‘新新2號’核桃堅果種仁脂肪含量光譜反演模型

楊伊欣++潘存德++胡珍珠

摘 要：利用光譜技術為‘新新2號（Juglans regia 'Xinxin2'）核桃堅果種仁脂肪含量的早期快速預測提供技術途徑?；凇?414”肥料效應田間試驗，通過Person相關分析篩選出與葉片N、P、K含量呈極顯著相關的光譜敏感波段，并采用回歸分析建立‘新新2號核桃種仁脂肪含量光譜反演模型。結果顯示，‘新新2號核桃果實坐果期、速生生長期、硬核期、脂化期和近成熟期葉片N素敏感波段分別為422和722 nm，713和990 nm，417和576 nm，630和638 nm，536和713 nm；P素敏感波段分別為468和470 nm，418和504 nm，615和650 nm，329和1 114 nm，424和429 nm；K素敏感波段分別為649和657 nm，708和709 nm，662和722 nm，524 和694 nm，944和981 nm。以上述光譜敏感指示波段為自變量，采用冪函數和指數函數可以構建‘新新2號核桃種仁脂肪含量光譜反演模型?！滦?號核桃種仁脂肪含量光譜反演模型可通過果實不同生育時期光譜反射率與堅果種仁脂肪含量構建。

關鍵詞： ‘新新2號核桃；葉片；脂肪含量；相關分析；回歸分析

中圖分類號：S664.1 文獻標識碼：A DOI 編碼：10.3969/j.issn.1006-6500.2016.02.003

Spectral Inversion Models for Nut Kernel Fat Content of Juglans regia 'Xinxin2'

YANG Yixin， PAN Cunde， HU Zhenzhu

（Key Laboratory of Ecology and Industry Technology in Aird Region， Education Department of Xinjiang， College of Forestry and Horticulture， Xinjiang Agricultural University， Urumqi， Xinjiang 830052， China）

Abstract： As the J. regia 'Xinxin2'walnut kernel fat content of early rapid prediction provides a technical approach using spectrum technology. Based on "3414" fertilizer effect field experiments， select the spectral sensitive bands were significantly correlated with the NPK content of the leaves through the person correlation analysis， by regression analysis， established the spectral inversion models for nut kernel fat content. The spectral sensitive bands of foliar N， P， K element were different in fruit enlargement stage， fruit-set period， fast-growing period， hardcore period， fat changes period and Near mature period of J. regia 'Xinxin2'. The spectral sensitive bands of foliar N element at four phenological stages of fruit development were 422，722，713，990，417，576，630，638，536，713 nm respectively. The spectral sensitive bands of foliar P element were 468 ，470，418，504，615，650，329，1 114，424，429 nm respectively. The spectral sensitive bands of foliar K element were 649，657，708，709，662，722，524，694，944，981 nm respectively. Sensitive indicator in the spectral bands as variable by power function and exponential function to construct the model for nut kernel fat content of J. regia 'Xinxin2'. The spectral inversion model for nut kernel fat content of J. regia 'Xinxin2' can be constructed by walnut fruit in different growth period of spectral reflectance and the nut kernel fat content.

Key words： Juglans regia 'Xinxin2'； leaf； fat content； correlation analysis； regression analysis

核桃（Juglans regia L.）堅果種仁脂肪含量是核桃堅果品質的重要指標[1]。而堅果品質的好壞直接影響到核桃的經濟價值，進而影響農戶收入。‘新新2號核桃作為新疆當地主栽品種之一，快速無損地早期預報其堅果種仁脂肪含量對指導其優質生產具有重要意義。近年來，隨著光譜技術的快速發展，植物光譜分析方法被廣泛運用于作物生理生化特征及果實品質的測定[2]。國內外已有很多學者利用光譜來反演作物的營養狀況。這在經濟作物小麥[2-4]、玉米[5-6]、黃豆[7]、水稻[8-9]和果樹[10-11]等方面均已有相關研究。在光譜反演作物品質方面，王紀華等[12]研究發現，小麥葉片全氮含量的敏感波段為820～1 100 nm和1 150～1 300 nm，通過監測開花期葉片氮含量可有效預測小麥籽粒品質。薛利紅等[13]發現，水稻的淀粉含量可以通過灌漿盛期的冠層光譜敏感波段660 nm和710 nm的比值和歸一化組合來預測。果樹方面利用光譜反演作物品質的研究甚少。本研究首先篩選出果實不同生育時期葉片N、P、K光譜敏感波段，然后選擇適宜的光譜數據處理方法，最終建立‘新新2號核桃堅果種仁脂肪含量光譜反演模型。

1 材料和方法

1.1 材 料

試驗于2014年在新疆阿克蘇地區烏什縣阿克托海鄉吉格代力克村的核桃生產園（N 41°12′54.36′′～41°13′03′′，E 79°15′41.28′′～79°15′52.02′′）進行。供試地區屬暖溫帶大陸性干旱氣候，年平均氣溫9.4 ℃，多年平均降水量91.5 mm，年均蒸發量2 003.8 mm，年日照時數2 750～2 850 h，無霜期250～286 d。供試地面積1 hm2，供試核桃品種‘新新2號，試驗地土壤為灌淤土，土層深厚。

1.2 方 法

1.2.1 試驗設計 供試品種為12 a健康無病蟲害的‘新新2號核桃，參試樣株樹勢基本一致，株行距5 m×6 m，東西行向栽植與冬小麥間作。試驗采用“3414”肥效方案（表1），即N、P、K 3個因素，4個水平（0水平指不施肥、1水平指常規施肥量的0.5倍、2水平指常規施肥量、3水平指常規施肥量的1.5倍），共14個處理，每個處理設3個重復，共42個試驗小區（記為Tij，i=1，2，3，…，14；j=1，2，3）隨機排列，每一小區10株樹，共420株。

施肥處理：每一樣株N、P、K的常規施肥量（純量）分別為1.5，0.7，0.3 kg。氮肥用尿素（46%N），磷肥用過磷酸鈣（46%P2O5），鉀肥用硫酸鉀（51%K2O）。肥料在核桃萌芽前一次性施入。在樹冠2/3處進行環狀溝施，施肥深度50 cm。田間施肥于2014年3月下旬進行。

1.2.2 光譜數據采集 采用美國PP Systems公司生產的UniSpec-SC便攜式單通道光譜分析儀進行測定。光譜范圍310～1 130 nm，光譜分辨率<10 nm，在光譜范圍內可進行連續測量且重采樣間隔為1 nm。采集方法：在‘新新2號核桃果實的5個生育時期內測定，依次為坐果期（5月4日）、速生生長期（5月29日）、硬核期（7月12日）、脂化期（8月5日）、近成熟期（8月30日）。測定時選擇晴朗無云、無風天氣在北京時間12：00—15：00時間段進行測定，選取參試樣株樹冠中上部外圍枝條健康活體葉片5～6片，每一葉片6次重復測定，取平均值作為被測定樣株的葉片光譜反射率。每次數據采集前均進行系統優化設置和標準白板校正。

1.2.3 葉樣采集與N、P、K含量測定 同一生育時期內葉片采集與光譜測定同步，將采集后的葉片迅速帶回室內依次用蒸餾水和去離子水洗滌，然后除去葉片多余水分，于105 ℃鼓風烘箱中恒溫殺青20 min，80 ℃下烘干，粉碎，裝入密封袋中供N、P、K濃度測定。

1.2.4 ‘新新2號核桃堅果種仁脂肪含量測定 采用 GB/T 5009.6—2003 食品中脂肪的測定、索氏提取法[18]。

1.3 數據分析處理

使用Pearson相關分析篩選出果實不同生育時期葉片N、P、K含量與光譜反射率相關性高的波段，采用算術相加、算術相加后取常用對數（簡稱對數，下同）、各自取對數后相加等3種數學處理所得的光譜反射率或其衍生變量作為自變量，以堅果種仁脂肪含量為因變量，建立冪函數或指數函數回歸關系。數據分析采用SPSS 18.0、DPS V6.5、Microsoft Office Excel 2003軟件，繪圖采用Origin 7.5軟件。

2 結果與分析

2.1 果實不同生育時期葉片N、P、K含量與光譜反射率的相關性

2.1.1 光譜反射率與葉片N含量的相關性 如圖1所示，在果實坐果期、脂化期、近成熟期，‘新新2號核桃葉片光譜反射率與其N含量在310～1 130 nm波段均呈負相關關系。

果實坐果期，在紫光（310～440 nm）、綠光（530～570 nm）和紅光（704～803 nm）波段的相關性均較強，在422，546，722 nm波段左右的相關性均較高，相關系數為-0.967 3，-0.976 8，-0.999 3。脂化期，700～1 130 nm波段的相關程度不如可見光波段。黃光（602～660 nm）波段的相關性最強。近成熟期，522～569 nm和702～740 nm波段相關性較強，相關系數分別為-0.972 4和-0.957 1，其余波段的相關系數均不高。因此，坐果期、脂化期和近成熟期葉片N含量的敏感波段分別為310～570 nm和704～803 nm、602～660 nm、522～569 nm和702～740 nm。

速生生長期，葉片光譜反射率與其N含量在310～1 130 nm波段均呈正相關關系。在綠光（533～570 nm）和（705～1 062 nm）波段的相關性均較強，705～1 062 nm波段的相關性高于可見光波段，相關系數最高達到-0.958 7。但在1 062 nm之后相關性逐漸減弱。因此，705～1 062 nm波段可作為速生生長期葉片N含量的敏感波段。

硬核期，葉片N含量與其光譜反射率的相關性不同于其它4個生長發育階段，在310～465 nm和1 096～1 130 nm波段呈負相關，但在466～1 095 nm波段呈正相關。其中，407～441 nm和533～645 nm波段的相關性較好，最大相關系數達到0.988 5。因此，該波段可作為該時期葉片N含量的指示波段。

2.1.2 光譜反射率與葉片P含量的相關性 如圖2所示，‘新新2號核桃葉片含P量與其光譜反射率在坐果期，可見光波段310～722 nm的相關性明顯高于紅外波段723～1 130 nm的相關性，其中紫光（310～384 nm）和（724～924 nm）波段與葉片P含量呈負相關，385～723 nm波段呈正相關性，在450～510 nm波段相關性最高，相關系數達到0.980 2。紅外波段的相關性均較低，相關系數低于0.110 9。因此，450～510 nm波段可作為坐果期葉片P含量的敏感波段。

速生生長期，葉片P含量與其光譜反射率的相關性在可見光波段310～590 nm和紅外波段698～1 130 nm處呈正相關關系，其中310～530 nm波段上相關性相對較高，591～697 nm波段呈負相關，但相關性程度不高。因此，310～530 nm波段可作為該時期葉片P含量的敏感波段。

硬核期，葉片P含量與其光譜反射率在310～476 nm、679～685 nm和1 104～1 139 nm波段呈負相關關系，但相關性不強。其余波段呈正相關關系，在565～665 nm和692～716 nm波段相關性最強。因此，565～665 nm和692～716 nm波段可作為硬核期葉片P含量的敏感波段。

葉片P含量與其光譜反射率在脂化期和近成熟期的整個波段里均成負相關關系。脂化期，在310～377 nm和1 087～1 120 nm波段，相關性較好，相關系數最高為-0.975 3。近成熟期，在398～457 nm波段，相關性最強，457 nm波段之后，相關性逐漸降低。因此，310～377 nm和1 087～1 120 nm波段、398～457 nm波段可分別作為脂化期和成熟期葉片P含量的敏感波段。

2.1.3 光譜反射率與葉片K含量的相關性 如圖3所示，果實坐果期，‘新新2號核桃葉片K含量與其葉片光譜反射率在310～400 nm波段呈正相關關系，且相關性逐漸降低，但721～1 130 nm波段，K含量與葉片光譜反射率呈負相關關系，628～668 nm波段相關性最高，在654 nm左右相關性的相關系數達到-0.995 5。因此，628～668 nm可作為坐果期葉片K含量的敏感波段。

速生生長期，葉片K含量與其光譜反射率在437～513 nm和593～694 nm波段表現為負相關關系，相關性較低，其余波段呈正相關關系，703～1 100 nm波段的相關性高于310～436 nm和514～592 nm波段。其中709 nm處的相關系數達到0.948 5。因此，703～1 100 nm波段可作為速生生長期葉片K含量的敏感波段。

果實硬核期、脂化期和近成熟期，葉片K含量與其光譜反射率在整個波段上均成正相關關系。硬核期，整個波段的相關性系數均較高，在0.754 2～0.988 1之間，脂化期，515～538 nm和687～700 nm波段的相關性較高，相關性系數最高達到0.962 2，近成熟期，紅外波段（694～1 130 nm）相關性最強。因此，310～1 130 nm、675～702 nm和775～802 nm、694～1 130 nm可作為‘新新2號核桃硬核期、脂化期、近成熟期葉片K含量的敏感波段。

2.2 堅果果仁脂肪含量光譜反演模型

將‘新新2號核桃果實不同生育時期葉片N、P、K含量與不同波段光譜反射率的相關性分析結果作為依據，從所得的光譜敏感波段中選取果實的5個生長發育時期敏感指示波段的光譜反射率，進行算數相加、算數相加后取對數、各自取對數后相加3種數學處理，將所得的光譜反射率或其衍生變量作為自變量（x），以堅果種仁脂肪含量作為因變量（y），建立冪函數或指數函數回歸關系。

通過相關性分析可知（表2），‘新新2號核桃果實坐果期、速生生長期、硬核期、脂化期和近成熟期葉片N素光譜敏感指示波段分別為422 nm、722 nm，713 nm、990 nm，417 nm、576 nm，630 nm、638 nm，536 nm、713 nm；P素光譜敏感指示波段分別為468 nm、470 nm，418 nm、504 nm，615 nm、650 nm，329 nm、1 114 nm，424 nm、429 nm；K素光譜敏感指示波段分別為649 nm、657 nm，708 nm、709 nm，662 nm、722 nm，524 nm、694 nm，944 nm、981 nm。

由表3可知，所建立的回歸方程擬合度均較高，且采用果實5個生育時期葉片N、P、K含量敏感指示波段的光譜反射率算數相加或相加后取對數后的衍生變量作為自變量，與堅果種仁脂肪含量所建立的回歸方程擬合度有所提高，據此分析，‘新新2號核桃堅果種仁脂肪含量光譜反演模型可采用果實不同生育時期光譜反射率（x）與堅果種仁脂肪含量（y）來構建。

3 討 論

核桃堅果種仁脂肪含量一般在60%以上，是反映核桃品質的重要指標，直接影響其經濟價值[1，14]?！滦?號核桃作為重要的經濟樹種，了解其品質狀況至關重要，通過光譜數據早期獲悉其堅果種仁脂肪含量對后期的生產管理有一定的幫助。

近年來，已有多個研究探索了作物品質的無損檢測原理和技術途徑，本試驗以葉片中N、P、K含量為連接點，通過篩選出果實不同生育時期葉片敏感指示波段來構建核桃堅果種仁脂肪含量反演模型。馮偉等[15]研究表明，根據特征光譜參數—葉片氮素營養—籽粒蛋白產量這一技術路徑，將氮素營養作為連接點，發現開花期關鍵特征光譜指數可以有效地評價成熟期籽粒蛋白質產量狀況。本文研究與之相似。但與王紀華等[12]通過光譜監測開花期葉片氮含量可間接有效地估測小麥品質的研究有所不同。

有研究表明，獲取作物光譜數據時會受光照條件、溫度、風速、噪聲等外界因素影響[16]。有學者利用近紅外光譜分析了尖椒葉片葉綠素含量，發現不同的光譜波段選擇和光譜處理方法對構建的模型有較大影響[17]。通過回歸分析表明，采用果實的5個生育時期葉片敏感波段的光譜反射率相加取對數后的衍生變量作為自變量（x），堅果種仁脂肪含量作為因變量（y）建立的回歸方程擬合度有所提高。這可能是因為光譜反射率經對數變換后，增強了光譜差異，而且可以減少因光照條件變化引起的乘性因素的影響[18]。

4 結 論

本研究通過對不同施肥水平下‘新新2號核桃果實不同生育時期葉片中N、P、K含量與光譜反射率的相關性分析獲知，N、P、K元素在果實的5個生育時期存在光譜敏感指示波段，可根據光譜敏感指示波段的光譜反射率或其衍生變量利用冪函數或指數函數建立堅果種仁脂肪含量的光譜反演模型。

由于這些光譜反射率常因試驗條件的不同，在反演堅果種仁脂肪含量時有所差異，因此這些模型能否精確反演‘新新2號核桃堅果種仁脂肪含量，還需要作進一步的驗證。

參考文獻：

[1] QIAO Z X，ZHU M Z. Research of the amino acid component in bamboo[J]. Chin Pharm J，1993，28（1）：19-20.

[2] 劉宏斌，張云貴，李志宏，等. 光譜技術在冬小麥氮素營養診斷中的應用研究[J]. 中國農業科學，2004，37（11）：1743-1748.

[3] 王紀華，趙春江，郭曉維，等.用光譜反射率診斷小麥葉片水分狀況的研究[J]. 中國農業科學，2001，34（1）：104-107.

[4] 李栓明，郭銀巧，王克如，等.小麥籽粒蛋白質光譜特征變量篩選方法研究[J].中國農業科學，2015，48（12）：2317-2326.

[5] 王磊，自由路，盧艷麗，等.不同形式的光譜參量對春玉米氮營養元素診斷的比較[J].農業工程學報，2010，26（2）：218-223.

[6] 陳青春，蔣鋒，劉鵬飛，等. 光譜技術在玉米生產中的應用[J]. 廣東農業科學，2012（11）： 24-27.

[7] 李寧，閔順耕，覃方麗，等.近紅外光譜法非破壞性測定黃豆籽粒中蛋白質、脂肪含量[J].光譜學與光譜分析，2004，24（1）：45-49.

[8] 畢京翠，張文偉，肖應輝，等.應用近紅外光譜技術分析稻米蛋白質含量[J].作物學報，2006，32（5）：709-715.

[9] 王海蓮，萬向元，胡培松，等.稻米脂肪含量近紅外光譜分析技術研究[J].中國農業科學，2005，38（8）：1540-1546.

[10] 柴仲平，陳波浪，蔣平安，等.庫爾勒香梨葉片全鉀含量高光譜估算模型研究[J].中國生態農業學報，2014，22（1）：80-86.

[11] 李萍，柴仲平，武紅旗，等.基于光譜的庫爾勒香梨葉片氮素含量估算模型[J].經濟林研究，2013，31（3）：48-53.

[12] 王紀華，黃文江，趙春江，等. 利用光譜反射率估算葉片生化組分和籽粒品質指標研究[J]. 遙感學報，2003，7（4）：277-284.

[13] 薛利紅，曹衛星，李映雪，等. 水稻冠層反射光譜特征與籽粒品質指標的相關性研究[J]. 中國水稻科學，2004，18（5）： 431-436.

[14] 郭向華. 主要礦質元素含量與早實核桃產量質量的關系[D]. 保定：河北農業大學，2006.

[15] 馮偉，朱艷，田永超，等. 利用高光譜遙感預測小麥籽粒蛋白質產量[J]. 生態學雜志，2008，27（6）：903-910.

[16] SAMBORSKI S M，TREMBLAY N，FALLON E. Strategies to make use of plant sensors-based diagnostic information for nitrogen recommendations[J]. Agronomy Journal，2009，101：800-816.

[17] 蔣煥煜，應義斌. 尖椒葉片葉綠素含量的近紅外檢測分析實驗研究[J]. 光譜學與光譜分析，2007，27（3）：499-502.

[18] 中華人民共和國衛生部.食品中脂肪的測定： GB/T 5009.6—2003[S]. 北京：中國標準出版社，2003.