基于高光谱成像技术的不同时期番茄植株的快速无损判别研究

马 玲，马 倩，李亚娇，张祎洋，王 静，马思艳，马 燕，杜明华，吴龙国，2*

（1.宁夏大学 农学院，宁夏 银川 750001；2.宁夏现代设施园艺工程技术研究中心，宁夏 银川 750001）

番茄作为我国设施栽培面积最大的园艺作物，已成为许多地区的主要经济支柱作物，宁夏番茄因颜色粉红、果实扁圆、含糖度高、货架期长、营养丰富等特点而深受消费者喜爱。但宁夏降水量小且蒸发量大，水资源极为短缺，严重制约了设施蔬菜产业的发展。在种植过程中，适宜浓度的微咸水灌溉不仅能提供充足的水分，保障番茄作物的正常生长，还可提高番茄果实的营养价值［1］。

虽然微咸水灌溉可以缓解淡水资源危机，为作物生长提供水分，但是持续微咸水灌溉极易引起作物根层土壤盐分累积，导致次生盐渍化，最终影响作物的产量［2－3］。持续微咸水灌溉可抑制作物生长，主要归因于微咸水给作物生长带来的负效应［4］。这种负效应首先会导致土壤次生盐渍化，直接或间接对土壤物理、化学和生物学性状造成负面影响，如通气性变差及抗侵蚀能力变弱［5］、有机质和养分的有效性下降［5］、微生物和酶活性下降，进而对微生物调控的各类过程（如固氮、溶磷等养分转换及协助作物抗逆）造成不利影响［6－7］。因此，发展快速监测作物盐胁迫的方法是助力宁夏设施蔬菜产业发展的重要任务。

李莎等［8］发现灌溉水矿化度是影响作物根层含盐量的主要因素，杨树青等［9］的研究结果表明对于不同作物的灌溉水利用效率矿化度的计算不同，柴付军等［10］指出，长期多次向土壤中浇水会对其返盐产生影响。有学者向土壤浇灌矿化度微咸水，经过长时间试验，发现未对土壤产生次生盐渍化效应［11－13］。上述研究主要关注微咸水灌溉方法及其水土环境效应等方面，但对作物本身的关注较少（集中在对作物产量和品质的影响等）。所以，有必要从作物受到逆境威胁时对生理的参数响应和调控的视角，探讨微咸水灌溉下粮食作物的产量形成机制及对微咸水灌溉的调控技术，为合理开发利用微咸水给出相应的指导。

光谱技术作为一种新型的无损探测技术，可以利用物体的光谱特性推测其化学成分和特征结构，在较大范围上克服了常规探测技术所存在的缺陷。高光谱成像技术则由于具备非常广泛的高光谱反应范围和纳米量级的高光谱分辨率，能够精确鉴定地物光谱的细微差别，进而揭示地物组成与构造等方面的重大差异。Magnus等［14］将相关优化偏移（COW）算法在一个工业批处理过程的数据集上进行了测试。结果表明，COW可用于在线实时对齐，是一种同步时变过程数据的实用工具。李岚涛等［15］考察了7个镉胁迫梯度下菊苣叶片的高光谱响应特征，王松磊等［16］通过可见近红外高光谱成像技术构建了快速检测番茄叶片含水率的模型，郑小慎等［17］认为利用高光谱技术可以对作物叶绿素含量作出合理评价，孙红等［18］通过高光谱成像检测了土豆叶片的含水量，石吉勇等［19］提出了一种以叶绿素叶面分布特征诊断黄瓜中氮（N）、镁（Mg）元素亏缺的高光谱检测方法。文献［20］构建了一种新的多变量选择方法——变量组合集群分析（VCPA）法提取特征波长，通过指数递减函数消除贡献较小的变量，缩小了变量空间，其过程类似于达尔文进化论中的“适者生存”原则［21］。目前VCPA法已与其他建模方法相结合广泛应用于食品质量检测［22］、作物蛋白质含量检测［23］、医药［24］以及植物病害诊断［25］等多个领域。上述研究体现了高光谱成像技术在植物叶片物质含量检测方面的优势。

本文基于高光谱成像技术对番茄植株叶片进行定性研究，通过对番茄植株进行不同微咸水处理，采摘果实成熟期的叶片，利用高光谱成像技术提取番茄叶片特征光谱参数，采用偏最小二乘回归算法（PLSR）分析光谱特征参数与不同盐处理植株之间的相关关系，筛选并建立了番茄植株的盐胁迫诊断模型，以期为番茄植株的在线原位监测提供理论依据。

1 实验部分

1.1 材 料

供试番茄品种选用“博美2号”，购于宁夏贺兰县天源种业公司。

1.2 试验设计

于2020年7月至10月在宁夏大学国家实训基地玻璃温室中，采用基质盆栽的方式进行种植，在番茄苗长到四叶一心时移植，每盆移栽一株幼苗，待缓苗一周后，对番茄苗进行不同盐胁迫处理，设计A：50 mmol/L NaCl溶液；B：100 mmol/L NaCl溶液；C：150 mmol/L NaCl溶液；D：200 mmol/L NaCl溶液；E：250 mmol/L NaCl溶液共5个盐分浓度进行处理，对照组（CK）：0 mmol/L NaCl溶液。每个处理重复3次。每隔3 d，每株番茄植株按照500 mL灌溉量进行灌溉。采摘果实成熟期的上、中、下层叶片，每层采摘2片，共采集192片样本用于模型建立。

1.3 高光谱成像

采用HyperSIS－NIR高光谱成像系统（900 ~ 1 700 nm，光谱分辨率5 nm，256个波段）对番茄叶片进行光谱图像收集，该系统由北京卓立汉光仪器有限公司生产的高光谱成像光谱仪、CCD相机、4个35 W卤钨灯、电控位移平台、计算机和数据采集软件组成。通过反复调试获得最优采集参数：物距为400 mm，位移平台速度为15 mm/s，曝光时间为10 ms。

1.4 数据分析方法

1.4.1 光谱预处理由于高光谱图像是三维数据，信息量冗余，同时原始光谱存在基线漂移，因此需进行预处理。光谱预处理的目的在于减弱因仪器噪音、暗电流、多重共线性以及背景等产生的干扰［26－27］，主要方法有多元散射校正（MSC）、标准正态化（SNV）、正交信号校正（OSC）、COW等。

1.4.2 特征波长提取光谱仪采集的光谱数据往往数百甚至上千个，大量的数据会加大计算的难度，增加模型的复杂度，且光谱信息中包含大量的冗余与共线性数据，影响模型的效果。一般采用数据压缩提取特征信息或提取特征波长的方法提取有效信息，减少计算量，简化模型并提高模型的精度［28］。本研究采用间隔变量迭代空间收缩法（iVISSA）、间隔随机蛙跳法（IRF）、遗传偏最小二乘算法（GAPLS）、竞争性自适应加权算法（CARS）、变量组合集群分析（VCPA）等方法提取特征波长。

1.4.3 模型构建与评价为正确评估所建模型的准确度和稳定性，并确定样品间的含水量间隔，预先将192个样本分成校正集和预测集，选取3/4的样本作为建模集，另外1/4样本则作为预测集。以土壤的高反射率和含水量为主要输入量，通过偏最小二乘回归的方法构建了土壤含水量高光谱预测模型，模型有效性由决定系数（R2）、校正均方根误差（RMSEC）、预测均方根误差（RMSEP）和相对分析误差（RPD）值进行综合评估。

2 结果与讨论

2.1 番茄植株不同高度叶片的光谱特征分析

为了分析不同浓度盐胁迫下上、中、下层叶片的光谱特征，分别提取不同浓度盐胁迫处理下每株番茄植株不同高度下的叶片平均光谱，结果如图1所示。

图1 不同盐胁迫下叶片的平均光谱Fig.1 Average spectra of leaves under different salt stress

由图1可知：不同浓度盐胁迫处理下的光谱曲线在1 473 nm处有吸收峰，主要是水分子OH—基团的二倍频吸收，可通过图中光谱反射率的大小判断含水率的高低［29］。对于CK，番茄上、中部叶片的反射率低于下部叶片的反射率，说明下部叶片水分含量小于上、中部叶片，符合植物正常生长的规律。如图1A所示，植株在50 mmol/L NaCl的胁迫下，下部叶片的反射率均高于上、中部叶片，说明下部叶片的含水率低，这与CK规律相一致，表明低盐胁迫并未对植株上、中、下部叶片在1 473 nm处的光谱产生显著影响；植株在100、200、250 mmol/L NaCl的胁迫下（图1B、D、E），上部叶片反射率均高于中、下部叶片，说明盐胁迫处理使得上部叶片在1 473 nm处的光谱反射率增大，充分反映出盐胁迫的影响，即番茄植株上部叶片最先反应缺水；如图1C，番茄植株中部叶片在1 473 nm处的反射率高于上、下部叶片，说明中部叶片含水率低，表明150 mmol/L的NaCl溶液对番茄植株的影响相对较高。同一盐浓度（200、250 mmol/L NaCl溶液）下，植株叶片水分分布呈现下部 > 中部 > 上部，可为今后番茄植株精准灌溉提供指导。

2.2 不同盐浓度下番茄植株叶片的光谱特征分析

为了进一步分析盐分对番茄叶片光谱的影响机制，对不同盐浓度处理后番茄植株不同高度下叶片的光谱数据进行分析，结果如图2所示。

图2 不同高度下番茄叶片的平均光谱Fig.2 Average spectra of tomato leaves at different heights

由图2A可知，在1 473 nm处，上部叶片的光谱反射率呈现处理50 = 100 > 200 > CK > 150 > 250的趋势，说明微量的盐胁迫导致植株增加了光合作用，避免了盐胁迫对机体造成的损伤；当浓度过大时，机体产生自我保护，气孔关闭，从而积累水分，因此光谱反射率降低。中部叶片的光谱反射率呈现处理50 = CK > 100 > 150 > 200 > 250的趋势（图2B），说明高浓度的盐胁迫导致光谱反射率降低。下部叶片在1 473 nm处的光谱反射率呈现处理CK > 50 > 100 > 150 > 200 > 250的趋势，且差异显著（图2C）。综上，随着盐浓度的增大，中部和下部叶片的光谱反射率呈现降低的趋势，而上部叶片则出现反射率先增加再降低的趋势。

2.3 模型建立

为了建立不同盐胁迫下番茄叶片的预测模型，采用光谱－理化值共生距离（Sample set partitioning based on joint x－y distance，SPXY）法对192个番茄叶片光谱数据进行样本划分。选择3/4的样本作为校正集，1/4的样本作为预测集，并保证预测集在校正集范围内。按照实验处理A、B、C、D、E、CK，依次将其赋值为1、2、3、4、5、0，用于模型建立。

2.3.1 光谱预处理建模为保障精确化学计量学模型的有效性，必须对原始光谱进行预处理。本文分别选用MSC、SNV、OSC、COW进行光谱预处理，采用PLSR进行建模，结果如表1所示。其中RMSECV为交叉验证均方根误差，其值越小表明模型效果越好。

表1 经不同预处理的PLSR模型对比Table 1 PLSR models of different pretreatment

由表1可知：经MSC与SNV预处理所建立模型的决定系数R2C、R2P以及RPD值均小于原始光谱，RMSEP均大于原始光谱，说明MSC与SNV预处理使得模型的有效性减弱。COW光谱预处理与原始光谱建模效果差异不明显，且模型的稳定性一致。OSC预处理所建立的模型的相关系数R2P和RPD值均高于其他预处理方法，RMSEP也比其他预处理所建模型低，可能是在使用OSC处理后，消除了光谱矩阵中的一些与盐胁迫信息无关的噪声信号，提高了模型的预测精度。综上，OSC预处理后所建模型的有效性最佳，因此，优选OSC处理的光谱进行后续的光谱建模。

2.3.2 特征波长提取为了降低数据处理量，通过Matlab 2020a软件对原始数据进行特征波长提取，以减少无用信息，提高模型的预测能力和稳定性。本文中采用iVISSA、IRF、GAPLS、CARS、VCPA提取特征波段，同时通过PLSR法构建光谱模型，结果如表2所示。

表2 不同提取特征波长的模型对比分析Table 2 Comparative analysis of models with different extracted characteristic wavelengths

由表2可知，由CARS和iVISSA提取特征波长构建的PLSR模型R2P值更好，且特征波长相对较小。而GAPLS提取特征波长构建的PLSR模型的RPD值最低，说明其所建模型的有效性最低。VCPA与IRF提取特征波长所建模型的R2P、RPD差异性小。但VCPA倾向于选择更少的变量，可在多次指数衰减函数（EDF）运行后，从其余变量的所有组合中找到最优变量子集。因此，VCPA可以在变量较少的数据集上获得更好的预测性能［20］。综合特征波长数、R2、RMSEC、RMSEP和RPD值，优选VCPA－PLSR模型用于无损快速诊断番茄植株的盐胁迫程度，其预测模型的R2P与RMSEP分别为0.917、0.456，VCPA法提取的11个特征波长为945、975、990、1 002、1 005、1 067、1 204、1 326、1 595、1 642、1 660 nm。该法为快速无损检测番茄植株盐胁迫程度提供了一种有前景的策略，预测效果如图3所示。

图3 VCPA－PLSR模型的预测效果Fig.3 Prediction effect of VCPA－PLSR model

3 结 论

本文通过应用近红外高光谱成像技术对不同盐胁迫处理的番茄叶片进行检测，基于不同光谱预处理方法和特征波长提取方法建立了盐胁迫叶片的PLSR模型并进行比较，优选出最佳模型。结果显示：预处理在一定程度上提高了数据的预期效果，对数据噪音波段有一定的改善作用，经OSC预处理后所建模型的有效性最佳，VCPA法提取了11个特征波长。所建立的番茄叶片定性模型具有较好的预测效果。