学术研究报告：基于波长选择技术的可见-近红外光谱改进干辣椒叶钾氮含量预测研究
一、 作者与发表信息 本研究由Puneet Mishra（第一作者兼通讯作者，隶属于荷兰瓦赫宁根食品与生物基研究所）、Ittai Herrmann（以色列希伯来大学罗伯特·H·史密斯植物科学与农业遗传学研究所）以及Mariagiovanna Angileri（意大利墨西拿大学Chibiofarm）共同完成。研究成果以题为《Improved prediction of potassium and nitrogen in dried bell pepper leaves with visible and near-infrared spectroscopy utilising wavelength selection techniques》的短篇通讯（Short Communication）形式，发表于分析化学领域的知名期刊《Talanta》第225卷（2021年），文章识别号为121971。该论文于2020年12月4日在线发表，遵循CC BY-NC-ND许可协议开放获取。
二、 学术背景与研究目的 本研究隶属于分析化学与农业信息感知的交叉领域，具体聚焦于利用化学计量学（Chemometrics）方法开发植物表型（Spectral Phenotyping）的快速、无损检测技术。传统的植物叶片关键化学成分（如氮N和钾K）定量分析依赖于实验室湿化学法（Wet Chemistry Analysis），该方法虽准确但过程繁琐、耗时、具有破坏性，且无法满足现代农业对植物生理状态实时、高通量监测的需求。可见-近红外（Vis-NIR）光谱技术作为一种绿色分析工具，通过捕捉样品中有机生化成分（如水、糖、蛋白质、脂肪）中O-H、C-H、S-H和N-H等化学键的倍频与合频吸收信息，实现对物质成分的无损、快速预测。因此，利用Vis-NIR光谱替代湿化学分析具有巨大潜力。
然而，Vis-NIR光谱数据维度高、共线性强，直接建模效果未必最优。偏最小二乘回归是常用的建模方法，但研究表明，在建模前进行波长（变量）选择，筛选出与目标属性最相关的特征波长，可以提升模型的预测性能、稳健性和可解释性。本研究以甜椒（Bell Pepper）干燥叶片为对象，旨在验证两个核心假设：第一，Vis-NIR光谱技术能够有效预测干椒叶中的氮和钾浓度；第二，采用波长选择技术能够优化模型，其预测性能优于使用全光谱的偏最小二乘回归模型。研究的目标是识别与氮、钾含量最相关的关键Vis-NIR波长，并比较不同波长选择技术的性能，以期为开发无需湿化学分析的关键植物化学成分无损预测方案提供支持。
三、 详细工作流程 本研究的工作流程系统而完整，主要包含样本制备与数据采集、数据处理与模型构建两大阶段，涉及多个具体步骤。
1. 数据集构建（样本制备与光谱、化学值测量）： 研究对象为甜椒植株。为了在叶片中诱导出钾含量的自然变异，研究设计了四种不同水平的钾肥灌溉处理（0, 50, 100, 150 ppm）。最终从处理后的植株上共采集了119片叶子样本（前三个处理各30片，150 ppm处理29片）。这些叶片被送至实验室进行标准化的后处理与测量： * 参考化学值测定（湿化学法）：叶片经过干燥和研磨后，采用标准方法测定其氮和钾的基准浓度。钾浓度使用原子吸收分光光度计测定；氮浓度依据微量凯氏定氮法测定。这组数据作为建模的“真实值”或参考值。 * Vis-NIR光谱采集：对干燥后的叶粉进行光谱测量。使用ASD FieldSpec Pro-FR光谱辐射计及其接触式探头，在400-2400 nm波长范围内，以5 nm分辨率采集反射光谱。测量时，叶粉置于探头上并用黑色盖子覆盖，以确保测量条件一致。此步骤获得了每个样本的高维光谱数据。 最终，包含119个样本的光谱数据及其对应的氮、钾参考值构成了本研究的数据集，并已公开于生态光谱信息系统平台。
2. 数据分析与建模流程： 此阶段的核心是运用化学计量学方法建立光谱与化学成分之间的预测模型，并比较不同建模策略的效果。 * 数据划分：首先，采用Duplex算法将全部119个样本的数据集划分为校准集（占60%）和独立的测试集（占40%）。校准集用于训练和优化模型，测试集用于最终评估模型的预测能力。 * 基线模型建立：以未经波长选择的全光谱数据为基础，建立偏最小二乘回归模型作为性能比较的基线。模型的关键参数——潜变量数，通过5折威尼斯盲交叉验证进行优化。 * 波长选择技术应用：研究的关键创新环节在于引入了六种先进的波长选择技术，旨在从401个原始波长中筛选出最具预测性的子集。这六种技术包括： * 自助软收缩分析法（Bootstrapping Soft Shrinkage, BOSS） * 变量组合种群分析法（Variable Combination Population Analysis, VCPA） * 变量组合种群分析结合迭代保留信息变量法（VCPA-IRIV） * 竞争性自适应重加权采样法（Competitive Adaptive Reweighted Sampling, CARS） * 蒙特卡洛无信息变量消除法（Monte-Carlo Uninformative Variable Elimination, MC-UVE） * 区间随机蛙跳法（Interval Random Frog, IRF） 这些方法原理各异：BOSS通过自助抽样生成子模型并利用软收缩更新波长权重；VCPA利用指数衰减函数和二进制矩阵抽样生成模型种群，寻找误差最小的波长子集；VCPA-IRIV在VCPA基础上增加了迭代过滤；CARS基于PLS回归系数进行蒙特卡洛采样和竞争性选择；MC-UVE通过评估大量随机模型中波长系数的稳定性来剔除无信息变量；IRF则侧重于选择连续的区间波长子集。所有分析均在MATLAB环境中使用自有脚本及从MATLAB中央文件交换获取的代码完成。 * 模型性能评估：对于基线PLS模型以及应用每种波长选择技术后构建的简化PLS模型，均使用独立的测试集进行评估。评估指标包括预测决定系数、预测均方根误差和预测偏差。RMSEP是衡量模型预测精度的核心指标，其值越低表示预测越准确。
四、 主要研究结果 研究结果清晰地支持了最初提出的两个假设，并提供了详细的数据和物理解释。
1. 假设一验证：Vis-NIR光谱预测钾氮的可行性 研究结果显示，仅使用全光谱的PLS基线模型，对测试集中干椒叶的氮和钾含量已经展现出一定的预测能力。其中，钾的预测性能优于氮，其R²p为0.82，RMSEP为0.53%；氮的R²p为0.60，RMSEP为0.35%。这一结果直接证实了Vis-NIR光谱技术能够用于预测干椒叶片中的氮和钾含量，尽管预测精度尚有提升空间。钾含量预测更优的原因可能与实验设计有关，因为施肥处理直接针对钾元素，导致数据集中钾含量的变异范围（4.3 ± 1.2%）远大于氮含量的变异（4.8 ± 0.56%），为模型学习更丰富的钾含量-光谱响应关系提供了基础。
2. 假设二验证：波长选择对模型性能的提升 这是本研究论证的重点。对比基线PLS模型，绝大多数波长选择技术都显著提升了模型的预测性能。 * 对于氮预测：所有六种波长选择技术构建的模型，其RMSEP均低于或等于基线模型的0.35%。其中，VCPA方法表现最佳，仅使用了10个离散波长，就将RMSEP降低至0.28%，R²p提升至0.73。CARS-PLS和MC-UVE也将RMSEP降至0.28%。这表明波长选择有效剔除了与氮含量无关或噪声较大的光谱信息，提升了模型的精度与简约性。 * 对于钾预测：VCPA、VCPA-IRIV、MC-UVE和IRF这四种方法取得了优于基线模型（RMSEP 0.53%）的效果。表现最好的是MC-UVE方法，它将RMSEP大幅降低至0.44%，同时将R²p从0.82提升至0.86，并且完全消除了预测偏差。尽管MC-UVE使用了56个波长，但VCPA方法仅用10个波长就取得了RMSEP为0.50%的优异结果，在模型复杂度和预测精度间取得了更好平衡。
3. 关键波长识别及其化学意义 研究不仅追求预测精度，还通过最佳模型（VCPA用于氮，MC-UVE用于钾）识别出了与氮、钾含量最相关的关键波长，并尝试从光谱学角度进行解释，这极大地增强了模型的可解释性和物理基础。 * 钾预测的关键波长：通过VCPA筛选出的10个关键波长包括500 nm（可见光区，可能与叶绿素b相关，反映了钾通过影响光合作用而产生的间接关联）、1430 nm（与OH键的二级倍频有关，暗示了钾离子在水环境中的溶解状态对其光谱响应的影响），以及1600、1605、1720、2075、2100、2170、2180、2190 nm等一系列近红外波段。这些近红外波段大多对应于CH、NH、CH₂、CH₃等键的组合频或一级倍频吸收，反映了钾含量变化可能伴随着植株内有机物质（如碳水化合物、蛋白质）组成或状态的协同变化。 * 氮预测的关键波长：VCPA筛选出的10个关键波长更具指向性。905 nm与CH、CH₂、CH₃键的三级倍频有关；970 nm与OH键有关；1465 nm可归属于RNH₂官能团的二级倍频；1950、1965、1980 nm与CONH₂官能团的一级倍频密切相关；2160和2175 nm则位于组合频区域，通常与蛋白质和氮含量直接相关。这些波长的选择表明，Vis-NIR光谱并非直接检测游离的氮，而是通过检测与氮紧密相关的含氮化合物（如蛋白质、氨基酸）的特征吸收来间接预测总氮含量。
五、 研究结论与价值 本研究成功验证了两个核心假设。首先，证实了Vis-NIR光谱技术能够以较高的准确性（氮RMSEP 0.28%， 钾RMSEP 0.44%）预测干燥辣椒叶片中的氮和钾含量。其次，更重要的是，研究证明在PLS建模前进行波长选择是一种有效的策略，能够普遍提升Vis-NIR模型对氮和钾的预测性能。与全光谱PLS模型相比，经波长选择后，氮和钾预测的RMSEP分别降低了19%和15%。
该研究的科学价值在于系统评估并比较了多种前沿波长选择技术在植物叶片营养成分光谱预测中的应用效果，为化学计量学在农业传感领域的应用提供了方法学参考。其应用价值尤为突出：研究结果为开发快速、无损、低成本的植物营养诊断协议奠定了基础。通过识别出的关键波长子集，未来有可能指导开发针对性的低成本多光谱或高光谱传感器，用于田间或温室环境的实时植株营养监测，从而实现精准施肥和作物管理，推动绿色农业发展。
六、 研究亮点 1. 假设驱动与验证：研究具有明确的双重假设，并通过严谨的实验设计和数据分析予以验证，逻辑清晰。 2. 先进的化学计量学方法应用：并非简单使用PLS，而是系统引入并比较了六种较新的波长选择算法，体现了方法学上的前沿性和深度。 3. 模型可解释性探索：在追求预测精度的同时，对筛选出的关键波长进行了化学归属解读，将数据驱动的模型与基础光谱学知识相联系，增强了研究的科学深度。 4. 数据公开与可重复性：研究所用的完整数据集已公开，增加了研究的透明度和可重复性，有利于同行进一步验证和开发。 5. 明确的实践导向：研究最终落脚于替代传统湿化学分析、开发无损检测协议，具有很强的应用前景和现实意义。
七、 其他有价值的内容 研究在讨论部分指出一个重要观点：Vis-NIR光谱并非直接提供游离钾或氮的信息，而是通过它们与其他化合物（如叶绿素、水、含氮有机物）的相互作用或相关性进行间接预测。这一认识对于正确理解和使用光谱预测模型至关重要，避免了对其机理的误解。此外，研究选择了干燥叶片而非鲜叶进行分析，原因是鲜叶中高达约90%的水分会掩盖其他化学成分的光谱特征。这一样本处理选择虽然增加了步骤，但确保了目标成分光谱信号的清晰度，是此类研究中常见且合理的做法。