基于高光谱成像的柑橘叶片年龄无损鉴别与营养诊断新方法

《Plant and Soil》：Towards a non-destructive foliar nutrient estimation in 'Clementina de Nules' mandarin through hyperspectral imaging-based leaf age discrimination

本研究针对柑橘园叶片营养诊断中因叶龄混杂导致施肥决策不准确的问题，开发了基于可见/近红外高光谱成像（500-980 nm）的叶片年龄鉴别和营养预测方法。通过偏最小二乘判别分析（PLS-DA）实现叶龄分类（准确率99.4%），并利用偏最小二乘回归（PLS-R）成功预测磷（P）、钾（K）、钙（Ca）、铁（Fe）、铜（Cu）等5种营养元素（R2p=0.59-0.69，RPD=1.5-1.8）。该研究为开发便携式传感器、实现柑橘园精准施肥提供了关键技术支撑，符合欧洲绿色协议可持续发展目标。

　　

在全球人口预计2050年达到97亿的背景下，如何通过技术创新平衡农业生产力和环境可持续性成为关键挑战。柑橘作为全球重要的经济作物，年产量达1.52亿吨，其中地中海地区贡献了20%的产量。施肥是保障柑橘产量的核心措施，但传统营养诊断方法存在明显局限：依赖人工采样分析7-9月龄的春梢叶片，而田间采样常混入不同叶龄叶片，导致营养评估误差和施肥决策失误。过度施肥会引起土壤盐渍化和地下水污染，而营养不足则导致叶片黄化、减产等问题。欧洲绿色协议更要求到2030年将肥料使用量减少20%，这对精准营养管理提出了更高要求。

传统诊断方法包括主观性强的目视评估和耗时费力的离子组学分析，难以满足实时监测需求。高光谱成像技术通过捕获500-980 nm范围内的光谱反射特征，为无损、快速的营养诊断提供了新思路。然而，现有研究多忽视叶龄变异的影响，且缺乏对多种营养元素的系统评估，特别是针对地中海气候条件下的柑橘栽培。本研究以'克勒门汀'柑橘为对象，通过两个生长季的采样，结合高光谱成像和化学分析，旨在解决叶龄混杂对诊断准确性的干扰，并建立关键营养元素的预测模型。

研究团队采用的高光谱成像系统包含工业级相机和液晶可调滤光片，光谱分辨率达10 nm。通过主成分分析（PCA）和Otsu阈值法实现叶片图像分割，并采用标准正态变量变换（SNV）预处理光谱数据。离子组学分析通过凯氏定氮法和电感耦合等离子体发射光谱法（ICP-OES）测定11种营养元素含量。建模阶段使用偏最小二乘判别分析（PLS-DA）进行叶龄分类，偏最小二乘回归（PLS-R）进行营养预测，并通过十折交叉验证确定最佳潜变量数。模型性能通过决定系数（R²）、均方根误差（RMSE）和预测偏差比（RPD）评估。

叶片年龄鉴别结果显示，春梢叶片与老叶在营养含量上存在显著差异。移动性营养元素（氮、磷、钾）在年轻叶片中浓度更高（如氮含量2.54% vs 1.97%），而难移动元素（钙、镁、铁等）在老叶中积累更多（如钙含量5.15% vs 2.29%）。光谱分析发现，可见光区（500-750 nm）的色素吸收特征是区分叶龄的关键，年轻叶片在500 nm和670 nm处显示更强的叶绿素吸收峰。PLS-DA模型使用49个波长时测试集准确率达99.4%，精简至10个可见光波长后仍保持同等精度，表明基于色素差异的叶龄鉴别具有高度可靠性。

营养预测方面，PLS-R模型对磷、钾、钙、铁、铜的预测能力最佳，测试集R²_p为0.60-0.69，RPD达1.5-1.8，可用于高、低浓度区分。其中钙的预测性能最突出（R²_p=0.69），而氮、镁、钠等元素模型预测能力较弱（RPD<1.5）。通过加权回归系数筛选出的10个关键波长 per 营养元素，主要集中在可见光区（500-750 nm）和近红外区（950 nm），分别对应色素吸收和水分含量特征。简化波长模型仍保持较好预测性能，为开发低成本多光谱传感器奠定基础。

本研究通过高光谱成像技术实现了柑橘叶片年龄的精准鉴别和部分营养元素的无损预测，解决了传统诊断中叶龄混杂的核心问题。该方法将诊断成本降低约50%，且支持实时监测，为精准农业提供了技术支撑。未来研究需拓展光谱范围以改善氮、锌等元素的预测精度，并通过多果园验证提升模型普适性。这项研究不仅是柑橘营养管理的重要突破，更为实现联合国可持续发展目标和欧洲绿色协议提供了关键技术路径。