高光谱成像技术能否用于快速监测甜菜和芹菜中的钾含量？

《Journal of Soil Science and Plant Nutrition》：Can Hyperspectral Imaging be Used for Rapid Monitoring of Potassium Content in Sugar Beet and Celery?

高光谱叶反射数据通过随机森林模型有效评估了甜菜和芹菜叶片中钾含量，12个关键波长（425-2053 nm）可实现R2≥0.79的预测精度，揭示光谱特征与花青素、胡萝卜素等生理指标的相关性，为精准施肥提供非侵入式解决方案。

　　

摘要

本研究旨在评估高光谱叶片反射数据在估算两种蔬菜作物（甜菜 Beta vulgaris L., 品种 Tapir 和芹菜 Apium graveolens L., 品种 Neon）中钾（K）含量方面的潜力。研究旨在确定这种方法是否能够提供一种可靠、无侵入性且成本效益高的方法，用于监测不同植物物种、钾浓度范围及生长阶段的钾含量，从而支持精准施肥管理。及时准确地监测植物叶片中的养分水平对于优化施肥管理、提高作物产量以及确保环境可持续性至关重要。在可见光和近红外波段范围内，研究人员记录了在不同钾肥施用量和三个植物生长阶段下的光谱反射数据。通过应用随机森林（Random Forest, RF）回归模型，并结合使用特定于这两种作物的数据集及合并数据集，识别出预测叶片钾含量的最佳波长。使用12个选定波长（425、443、479、599、631、662、798、863、897、921、1978和2053纳米）的RF模型，在甜菜（R2 = 0.85）、芹菜（R2 = 0.79）以及两种作物合并数据（R2 = 0.81）的钾含量预测中均取得了较高的准确率。研究发现了与花青素、类胡萝卜素、叶绿素b、淀粉和蛋白质含量相关的生理变化相对应的关键光谱特征。光谱反射技术为估算植物叶片中的钾含量提供了一种可靠、无侵入性且成本效益高的方法。研究结果支持其在不同蔬菜物种和生长阶段的精准施肥策略中的应用潜力。

图形摘要