南方农业学报

作者：张怡雪, 郑家椋, 智景博, 李铁柱, 张晓东,

关键词：生菜, 太赫兹光谱, 氮素含量, 特征频段, 预测模型,

【目的】构建基于太赫兹光谱成像的设施生菜氮素检测方法，筛选出针对生菜氮素含量的最佳预测模型，为太赫兹光谱技术在农产品质量分析及植物营养检测上的应用提供理论依据和技术支撑，进而实现精准农业的氮素调控与施肥优化。【方法】以设施水培生菜为研究对象，分别在4个氮素营养梯度（20%、60%、100%和150%）下培育40 d，利用凯氏定氮法获取叶片氮素含量的实测值；同时通过太赫兹光谱成像系统获取不同营养水平生菜叶片的时域光谱数据，采用Savitzky-Golay（S-G）平滑算法和多元散射校正（MSC）进行光谱信息预处理，再利用稳定性竞争自适应重加权采样（sCARS）、区间偏最小二乘法（iPLS）和迭代保留信息变量（IRIV）进行特征频段筛选，在此基础上结合Liner-Kernel、RBF-Kernel和KELM核函数建立生菜氮素含量预测模型，并通过决定系数（R2）和均方根误差（RMSE）筛选出最佳预测模型。【结果】0.2~1.2 THz是适用于生菜氮素含量分析的最佳频率范围，经sCARS、iPLS和IRIV算法进行降维分析及特征变量选取，在功率谱维度下分别选取获得6、17和15个特征变量，在吸光度维度下分别选取获得7、16和12个特征变量。在功率谱和吸光度2个维度下，采用3种不同的核函数与特征变量提取算法组合进行建模，结果发现功率谱维度下的整体建模效果优于吸光度维度。其中，LS-SVM预测模型以RBF核功率谱维度的sCARS算法提取特征变量的预测效果最佳，校正集的R2和RMSE分别为0.9640和0.1939，预测集的R2和RMSE分别为0.9606和0.1986；KELM预测模型同样以功率谱维度的sCARS算法提取特征变量的预测效果最佳，校正集的R2和RMSE分别为0.9675和0.1913，预测集的R2和RMSE分别为0.9596和0.1997。【结论】太赫兹光谱对植物组织中的营养水平变化具有可识别性，且可能与氮素变化导致的组织结构、电极化行为及大分子振动模式密切相关，因此基于太赫兹光谱成像构建的设施生菜氮素无损检测方法能有效预测生菜的氮素含量，其中LS-SVM预测模型以RBF核功率谱维度的sCARS算法提取特征变量的预测效果最佳。

来源：2025年第11期

《南方农业学报》期刊编辑部

查看南方农业学报杂志2025年第11期