基于小波簇分析的马铃薯叶片叶绿素荧光参数检测方法优化研究

为解决传统叶绿素荧光参数(Fv/Fm)检测方法效率低、光谱信息利用不充分的问题，研究人员提出基于连续小波变换(CWT)的小波簇(WCL)方法，结合bior3.3、gaus4和meyr母函数提取敏感波长，建立WCL-RF模型，预测集R2达0.73，为作物光合功能监测提供新思路。

　　

光合作用是作物生长的核心过程，而叶绿素荧光参数（CFPs）尤其是最大光化学效率（Fv/Fm）被视为光合功能的“内在探针”。然而，传统脉冲调制法（PAM）需暗适应处理，难以实现实时监测。高光谱成像（HSI）虽能快速获取光谱数据，但反射光谱中叶绿素荧光信号易被叶片结构、水分等干扰，且现有研究多依赖单一植被指数（VIs）或红边波段，导致信息利用不足。中国农业大学的研究团队在《Computers and Electronics in Agriculture》发表论文，提出基于小波簇分析（WCL）的创新方法，显著提升了马铃薯叶片Fv/Fm检测精度。

研究采用Savizky-Golay平滑（SG）和多元散射校正（MSC）预处理光谱数据，通过连续小波变换（CWT）结合bior3.3、gaus4和meyr三种母函数构建WCL，利用蒙特卡洛无信息变量消除（MC-UVE）筛选敏感小波系数（WCs），最终建立偏最小二乘回归（PLSR）和随机森林（RF）模型。实验样本来自温室和乌兰察布华颂现代农业科技园的马铃薯品种“Atlantic”，覆盖块茎形成期的叶片数据。

样本集划分与统计分析
通过Kennard-Stone算法将样本按7:3分为校准集（157份）和预测集（67份），Fv/Fm值范围0.6–0.788，分布均匀性验证了数据集代表性。

讨论
WCL方法通过多母函数融合克服了单一小波函数的信息局限，WCL-RF模型预测集R²达0.73，RMSE为0.0225，优于传统PLSR。研究还发现反射光谱强度与Fv/Fm呈负相关，且bior3.3函数在705 nm和725 nm处贡献显著，揭示了荧光信号与反射光谱的复杂耦合机制。

结论
该研究为作物光合能力监测提供了高效、非破坏性的解决方案，其创新性体现在：1）WCL整合多尺度光谱特征，提升模型鲁棒性；2）MC-UVE算法优化波长选择；3）首次系统评估不同母函数对马铃薯Fv/Fm的响应特性。成果为精准农业中的冠层光合活性评估奠定了方法学基础。