“赤霞珠”葡萄叶片缺磷胁迫的VIS/NIR光谱快速无损诊断方法

研究旨在明确“赤霞珠(Cabernet Sauvignon, Vitis Vinifera L.)”葡萄健康叶片和缺磷胁迫不同时期下的光谱信号特征变化,构建基于光谱技术的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断模型,为葡萄园病害防治与管理提供理论参考和技术支持。以酿酒葡萄“赤霞珠”葡萄叶片为研究对象,分别采集了正常、缺磷胁迫初期和末期葡萄叶的VIS/NIR反射率信息。对比Savitzky-Golay卷积平滑(S-G Smoothing)、移动平均平滑(MAS)、标准正态变换(SNV)和多元散射校正(MSC)4种预处理及组合方法对于去除葡萄叶光谱信号中随机噪声的能力,确定最佳预处理方法。采用连续投影法(SPA)筛选与“赤霞珠”葡萄叶缺磷胁迫相关的光谱特征变量,分别构建基于线性核函数(Linear)、多项式核函数(Poly)、径向基核函数(RBF)和二层神经网络核函数(Sigmoid)的支持向量机(SVM)模型,以灵敏度(SEN)和准确率(CCR)为依据评估模型诊断性能,形成基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法。S-G Smoothing预处理后的光谱信号的信噪比为110.58,以其为校正集构建的缺磷胁迫诊断模型最佳,因此确定其为最佳的预处理方法。采用主成分分析(PCA)计算样本光谱贡献率,以95%置信空间为依据检测数据集中的异常样本,最终发现并剔除了22的离群点。通过SPA筛选出402.6、 404.6、 409、 411.5、 539.4、 691.9、 729.9、 838.7、 1 011.9、 1 017.5和1 020.5 nm等11个反映“赤霞珠”葡萄叶缺磷胁迫的光谱特征波段,作为缺磷胁迫快速无损诊断模型的输入变量。通过对比分析上述4种核函数SVM的诊断结果,以Linear为核函数构建的“赤霞珠”葡萄叶缺磷胁迫诊断模型能力最佳,对正常叶片诊断的SEN为81.08%, CCR为100%;对缺磷胁迫早期叶片诊断的SEN为100%, CCR为84.78%;对缺磷胁迫末期叶片诊断的SEN为100%, CCR为100%。该研究建立了基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法,能够满足葡萄园病害防治与智能化管理的生产需求,为酿酒葡萄智慧农业发展提供了技术参考。