‘新新2号’核桃坚果种仁脂肪含量光谱反演模型

杨伊欣++潘存德++胡珍珠

摘 要：利用光谱技术为‘新新2号（Juglans regia 'Xinxin2'）核桃坚果种仁脂肪含量的早期快速预测提供技术途径。基于“3414”肥料效应田间试验，通过Person相关分析筛选出与叶片N、P、K含量呈极显著相关的光谱敏感波段，并采用回归分析建立‘新新2号核桃种仁脂肪含量光谱反演模型。结果显示，‘新新2号核桃果实坐果期、速生生长期、硬核期、脂化期和近成熟期叶片N素敏感波段分别为422和722 nm，713和990 nm，417和576 nm，630和638 nm，536和713 nm；P素敏感波段分别为468和470 nm，418和504 nm，615和650 nm，329和1 114 nm，424和429 nm；K素敏感波段分别为649和657 nm，708和709 nm，662和722 nm，524 和694 nm，944和981 nm。以上述光谱敏感指示波段为自变量，采用幂函数和指数函数可以构建‘新新2号核桃种仁脂肪含量光谱反演模型。‘新新2号核桃种仁脂肪含量光谱反演模型可通过果实不同生育时期光谱反射率与坚果种仁脂肪含量构建。

关键词： ‘新新2号核桃；叶片；脂肪含量；相关分析；回归分析

中图分类号：S664.1 文献标识码：A DOI 编码：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.）坚果种仁脂肪含量是核桃坚果品质的重要指标[1]。而坚果品质的好坏直接影响到核桃的经济价值，进而影响农户收入。‘新新2号核桃作为新疆当地主栽品种之一，快速无损地早期预报其坚果种仁脂肪含量对指导其优质生产具有重要意义。近年来，随着光谱技术的快速发展，植物光谱分析方法被广泛运用于作物生理生化特征及果实品质的测定[2]。国内外已有很多学者利用光谱来反演作物的营养状况。这在经济作物小麦[2-4]、玉米[5-6]、黄豆[7]、水稻[8-9]和果树[10-11]等方面均已有相关研究。在光谱反演作物品质方面，王纪华等[12]研究发现，小麦叶片全氮含量的敏感波段为820～1 100 nm和1 150～1 300 nm，通过监测开花期叶片氮含量可有效预测小麦籽粒品质。薛利红等[13]发现，水稻的淀粉含量可以通过灌浆盛期的冠层光谱敏感波段660 nm和710 nm的比值和归一化组合来预测。果树方面利用光谱反演作物品质的研究甚少。本研究首先筛选出果实不同生育时期叶片N、P、K光谱敏感波段，然后选择适宜的光谱数据处理方法，最终建立‘新新2号核桃坚果种仁脂肪含量光谱反演模型。

1 材料和方法

1.1 材 料

试验于2014年在新疆阿克苏地区乌什县阿克托海乡吉格代力克村的核桃生产园（N 41°12′54.36′′～41°13′03′′，E 79°15′41.28′′～79°15′52.02′′）进行。供试地区属暖温带大陆性干旱气候，年平均气温9.4 ℃，多年平均降水量91.5 mm，年均蒸发量2 003.8 mm，年日照时数2 750～2 850 h，无霜期250～286 d。供试地面积1 hm2，供试核桃品种‘新新2号，试验地土壤为灌淤土，土层深厚。

1.2 方 法

1.2.1 试验设计 供试品种为12 a健康无病虫害的‘新新2号核桃，参试样株树势基本一致，株行距5 m×6 m，东西行向栽植与冬小麦间作。试验采用“3414”肥效方案（表1），即N、P、K 3个因素，4个水平（0水平指不施肥、1水平指常规施肥量的0.5倍、2水平指常规施肥量、3水平指常规施肥量的1.5倍），共14个处理，每个处理设3个重复，共42个试验小区（记为Tij，i=1，2，3，…，14；j=1，2，3）随机排列，每一小区10株树，共420株。

施肥处理：每一样株N、P、K的常规施肥量（纯量）分别为1.5，0.7，0.3 kg。氮肥用尿素（46%N），磷肥用过磷酸钙（46%P2O5），钾肥用硫酸钾（51%K2O）。肥料在核桃萌芽前一次性施入。在树冠2/3处进行环状沟施，施肥深度50 cm。田间施肥于2014年3月下旬进行。

1.2.2 光谱数据采集 采用美国PP Systems公司生产的UniSpec-SC便携式单通道光谱分析仪进行测定。光谱范围310～1 130 nm，光谱分辨率<10 nm，在光谱范围内可进行连续测量且重采样间隔为1 nm。采集方法：在‘新新2号核桃果实的5个生育时期内测定，依次为坐果期（5月4日）、速生生长期（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）。测定时选择晴朗无云、无风天气在北京时间12：00—15：00时间段进行测定，选取参试样株树冠中上部外围枝条健康活体叶片5～6片，每一叶片6次重复测定，取平均值作为被测定样株的叶片光谱反射率。每次数据采集前均进行系统优化设置和标准白板校正。

1.2.3 叶样采集与N、P、K含量测定 同一生育时期内叶片采集与光谱测定同步，将采集后的叶片迅速带回室内依次用蒸馏水和去离子水洗涤，然后除去叶片多余水分，于105 ℃鼓风烘箱中恒温杀青20 min，80 ℃下烘干，粉碎，装入密封袋中供N、P、K浓度测定。

1.2.4 ‘新新2号核桃坚果种仁脂肪含量测定 采用 GB/T 5009.6—2003 食品中脂肪的测定、索氏提取法[18]。

1.3 数据分析处理

使用Pearson相关分析筛选出果实不同生育时期叶片N、P、K含量与光谱反射率相关性高的波段，采用算术相加、算术相加后取常用对数（简称对数，下同）、各自取对数后相加等3种数学处理所得的光谱反射率或其衍生变量作为自变量，以坚果种仁脂肪含量为因变量，建立幂函数或指数函数回归关系。数据分析采用SPSS 18.0、DPS V6.5、Microsoft Office Excel 2003软件，绘图采用Origin 7.5软件。

2 结果与分析

2.1 果实不同生育时期叶片N、P、K含量与光谱反射率的相关性

2.1.1 光谱反射率与叶片N含量的相关性 如图1所示，在果实坐果期、脂化期、近成熟期，‘新新2号核桃叶片光谱反射率与其N含量在310～1 130 nm波段均呈负相关关系。

果实坐果期，在紫光（310～440 nm）、绿光（530～570 nm）和红光（704～803 nm）波段的相关性均较强，在422，546，722 nm波段左右的相关性均较高，相关系数为-0.967 3，-0.976 8，-0.999 3。脂化期，700～1 130 nm波段的相关程度不如可见光波段。黄光（602～660 nm）波段的相关性最强。近成熟期，522～569 nm和702～740 nm波段相关性较强，相关系数分别为-0.972 4和-0.957 1，其余波段的相关系数均不高。因此，坐果期、脂化期和近成熟期叶片N含量的敏感波段分别为310～570 nm和704～803 nm、602～660 nm、522～569 nm和702～740 nm。

速生生长期，叶片光谱反射率与其N含量在310～1 130 nm波段均呈正相关关系。在绿光（533～570 nm）和（705～1 062 nm）波段的相关性均较强，705～1 062 nm波段的相关性高于可见光波段，相关系数最高达到-0.958 7。但在1 062 nm之后相关性逐渐减弱。因此，705～1 062 nm波段可作为速生生长期叶片N含量的敏感波段。

硬核期，叶片N含量与其光谱反射率的相关性不同于其它4个生长发育阶段，在310～465 nm和1 096～1 130 nm波段呈负相关，但在466～1 095 nm波段呈正相关。其中，407～441 nm和533～645 nm波段的相关性较好，最大相关系数达到0.988 5。因此，该波段可作为该时期叶片N含量的指示波段。

2.1.2 光谱反射率与叶片P含量的相关性 如图2所示，‘新新2号核桃叶片含P量与其光谱反射率在坐果期，可见光波段310～722 nm的相关性明显高于红外波段723～1 130 nm的相关性，其中紫光（310～384 nm）和（724～924 nm）波段与叶片P含量呈负相关，385～723 nm波段呈正相关性，在450～510 nm波段相关性最高，相关系数达到0.980 2。红外波段的相关性均较低，相关系数低于0.110 9。因此，450～510 nm波段可作为坐果期叶片P含量的敏感波段。

速生生长期，叶片P含量与其光谱反射率的相关性在可见光波段310～590 nm和红外波段698～1 130 nm处呈正相关关系，其中310～530 nm波段上相关性相对较高，591～697 nm波段呈负相关，但相关性程度不高。因此，310～530 nm波段可作为该时期叶片P含量的敏感波段。

硬核期，叶片P含量与其光谱反射率在310～476 nm、679～685 nm和1 104～1 139 nm波段呈负相关关系，但相关性不强。其余波段呈正相关关系，在565～665 nm和692～716 nm波段相关性最强。因此，565～665 nm和692～716 nm波段可作为硬核期叶片P含量的敏感波段。

叶片P含量与其光谱反射率在脂化期和近成熟期的整个波段里均成负相关关系。脂化期，在310～377 nm和1 087～1 120 nm波段，相关性较好，相关系数最高为-0.975 3。近成熟期，在398～457 nm波段，相关性最强，457 nm波段之后，相关性逐渐降低。因此，310～377 nm和1 087～1 120 nm波段、398～457 nm波段可分别作为脂化期和成熟期叶片P含量的敏感波段。

2.1.3 光谱反射率与叶片K含量的相关性 如图3所示，果实坐果期，‘新新2号核桃叶片K含量与其叶片光谱反射率在310～400 nm波段呈正相关关系，且相关性逐渐降低，但721～1 130 nm波段，K含量与叶片光谱反射率呈负相关关系，628～668 nm波段相关性最高，在654 nm左右相关性的相关系数达到-0.995 5。因此，628～668 nm可作为坐果期叶片K含量的敏感波段。

速生生长期，叶片K含量与其光谱反射率在437～513 nm和593～694 nm波段表现为负相关关系，相关性较低，其余波段呈正相关关系，703～1 100 nm波段的相关性高于310～436 nm和514～592 nm波段。其中709 nm处的相关系数达到0.948 5。因此，703～1 100 nm波段可作为速生生长期叶片K含量的敏感波段。

果实硬核期、脂化期和近成熟期，叶片K含量与其光谱反射率在整个波段上均成正相关关系。硬核期，整个波段的相关性系数均较高，在0.754 2～0.988 1之间，脂化期，515～538 nm和687～700 nm波段的相关性较高，相关性系数最高达到0.962 2，近成熟期，红外波段（694～1 130 nm）相关性最强。因此，310～1 130 nm、675～702 nm和775～802 nm、694～1 130 nm可作为‘新新2号核桃硬核期、脂化期、近成熟期叶片K含量的敏感波段。

2.2 坚果果仁脂肪含量光谱反演模型

将‘新新2号核桃果实不同生育时期叶片N、P、K含量与不同波段光谱反射率的相关性分析结果作为依据，从所得的光谱敏感波段中选取果实的5个生长发育时期敏感指示波段的光谱反射率，进行算数相加、算数相加后取对数、各自取对数后相加3种数学处理，将所得的光谱反射率或其衍生变量作为自变量（x），以坚果种仁脂肪含量作为因变量（y），建立幂函数或指数函数回归关系。

通过相关性分析可知（表2），‘新新2号核桃果实坐果期、速生生长期、硬核期、脂化期和近成熟期叶片N素光谱敏感指示波段分别为422 nm、722 nm，713 nm、990 nm，417 nm、576 nm，630 nm、638 nm，536 nm、713 nm；P素光谱敏感指示波段分别为468 nm、470 nm，418 nm、504 nm，615 nm、650 nm，329 nm、1 114 nm，424 nm、429 nm；K素光谱敏感指示波段分别为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，所建立的回归方程拟合度均较高，且采用果实5个生育时期叶片N、P、K含量敏感指示波段的光谱反射率算数相加或相加后取对数后的衍生变量作为自变量，与坚果种仁脂肪含量所建立的回归方程拟合度有所提高，据此分析，‘新新2号核桃坚果种仁脂肪含量光谱反演模型可采用果实不同生育时期光谱反射率（x）与坚果种仁脂肪含量（y）来构建。

3 讨 论

核桃坚果种仁脂肪含量一般在60%以上，是反映核桃品质的重要指标，直接影响其经济价值[1，14]。‘新新2号核桃作为重要的经济树种，了解其品质状况至关重要，通过光谱数据早期获悉其坚果种仁脂肪含量对后期的生产管理有一定的帮助。

近年来，已有多个研究探索了作物品质的无损检测原理和技术途径，本试验以叶片中N、P、K含量为连接点，通过筛选出果实不同生育时期叶片敏感指示波段来构建核桃坚果种仁脂肪含量反演模型。冯伟等[15]研究表明，根据特征光谱参数—叶片氮素营养—籽粒蛋白产量这一技术路径，将氮素营养作为连接点，发现开花期关键特征光谱指数可以有效地评价成熟期籽粒蛋白质产量状况。本文研究与之相似。但与王纪华等[12]通过光谱监测开花期叶片氮含量可间接有效地估测小麦品质的研究有所不同。

有研究表明，获取作物光谱数据时会受光照条件、温度、风速、噪声等外界因素影响[16]。有学者利用近红外光谱分析了尖椒叶片叶绿素含量，发现不同的光谱波段选择和光谱处理方法对构建的模型有较大影响[17]。通过回归分析表明，采用果实的5个生育时期叶片敏感波段的光谱反射率相加取对数后的衍生变量作为自变量（x），坚果种仁脂肪含量作为因变量（y）建立的回归方程拟合度有所提高。这可能是因为光谱反射率经对数变换后，增强了光谱差异，而且可以减少因光照条件变化引起的乘性因素的影响[18]。

4 结 论

本研究通过对不同施肥水平下‘新新2号核桃果实不同生育时期叶片中N、P、K含量与光谱反射率的相关性分析获知，N、P、K元素在果实的5个生育时期存在光谱敏感指示波段，可根据光谱敏感指示波段的光谱反射率或其衍生变量利用幂函数或指数函数建立坚果种仁脂肪含量的光谱反演模型。

由于这些光谱反射率常因试验条件的不同，在反演坚果种仁脂肪含量时有所差异，因此这些模型能否精确反演‘新新2号核桃坚果种仁脂肪含量，还需要作进一步的验证。

参考文献：

[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] 刘宏斌，张云贵，李志宏，等. 光谱技术在冬小麦氮素营养诊断中的应用研究[J]. 中国农业科学，2004，37（11）：1743-1748.

[3] 王纪华，赵春江，郭晓维，等.用光谱反射率诊断小麦叶片水分状况的研究[J]. 中国农业科学，2001，34（1）：104-107.

[4] 李栓明，郭银巧，王克如，等.小麦籽粒蛋白质光谱特征变量筛选方法研究[J].中国农业科学，2015，48（12）：2317-2326.

[5] 王磊，自由路，卢艳丽，等.不同形式的光谱参量对春玉米氮营养元素诊断的比较[J].农业工程学报，2010，26（2）：218-223.

[6] 陈青春，蒋锋，刘鹏飞，等. 光谱技术在玉米生产中的应用[J]. 广东农业科学，2012（11）： 24-27.

[7] 李宁，闵顺耕，覃方丽，等.近红外光谱法非破坏性测定黄豆籽粒中蛋白质、脂肪含量[J].光谱学与光谱分析，2004，24（1）：45-49.

[8] 毕京翠，张文伟，肖应辉，等.应用近红外光谱技术分析稻米蛋白质含量[J].作物学报，2006，32（5）：709-715.

[9] 王海莲，万向元，胡培松，等.稻米脂肪含量近红外光谱分析技术研究[J].中国农业科学，2005，38（8）：1540-1546.

[10] 柴仲平，陈波浪，蒋平安，等.库尔勒香梨叶片全钾含量高光谱估算模型研究[J].中国生态农业学报，2014，22（1）：80-86.

[11] 李萍，柴仲平，武红旗，等.基于光谱的库尔勒香梨叶片氮素含量估算模型[J].经济林研究，2013，31（3）：48-53.

[12] 王纪华，黄文江，赵春江，等. 利用光谱反射率估算叶片生化组分和籽粒品质指标研究[J]. 遥感学报，2003，7（4）：277-284.

[13] 薛利红，曹卫星，李映雪，等. 水稻冠层反射光谱特征与籽粒品质指标的相关性研究[J]. 中国水稻科学，2004，18（5）： 431-436.

[14] 郭向华. 主要矿质元素含量与早实核桃产量质量的关系[D]. 保定：河北农业大学，2006.

[15] 冯伟，朱艳，田永超，等. 利用高光谱遥感预测小麦籽粒蛋白质产量[J]. 生态学杂志，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] 蒋焕煜，应义斌. 尖椒叶片叶绿素含量的近红外检测分析实验研究[J]. 光谱学与光谱分析，2007，27（3）：499-502.

[18] 中华人民共和国卫生部.食品中脂肪的测定： GB/T 5009.6—2003[S]. 北京：中国标准出版社，2003.