán)境研究中心，哈爾濱 150040;2.中國林業(yè)科學研究院資源信息研究所，北京 100091)

近紅外區(qū)域按ASTM(American Society for Testing and Materials，美國材料與試驗協(xié)會)定義是指波長在780～2 526 nm范圍內的電磁波［1］，是人們最早發(fā)現(xiàn)的非可見光區(qū)域，距今已有200a的歷史［2］。現(xiàn)代近紅外光譜分析是從農業(yè)分析開始的，由于近紅外譜區(qū)包含的信息比紫外可見區(qū)豐富得多，人們從農業(yè)分析領域中開始了用近紅外譜區(qū)分析農產(chǎn)品的工作。1970年美國的一家公司首先研制了近紅外品質分析儀器，到了20世紀80年代的中期，已有數(shù)以千計近紅外光譜分析儀進入應用單位，并發(fā)表了近2 000篇論文。20世紀90年代，國際分析界逐步形成了近紅外光譜分析的熱潮。近年來，近紅外光譜分析一直是匹茲堡會議的熱點［3－6］。

近紅外光譜應用領域不斷擴大，以其速度快、不破壞樣品、操作簡單、穩(wěn)定性好、效率高、無污染和成本低等特點，已廣泛應用于各個領域［7］。國外對近紅外光譜快速檢測技術的研究較早，檢測的涵蓋面較廣。Marcin等［8］用近紅外光譜分析技術分析重金屬區(qū)森林土壤微生物的化學生物特性;易時來等［9］研究了錦橙葉片氮含量可見近紅外光譜模型;黃凌霞等［10］用近紅外光譜技術檢測葉綠素值;李慶波等［11］用近紅外對葉綠素含量進行了研究，證明了其可行性。本文利用近紅外的快速無損檢測特點，來估測紫丁香葉片葉綠素含量，探索其可行性。

1 材料與方法

1.1 實驗材料

本實驗選取的實驗地點為黑龍江省哈爾濱市東北林業(yè)大學的城市示范實驗林場。哈爾濱市位于東經(jīng) 125°42'～ 130°10'，北緯 44°04'～ 46°40'之間，地處中國東北部，黑龍江省南部地區(qū)。氣候屬中溫帶大陸性季風氣候，冬長夏短。

選取哈爾濱市最常見的紫丁香(Syringa oblata)做為實驗材料。紫丁香系木樨科丁香屬落葉灌木或小喬木。又稱丁香華、北紫丁香、百結、情客和龍梢子。紫丁香原產(chǎn)我國華北地區(qū)，高可達4 m，枝條粗壯無毛。葉廣卵形，通常寬度大于長度，寬5～10 cm，端尖銳，基心形或楔形，全緣，兩面無毛。圓錐花序長6～15 cm;花萼鐘狀，有4齒;花冠堇紫色，端4裂開展;花藥生于花冠中部或中上部。碩果長圓形，頂端尖，平滑。花期4月。

1.2 實驗儀器

本次實驗使用的儀器有LabSpec@ProFR/A114260便攜式快速掃描光譜儀，葉綠素儀SPAD－502。數(shù)據(jù)處理應用的軟件為ViewSpePro軟件和Unscrambler9.7軟件。

LabSpec@ProFR/A114260便攜式快速掃描光譜儀的光譜波長范圍為350～2 500 nm，在700 nm波長處的光譜分辨率為3 nm，而在波長1 400和2 100 nm處的光譜分辨率為10 nm。使用光纖探頭將照明光信號傳輸?shù)綐悠分校缓笫占姆瓷涔饣蛲干涔猓梢杂脕頊y量樣品的透射或者反射光譜。本次實驗采用兩分叉光纖進行樣品光譜采集。

SPAD葉綠素儀可以用來測量植物的葉綠素相對含量或“綠色程度”，從而可以了解植物真實的硝基需求量并且?guī)椭私馔寥老趸娜狈Τ潭然蚴欠襁^多地施加了氮肥。可以通過這種儀器來增加“N的利用率”并可保護環(huán)境 (防止施加過多的氮肥而使環(huán)境特別是水源受到污染)。SPAD葉綠素儀通過測量葉片在兩種波長范圍內的透光系數(shù)來確定葉片當前葉綠素的相對數(shù)量。它由 SPAD－DL葉綠素儀和SPAD葉綠素儀組成。

ViewSpePro軟件和Unscrambler9.7軟件是與Labspec@proFR/A114260便攜式快速掃描光譜儀近紅外光譜儀相配套的分析軟件，可以用ViewSpePro軟件進行光譜處理，如除噪、濾波處理等平滑處理，用Unscrambler9.7軟件該軟件進行建模分析，建模方法有偏最小二乘法，多元線性回歸分析法等。使用起來比較方便，有利于實驗的統(tǒng)計分析。

1.3 實驗方法

選擇天氣晴朗的午后采集葉片。在實驗區(qū)內采集紫丁香的葉片60片，葉片健康新鮮，無病斑。將采好的葉片用塑料薄膜密封好并編號帶回實驗室，將葉片放入4℃的冰箱中保鮮。

用近紅外光譜儀掃描紫丁香葉片，掃描過程如下:首先打開電源，輸入文件名“葉片”，進入系統(tǒng)后用校驗白板進行校驗，待光譜校驗完后設置基本信息:設置掃描次數(shù)為30次，光譜為吸收光譜。然后掃描葉片。掃描后的光譜圖有2 151個波長。

光譜掃描后，用SPAD－502測量紫丁香的正面葉片葉綠素值。為避免外界光線打擾，測量過程需在無光線的室內進行。首先打開電源，校驗調零，然后將樣品放入測量頭的樣品槽中，用手按住測量頭，關閉測量槽，直到儀器發(fā)出“吡”的聲音，并且數(shù)據(jù)顯示在液晶顯示屏上。每個樣品測量4次并取其平均值作為葉片葉綠素含量的參比值。

1.4 建模與驗證

從60片紫丁香樣品中隨機抽取40片為建模集，其余20片為驗證集，建立40片葉片的葉綠素含量與光譜的回歸模型，分析其相關性，并將驗證集的葉片數(shù)據(jù)代入該回歸模型，估測紫丁香的葉綠素含量，驗證該模型的可行性。

2 數(shù)據(jù)處理

2.1 光譜預處理

將60個樣品的光譜掃描圖用ViewSpecPro軟件進行預處理。首先將樣品的60個光譜圖輸入ViewSpecPro中，瀏覽其光譜特征。從中發(fā)現(xiàn)光譜有不連續(xù)的地方，采用一階導數(shù)和取對數(shù)的方法對樣品的光譜進行預處理，預處理后的樣品光譜如圖1所示。最后將樣品光譜轉換成Unscrambler9.7軟件能識別的JCAMP－DX格式輸出。圖1中，縱坐標為光譜吸收率，橫坐標為波長，單位為nm。

圖1 紫丁香光譜圖Fig.1 The spectrum of Syringa oblate

打開Unscrambler9.7軟件，導入JCAMP－DX格式的樣品的數(shù)據(jù)。再將紫丁香對應的60個葉綠素值加入到其光譜數(shù)據(jù)中，做為數(shù)據(jù)建模時的Y變量。將樣品做如下的平滑處理:高斯濾波處理后進行移動均值處理。到此時，數(shù)據(jù)預處理完畢。數(shù)據(jù)處理后的紫丁香葉片光譜圖如圖2所示。

圖2 數(shù)據(jù)處理后的紫丁香光譜圖Fig.2 The spectrum of Syringa oblata after data processing

2.2 建立光譜與葉綠素關系模型

在建模集中以近紅外光譜儀測定的2 151個點的光譜值作為回歸模型的自變量，以葉綠素儀測定相應葉片的葉綠素值作為因變量，統(tǒng)計回歸方法選擇PLS(偏最小二乘法)，波段范圍選為全部波段(2～2 151 nm)，驗證的方法采用隨機交互驗證法，發(fā)現(xiàn)此波段的建模效果最佳。建模后的圖形如圖3所示，中間的直線為訓練集，交點左側上方的直線為校驗集。

2.3 模型驗證

將東北林業(yè)大學實驗林場紫丁香的校驗集的20個數(shù)據(jù)帶入回歸模型中進行校驗，校驗結果如下圖示。在圖4中，橫坐標為實際測量值，縱坐標為估測值。

圖3 紫丁香建模圖Fig.3 The modeling of Syringa oblate

圖4 紫丁香估測圖Fig.4 The estimation of Syringa oblate

3 結果與分析

從圖1的紫丁香光譜圖中我們可以看出，350～500 nm吸收率較高，而在750～1 400 nm之間的光譜吸收率很低且趨于平緩，1 400～1 500 nm之間的光譜吸收率又呈上升趨勢，但之后又下降直到1 800 nm時光譜吸收率又上升且在1 950 nm時達到最大值。因此，從中可以發(fā)現(xiàn)在不同的波段光譜吸收率不同，且相差很大。為了模型更好的建立需要對全波段及不同波段進行模型建立，從中選擇更為理想的模型。結果表明，用全波段 (2～2 151 nm)之間的光譜圖所建立的模型效果最為理想。紫丁香葉片的光譜與葉綠素含量相關性結果見表1。

表1 建模集紫丁香葉片的光譜與葉綠素含量相關性Tab.1 The correlation between spectrum and chlorophyll of Syringa oblata leaf in modeling

從上表中可以看出，建模集的預測集和驗證集的R2分別達到0.86和0.73，相關系數(shù)均達到85%以上。將東北林業(yè)大學實驗林場紫丁香的驗證集的20個數(shù)據(jù)帶入模型中進行驗證，驗證結果表明R2值達到0.82，相關系數(shù)達90.85%，表明用近紅外估測紫丁香葉綠素含量可以得到較好的效果。

4 結論

本文利用偏最小二乘法建立了紫丁香葉綠素含量與光譜的回歸模型，訓練集和驗證集的R2值分別達到0.86和0.73，并且通過其余紫丁香樣本的驗證，R2值達到0.82，相關系數(shù)已達90.85%，說明用近紅外技術估測葉片的葉綠素含量是可行的，具有應用于葉片葉綠素含量估測的潛力。另外建議嘗試其他的統(tǒng)計回歸方法來估測葉片的葉綠素含量。

【參 考 文 獻】

［1］高榮強，范世福．現(xiàn)代近紅外光譜分析技術的原理及應用［J］．分析儀器，2002(3):9－12．

［2］徐廣通，袁洪福，陸婉珍．現(xiàn)代近紅外光譜技術及應用發(fā)展［J］．光譜學與光譜分析，2000，20(2):134 －142．

［3］金欽漢．從2000年匹茲堡會議看分析化學和分析儀器發(fā)展的一些新動向［J］．現(xiàn)代科學儀器，2000(3):14 －16．

［4］金欽漢．從1999年匹茲堡會議看分析儀器的跨世紀發(fā)展動向［J］．分析儀器，1999(2):1 －5．

［5］陳煥文，金欽漢．2003年匹茲堡會議簡介［J］．現(xiàn)代科學儀器，2003(2):41－45．

［6］郝斯琪，宋博騏，李 湃，等．基于近紅外光譜與BP神經(jīng)網(wǎng)絡預測落葉松木屑的含水就緒［J］．森林工程，2012，28(4):9 －11．

［7］龔玉梅，張 煒．近紅外光譜檢測技術及其在林業(yè)中的應用［J］．光譜學與光譜分析，2008，7(7):1544 －1548．

［8］Chodak M，Niklinska M，Beese F．Near-infrared spectroscopy for analysis of chemical and microbiological properties of forest soil organic horizons in a heavy-metal-polluted area［J］．Biology and Fertility of Soils，2007，44(1):171-180．

［9］易時來，鄧 列，何紹蘭，等．錦橙葉片氮含量可見近紅外光譜模型研究［J］．果樹學報，2010，27(10):13 －17．

［10］黃凌霞，金航峰，趙麗華，等．桑樹葉片的葉綠素值檢測與光譜特征分析方法［J］．蠶業(yè)科學，2008，34(4):718 －724．

［11］李慶波，黃彥文，張廣軍，等．基于可見－近紅外光譜的植物葉綠素含量無損檢測方法研究［J］．光譜學與光譜分析，2009，29(12):3275－3278．