论文部分内容阅读
全氮(TN)、全磷(TP)、全钾(TK)是茶叶中重要的三种营养元素,目前,在其含量检测中,仍以传统化学分析方法为主,该方法成本高、检测速度慢且破坏样品,不能实现实时检测。与传统方法相比,高光谱方法具有检测速度快,不破坏样品,可实现实时检测等优点。本研究尝试将高光谱遥感用于估测铁观音茶叶中全氮、全磷、全钾三种营养元素的含量。以茶叶中全氮、全磷、全钾的含量为检测指标,结合化学计量的方法开展了高光谱遥感定量分析的研究,旨在为茶叶中三种营养元素的快速、无损检测提供新的参考。主要研究工作与结论如下：建立了铁观音茶叶中全氮、全磷、全钾含量分析模型。本研究共收集了铁观音茶叶样本62个,其中老叶和新叶样本各31个,利用美国Analytical Spectral Device(ASD)公司生产的便携式野外地物光谱仪FieldSpec3采集每个样本的光谱信息,采用凯氏定氮法检测样本中的全氮含量,采用HCLO4-H2SO4法检测样本中的全磷含量,采用火焰光度计法检测样本中的全钾含量,采用光谱影响值leverage和化学残差值residual这两个统计量来检验可能异常样本,并对可能异常样本采用“二审剔除判别法”进行二次判断,剔除真正的异常样本,保留误判的异常样本。在此基础上,通过4种光谱预处理方法(Savitzky-Golay卷积平滑、多元散射校正(MSC)、一阶导数及二阶导数)分别对样本原始光谱信息进行处理,选择合适的光谱预处理方法提高校正模型的预测能力。采用含量梯度法对剔除掉异常样本的数据集进行划分,按照3：1的比例把样本集分为校正集和预测集,最后采用偏最小二乘法(PLS)分别对多种预处理后校正集结合TN、TP、TK含量建模,并用预测集进行检验,得到最优的高光谱分析模型如下：(1)最优拟合全氮含量高光谱分析模型：其中最优拟合模型的光谱数据经过了一阶导数和Savitzky-Golay卷积平滑处理,模型决定系数(R2)为0.912,交互验证均方差(RMSECV)为2.12,预测误差均方根(RMSEP)为1.785,预测集相对分析误差(RPD)值为2.299；(2)最优拟合全磷含量高光谱分析模型：其中最优拟合模型的光谱数据经过了二阶求导处理,模型决定系数(R2)为0.9451,交互验证均方差(RMSECV)为0.2653,预测误差均方根(RMSEP)为0.2799,预测集相对分析误差(RPD)值为3.229；(3)最优的全钾含量高光谱分析模型：其中最优拟合模型的光谱数据经过了一阶导数处理,模型决定系数(R2)为0.9818,交互验证均方差(RMSECV)为1.274,预测误差均方根(RMSEP)为0.974,预测集相对分析误差(RPD)值为6.358；从3种营养元素含量拟合模型的精度来看,全钾和全磷较优,全氮次之。内部交互验证和外部验证均证明高光谱数据偏最小二乘定量分析有较高的准确度,满足茶叶中全氮、全磷、全钾含量的检测要求,检测过程较常规化学方法简单,可实现快速、无损检测,为今后茶叶中全氮、全磷、全钾含量快速检测提供了新方法。