基于近红外光谱的紫丁香叶片叶绿素含量的估测研究

李俊明，邢艳秋，2*

(1.东北林业大学森林作业与环境研究中心，哈尔滨 150040;2.中国林业科学研究院资源信息研究所，北京 100091)

近红外区域按ASTM(American Society for Testing and Materials，美国材料与试验协会)定义是指波长在780～2 526 nm范围内的电磁波［1］，是人们最早发现的非可见光区域，距今已有200a的历史［2］。现代近红外光谱分析是从农业分析开始的，由于近红外谱区包含的信息比紫外可见区丰富得多，人们从农业分析领域中开始了用近红外谱区分析农产品的工作。1970年美国的一家公司首先研制了近红外品质分析仪器，到了20世纪80年代的中期，已有数以千计近红外光谱分析仪进入应用单位，并发表了近2 000篇论文。20世纪90年代，国际分析界逐步形成了近红外光谱分析的热潮。近年来，近红外光谱分析一直是匹兹堡会议的热点［3－6］。

近红外光谱应用领域不断扩大，以其速度快、不破坏样品、操作简单、稳定性好、效率高、无污染和成本低等特点，已广泛应用于各个领域［7］。国外对近红外光谱快速检测技术的研究较早，检测的涵盖面较广。Marcin等［8］用近红外光谱分析技术分析重金属区森林土壤微生物的化学生物特性;易时来等［9］研究了锦橙叶片氮含量可见近红外光谱模型;黄凌霞等［10］用近红外光谱技术检测叶绿素值;李庆波等［11］用近红外对叶绿素含量进行了研究，证明了其可行性。本文利用近红外的快速无损检测特点，来估测紫丁香叶片叶绿素含量，探索其可行性。

1 材料与方法

1.1 实验材料

本实验选取的实验地点为黑龙江省哈尔滨市东北林业大学的城市示范实验林场。哈尔滨市位于东经 125°42'～ 130°10'，北纬 44°04'～ 46°40'之间，地处中国东北部，黑龙江省南部地区。气候属中温带大陆性季风气候，冬长夏短。

选取哈尔滨市最常见的紫丁香(Syringa oblata)做为实验材料。紫丁香系木樨科丁香属落叶灌木或小乔木。又称丁香华、北紫丁香、百结、情客和龙梢子。紫丁香原产我国华北地区，高可达4 m，枝条粗壮无毛。叶广卵形，通常宽度大于长度，宽5～10 cm，端尖锐，基心形或楔形，全缘，两面无毛。圆锥花序长6～15 cm;花萼钟状，有4齿;花冠堇紫色，端4裂开展;花药生于花冠中部或中上部。硕果长圆形，顶端尖，平滑。花期4月。

1.2 实验仪器

本次实验使用的仪器有LabSpec@ProFR/A114260便携式快速扫描光谱仪，叶绿素仪SPAD－502。数据处理应用的软件为ViewSpePro软件和Unscrambler9.7软件。

LabSpec@ProFR/A114260便携式快速扫描光谱仪的光谱波长范围为350～2 500 nm，在700 nm波长处的光谱分辨率为3 nm，而在波长1 400和2 100 nm处的光谱分辨率为10 nm。使用光纤探头将照明光信号传输到样品中，然后收集它的反射光或透射光，可以用来测量样品的透射或者反射光谱。本次实验采用两分叉光纤进行样品光谱采集。

SPAD叶绿素仪可以用来测量植物的叶绿素相对含量或“绿色程度”，从而可以了解植物真实的硝基需求量并且帮助了解土壤硝基的缺乏程度或是否过多地施加了氮肥。可以通过这种仪器来增加“N的利用率”并可保护环境 (防止施加过多的氮肥而使环境特别是水源受到污染)。SPAD叶绿素仪通过测量叶片在两种波长范围内的透光系数来确定叶片当前叶绿素的相对数量。它由 SPAD－DL叶绿素仪和SPAD叶绿素仪组成。

ViewSpePro软件和Unscrambler9.7软件是与Labspec@proFR/A114260便携式快速扫描光谱仪近红外光谱仪相配套的分析软件，可以用ViewSpePro软件进行光谱处理，如除噪、滤波处理等平滑处理，用Unscrambler9.7软件该软件进行建模分析，建模方法有偏最小二乘法，多元线性回归分析法等。使用起来比较方便，有利于实验的统计分析。

1.3 实验方法

选择天气晴朗的午后采集叶片。在实验区内采集紫丁香的叶片60片，叶片健康新鲜，无病斑。将采好的叶片用塑料薄膜密封好并编号带回实验室，将叶片放入4℃的冰箱中保鲜。

用近红外光谱仪扫描紫丁香叶片，扫描过程如下:首先打开电源，输入文件名“叶片”，进入系统后用校验白板进行校验，待光谱校验完后设置基本信息:设置扫描次数为30次，光谱为吸收光谱。然后扫描叶片。扫描后的光谱图有2 151个波长。

光谱扫描后，用SPAD－502测量紫丁香的正面叶片叶绿素值。为避免外界光线打扰，测量过程需在无光线的室内进行。首先打开电源，校验调零，然后将样品放入测量头的样品槽中，用手按住测量头，关闭测量槽，直到仪器发出“吡”的声音，并且数据显示在液晶显示屏上。每个样品测量4次并取其平均值作为叶片叶绿素含量的参比值。

1.4 建模与验证

从60片紫丁香样品中随机抽取40片为建模集，其余20片为验证集，建立40片叶片的叶绿素含量与光谱的回归模型，分析其相关性，并将验证集的叶片数据代入该回归模型，估测紫丁香的叶绿素含量，验证该模型的可行性。

2 数据处理

2.1 光谱预处理

将60个样品的光谱扫描图用ViewSpecPro软件进行预处理。首先将样品的60个光谱图输入ViewSpecPro中，浏览其光谱特征。从中发现光谱有不连续的地方，采用一阶导数和取对数的方法对样品的光谱进行预处理，预处理后的样品光谱如图1所示。最后将样品光谱转换成Unscrambler9.7软件能识别的JCAMP－DX格式输出。图1中，纵坐标为光谱吸收率，横坐标为波长，单位为nm。

图1 紫丁香光谱图Fig.1 The spectrum of Syringa oblate

打开Unscrambler9.7软件，导入JCAMP－DX格式的样品的数据。再将紫丁香对应的60个叶绿素值加入到其光谱数据中，做为数据建模时的Y变量。将样品做如下的平滑处理:高斯滤波处理后进行移动均值处理。到此时，数据预处理完毕。数据处理后的紫丁香叶片光谱图如图2所示。

图2 数据处理后的紫丁香光谱图Fig.2 The spectrum of Syringa oblata after data processing

2.2 建立光谱与叶绿素关系模型

在建模集中以近红外光谱仪测定的2 151个点的光谱值作为回归模型的自变量，以叶绿素仪测定相应叶片的叶绿素值作为因变量，统计回归方法选择PLS(偏最小二乘法)，波段范围选为全部波段(2～2 151 nm)，验证的方法采用随机交互验证法，发现此波段的建模效果最佳。建模后的图形如图3所示，中间的直线为训练集，交点左侧上方的直线为校验集。

2.3 模型验证

将东北林业大学实验林场紫丁香的校验集的20个数据带入回归模型中进行校验，校验结果如下图示。在图4中，横坐标为实际测量值，纵坐标为估测值。

图3 紫丁香建模图Fig.3 The modeling of Syringa oblate

图4 紫丁香估测图Fig.4 The estimation of Syringa oblate

3 结果与分析

从图1的紫丁香光谱图中我们可以看出，350～500 nm吸收率较高，而在750～1 400 nm之间的光谱吸收率很低且趋于平缓，1 400～1 500 nm之间的光谱吸收率又呈上升趋势，但之后又下降直到1 800 nm时光谱吸收率又上升且在1 950 nm时达到最大值。因此，从中可以发现在不同的波段光谱吸收率不同，且相差很大。为了模型更好的建立需要对全波段及不同波段进行模型建立，从中选择更为理想的模型。结果表明，用全波段 (2～2 151 nm)之间的光谱图所建立的模型效果最为理想。紫丁香叶片的光谱与叶绿素含量相关性结果见表1。

表1 建模集紫丁香叶片的光谱与叶绿素含量相关性Tab.1 The correlation between spectrum and chlorophyll of Syringa oblata leaf in modeling

从上表中可以看出，建模集的预测集和验证集的R2分别达到0.86和0.73，相关系数均达到85%以上。将东北林业大学实验林场紫丁香的验证集的20个数据带入模型中进行验证，验证结果表明R2值达到0.82，相关系数达90.85%，表明用近红外估测紫丁香叶绿素含量可以得到较好的效果。

4 结论

本文利用偏最小二乘法建立了紫丁香叶绿素含量与光谱的回归模型，训练集和验证集的R2值分别达到0.86和0.73，并且通过其余紫丁香样本的验证，R2值达到0.82，相关系数已达90.85%，说明用近红外技术估测叶片的叶绿素含量是可行的，具有应用于叶片叶绿素含量估测的潜力。另外建议尝试其他的统计回归方法来估测叶片的叶绿素含量。

【参 考 文 献】

［1］高荣强，范世福．现代近红外光谱分析技术的原理及应用［J］．分析仪器，2002(3):9－12．

［2］徐广通，袁洪福，陆婉珍．现代近红外光谱技术及应用发展［J］．光谱学与光谱分析，2000，20(2):134 －142．

［3］金钦汉．从2000年匹兹堡会议看分析化学和分析仪器发展的一些新动向［J］．现代科学仪器，2000(3):14 －16．

［4］金钦汉．从1999年匹兹堡会议看分析仪器的跨世纪发展动向［J］．分析仪器，1999(2):1 －5．

［5］陈焕文，金钦汉．2003年匹兹堡会议简介［J］．现代科学仪器，2003(2):41－45．

［6］郝斯琪，宋博骐，李 湃，等．基于近红外光谱与BP神经网络预测落叶松木屑的含水就绪［J］．森林工程，2012，28(4):9 －11．

［7］龚玉梅，张 炜．近红外光谱检测技术及其在林业中的应用［J］．光谱学与光谱分析，2008，7(7):1544 －1548．

［8］Chodak M，Niklinska M，Beese F．Near-infrared spectroscopy for analysis of chemical and microbiological properties of forest soil organic horizons in a heavy-metal-polluted area［J］．Biology and Fertility of Soils，2007，44(1):171-180．

［9］易时来，邓 列，何绍兰，等．锦橙叶片氮含量可见近红外光谱模型研究［J］．果树学报，2010，27(10):13 －17．

［10］黄凌霞，金航峰，赵丽华，等．桑树叶片的叶绿素值检测与光谱特征分析方法［J］．蚕业科学，2008，34(4):718 －724．

［11］李庆波，黄彦文，张广军，等．基于可见－近红外光谱的植物叶绿素含量无损检测方法研究［J］．光谱学与光谱分析，2009，29(12):3275－3278．