基于多性状光谱模型评估葡萄叶片特性和养分含量-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

基于多性状光谱模型评估葡萄叶片特性和养分含量

发布时间：

2025-12-11

来源：

作者：

通过分析叶片半球辐射特性反演其生化特性和营养元素可以为农业精确管理提供强有力的监测方法。本研究探讨了叶片光谱建模技术在葡萄叶片关键特性和营养性状估测中的应用潜力。

作者采集了3个生长季约1000个葡萄叶片样本的400~2500nm高光谱数据，利用PROSPECT-PRO辐射传输模型反演叶片结构参数(Nstruct)、花青素、类胡萝卜素和叶绿素等特征以丰富数据集。为了解决部分数据集缺失问题，采用卷积神经网络(CNN)建立了一个填补模型。该模型以从光谱数据中提取的23个主成分作为输入，通过预测缺失的特征值完成数据集的补全。对于初选的性状预测模型，通过基于成对相关的波段合并，将光谱数据从2101个波段减少到204个波段。本研究评估了两种预测建模方法：单性状模型(每个性状独立预测)和多性状模型(所有性状同时预测)。这两个模型都采用了CNN和长短期记忆网络(Long Short-Term Memory，LSTM )的混合网络捕获光谱数据中的空间和序列模式。单性状模型采用单一输出节点的CNN-LSTM结构，需要对每个性状进行独立训练；多性状模型采用相同的结构，但具有16个输出节点，可以同时对所有性状进行预测。在训练过程中采用加权策略平衡完全测量样本和估计样本的影响，保证预测结果的可靠性。

结果显示，多性状模型在大多数性状上表现出优越的预测性能，获得了比单性状模型更高的决定系数(R²)和RPD(残差预测偏差)，以及更低的归一化均方根误差(NRMSE)值。一些性状，如氮、磷、氮和锰在多性状模型预测中精度显著提高，R²值分别为0.42、0.81、0.90和0.62，而在单性状模型中分别为0.26、0.64、0.25和0.30。

本研究强调了高光谱传感和先进建模技术在葡萄栽培中精准加强养分监测和管理的潜力，结果突出了多性状建模在利用光谱信息和性状间相关性方面的优势，光谱传感技术和建模框架的持续改进对于推进精准葡萄栽培具有重要意义。

图1. 光谱波段在预测叶片每个性状中的重要性

图2. 每对性状的两两相关(左下)和共享重要光谱波段的百分比(右上)

图3. 95%置信椭圆下所有数据集光谱数据的主成分分析

图4叶片特性的填充模型性能

图5.多性状和单性状模型表现

表1. 不同数据包含场景下的多特征模型性能

来源

P. Farajpoor, A. Pourreza, M. Narimani, A. El-kereamy, M.W. Fidelibus, MultiTrait Spectral Modeling for Estimating Grapevine Leaf Traits and Nutrients, Plant Phenomics, https://doi.org/10.1016/j.plaphe.2025.100142.

编辑

JAYz

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！

本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示