全 文 ：收稿日期：!""#$"%$&’ 接受日期：!""($"&$&’
基金项目：国家自然科学基金项目（)"’%&&&!）资助。
作者简介：林芬芳（&(#"—），女，福建人，博士，主要从事农业遥感与信息技术研究。*+,-./：0/1234536 789: 3;9: 54
! 通讯作者 *+,-./：<=-4>6 789: 3;9: 54
傅立叶变换中红外光谱估测水稻叶片
氮素含量的研究
林芬芳，陈祝炉，邓劲松，王 珂!
（浙江大学农业遥感与信息技术应用研究所，浙江杭州 )&""!(）
摘要：通过不同氮素水平的水稻田间试验，在分析测定了水稻叶片叶绿素、氮素等农学参数后，采用傅立叶中红外
光谱仪测定了水稻孕穗期叶片干样的透射光谱，利用协同偏最小二乘算法（?.@AB）分析选取了傅立叶变换红外光谱
估测水稻氮素含量的敏感波段及其组合。结果表明，其最优主成分数是 ( 个，最佳估测建模的波段组合分别为
&)’"C#(!&’#DC’%，&’#%C’)!&#!!CE" 和 )%"(CE&!)(E)C%! 5,$ &；建立的水稻氮素预测模型的精度较高，交互验
证均方根误差（FGB*HI）和预测均方根误差（FGB*@）分别为 "C&’)#和 "C&())，预测值与化学分析获得的叶片总氮
浓度之间的交互相关系数和独立检验相关系数分别为 "C()()和 "CDDE(，高于中红外光谱指数 JKB和 JKBL的预测
精度。说明利用傅立叶红外光谱作为水稻氮含量的诊断技术是可能的，值得进一步验证和完善。
关键词：水稻；氮；傅立叶变换中红外光谱（KMNF）；?.@AB
中图分类号：OD’%C))；B’&&C"& 文献标识码：L 文章编号：&""#$’"’P（!""(）"E$"%’"$"D
!"#"$%&’(#&)’ )* +"(* ’&#$),"’ &’ $&-" ./&’, 0123 /4"-#$)/-)45
ANJ K34+0-4>，HQ*J RS9+/9，T*JU V.4>+?14>，WLJU X3!
（ !"#$%$&$%’" ’( )*+’$* ,*"#%"- . !"(’/+0$%’" ,1#$*+ 2334%50$%’"，67*8%0"- 9"%:*/#%$1，;0"-<7’& =>??@A，B7%"0）
67/#$(-#：MS3 Y.,3 -4; Z9-4Y.Y[ 10 J 032Y./.7-Y.14 .? 514?.;323; -? - <3[ Y35S4.Z93 012 S.>S [.3/; -4; Z9-/.Y[ .4 521\ \21+
;95Y.14: ]-?3; 14 YS3 2.53 0.3/; 3^\32.,34Y =.YS ;.003234Y J 2-Y3?，YS3 ,.;+NF Y2-4?,.YY-453 ?\35Y2- 10 YS3 ;2.3; -4;
>2194; /3-0 ?-,\/3? =323 ;3Y32,.43; _[ K192.32 Y2-4?012, .402-23;（KMNF）?\35Y21?51\[，-4; YS34 YS3 3?Y.,-Y.14 ,1;3/
012 /3-0 4.Y21>34 514Y34Y =-? _9./Y =.YS YS3 1_Y-.43; ,.;+NF Y2-4?,.YY-453 ?\35Y2- -4; ?[432>[ .4Y32‘-/ \-2Y.-/ /3-?Y ?Z9-23
-/>12.YS,（?.@AB）: MS3 1\Y.,-/ ?.@AB ,1;3/ =-? 1_Y-.43; =.YS &"" .4Y32‘-/? -4; ( @AB 51,\1434Y? : MS3 _3?Y 51,_.4-+
Y.14? 10 ?\35Y2-/ 23>.14? ?3/35Y3; =323 &)’"C#($&’#DC’%，&’#%C’)$&#!!CE" -4; )%"(CE&$)(E)C%! 5,+& C MS3 ‘-/93 10
FGB*HI（211Y ,3-4 ?Z9-23 32212 10 521??+‘-/.;-Y.14）.? "C&’)#，-4; 51223/-Y.14 51300.5.34Y（2）=-? "C()() .4 5-/._2-Y.14
?3Y，-4; YS3 FGB*@（211Y ,3-4 ?Z9-23 32212 10 \23;.5Y.14）=-? "C&()) -4; 51223/-Y.14 51300.5.34Y（2）=-? "CDDE( 012 Y3?Y
;-Y- ?3Y : K92YS32,123，51,\-23; =.YS ?\35Y2-/ .4;.53? JKB -4; JKBL，YS.? ,1;3/ =-? ,123 23/.-_/3 -4; 23\23?34Y-Y.‘3: NY
=-? ?9>>3?Y3; YS-Y KMNF ?\35Y21?51\[ ,-[ _3 514?.;323; -? - ;.->41?.? Y35S41/1>[ 012 /3-0 4.Y21>34 514Y34Y .4 2.53:
8"5 9)$:/：2.53；4.Y21>34；KMNF；?.@AB
水稻过量施用氮肥比较普遍，既增加生产成本，
又可能污染环境［&$)］，这与没有一个可靠的水稻氮
素营养诊断方法有关。传统的化学分析方法费时费
力且分析成本高，已不能满足作物高效生产管理的
需要，尤其是在不同生产经验模式的精准农业生产
管理中。随着遥感技术的发展，人们开始研究利用
遥感技术开发作物氮营养水平诊断技术，并应用于
指导水稻施肥。叶绿素计在诊断水稻氮素营养和推
荐追肥方面有快速、简便、无损的特点，得到了广泛
的应用。但它获取的主要是反映叶色的绿度指数，
不适宜叶片氮素浓度的估测；而且其精度易受水稻
品种、生育时期、测定叶位、测定叶片的位点、生态环
植物营养与肥料学报 !""(，&’（E）：%’"$%’’
""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""""
@/-4Y J9Y2.Y.14 -4; K32Y./.732 B5.3453
境等因素影响［!"#］。基于植物光谱反射特性的遥感
技术也具有快速、自动化程度高、非破坏性等优点，
已广泛应用于水稻叶绿素、叶面积、生物量等参数的
监测。但是，获取的冠层光谱局限于 $#%!!#%% &’
光谱范围，易受冠层结构、光照、气候条件等影响，而
且在监测生物量，叶面积指数等表观综合性参数时
的效果较好，估测氮素时精度和专一性较差［(")］。
因此，目前最可靠的水稻叶片氮素浓度的测定方法
仍然是化学分析法。傅立叶红外光谱（*+,-）具有分
辨能力高、扫描时间快、辐射通量大、杂散辐射低、光
谱范围宽等特点，可以定量分析包含各种基团的高
分子物质［.］。氮素是构成植物蛋白质、核酸与核蛋
白的重要成分，同时也是植物激素（吲哚乙酸、玉米
素）、维生素（如维生素 /、维生素 00）等重要高分子
物质的组成成分。当植株内氮素缺乏或者过量时，
都会影响这些高分子物质的合成，从而引起红外光
谱特性的变化。国内外已广泛利用红外光谱分析估
测食品和饲料的品质，也有研究开始利用红外光谱
分析水稻氮素营养水平。周启发等［1%］利用方差分
析，初步表明水稻叶尖在不同生育期均表现出傅立
叶变换红外光谱差异，吸收指数 2*34随着施氮水
平的提高而降低，但是没有明确指出氮素诊断的敏
感波段及其与水稻氮素含量的关系模型。54367公
司生产的 *+,-"81%%型光谱仪具有比同类竞争产品
更高的灵敏度、红外成像和快速扫描功能，能测定
9)%%!$#% :’" 1波数范围的红外光谱特征，信噪比
为 !!%%%：1，能充分挖掘中红外信息。因此，开展了
研究不同氮素营养水平下水稻叶片傅立叶红外光谱
特性，通过协同偏最小二乘法（;<&=>?< @&A=>BCD 0E3，
;@0E3）分析确定适宜估测氮素浓度的敏感波段及其
组合，并初步建立水稻叶片氮素估测模型，旨在寻求
一种精度可靠并能替代化学分析的傅立叶红外光谱
分析方法。
! 材料与方法
!"! 试验设计
田间试验地点在浙江省富阳市高桥镇。供试水
稻品种为直播稻秀水 11%，于 !%%9年 (月 #日播种。
试验采用单因素完全随机区组设计，设 #个氮
肥施用水平：2 %、(%、.%、1!%、1#% F? G H’!，分别标记
为 2%、21、2!、2$、28，8个重复。氮肥采用尿素，其
中基肥 #%I，分蘖肥 $#I，穗肥 1#I。另外，每个小
区施用相同量磷肥（过磷酸钙）!!# F? G H’! 作基肥，
钾肥（氯化钾）按 $%% F? G H’!标准分 !次分别在孕穗
期和抽穗期等量均匀施入各试验小区。
!"# 测定项目与方法
孕穗期进行叶绿素、光合速率、叶片氮含量和叶
片傅立叶中红外光谱的测定。
1J!J1 净光合速率（0&） 上午 .：%%!1!：%%，在天
气晴朗无云的自然光条件下，应用光合作用仪
（E@(8%%，美国莱卡公司产品）测定叶片中部净光合
速率（0&），每处理每次测定 #株。
1J!J! 叶绿素 选取稻株第 $完全展开叶并剪下
中间部分，剪碎混匀后称取 %J1%%% ?左右，然后加入
混合液［丙酮 K无水乙醇 K蒸馏水 L 8 K # K 1（M G M）］!#
’E，于室温下遮光静置 ) H，直至样品完全发白。浸
提后的混合液用 NM " !##%型分光光度计分别测定
89%、(8(、(($&’波长处的吸光度 4，然后根据以下公
式分别计算叶绿素 C（6HD C）、叶绿素 O（6HD O）、类胡
萝卜素（6C>）、总叶绿素（+:HD）含量和叶绿素比值 C G
O［11］。
6HD C（’? G E）L 1!J!14(($"!J)14(8( （1）
6HD O（’? G E）L !%J1$4(8( " #J%$4(($ （!）
6C>（’? G E）L（1%%%489% " $J!96HD C "
1%8 6HD O）G !!. （$）
+:HD L 6HD C P 6HD O （8）
6HD C G O L 6HD C G 6HD O （#）
式中，489%、4(8(、4(($分别为叶绿素色素提取液在波
长 89%、(8(、(($&’处的吸光度。
1J!J$ 叶片总氮含量（E26） 采集的水稻叶片样
品，在 9%Q烘干、粉碎、称重后采用标准微量开氏定
氮法测定［1!］。
1J!J8 叶片 *+,-光谱 使用日本分光公司 54367
的 *+,- " 81%%光谱仪测量水稻样品的透射率，设置
其光谱分辨率为 8J% :’" 1，测定范围为 8%%%!8%%
:’" 1。
光谱测定时，先将叶片粉末与溴化钾以 ! K .)比
例于研钵中混匀，并将混匀后的粉末置于一个圆形
小孔压片，然后进行样本扫描，每次测定前进行背景
测量。每个样本重复扫描 $次。整个操作尽量在避
光条件下进行，以免溴化钾分解。
!"$ 数据处理与分析
描述统计、方差分析和相关分析等在 30331$J%
中进行。用于敏感波段选择和建模的 ;<&=>?< @&A=>R
BCD 0E3（;@0E3）算法程序下载于网站 HAAAS：G G TTTU
’VW=D;U FBD U WF G，透射率光谱数据的预处理在 ’CADCO
中编程实现。
1J$J1 协同偏最小二乘法（;@0E3） 偏最小二乘法
1#98期 林芬芳，等：傅立叶变换中红外光谱估测水稻叶片氮素含量的研究
（!"#）是建立自变量（$）的潜变量与因变量（%）的潜
变量的回归模型，以间接反映自变量与因变量之间
的关系。在 !"# 中对每个 $ 矩阵的潜变量方向进
行了修改，使它与 % 矩阵间的协方差最大，即在原
回归方程中删去那些特征值近似为零的项，其 $ 和
% 矩阵按以下示意图分解为较小的矩阵：
$ & ’ !( ) * & !+","( （-）
式中：’ 为 $ 的得分矩阵，+"为得分向量，,为 $的
载荷矩阵，,"为相应的载荷向量，* 是残差矩阵，是
$ 中无法用"个潜在变量 + 反映的部分。
% & ./( ) 0 & !1"2"( （3）
式中：.为 %的得分矩阵，1"为得分向量，/为 %的
载荷矩阵，2"为相应的载荷向量，0是残差矩阵，是
%中无法用"个潜在变量 1反映的部分。
!"#回归分别在 $和 %中提取各自的潜变量，
它们分别为自变量与因变量的线形组合。二者满足
以下条件：#两组潜变量分别最大程度地承载自变
量和因变量的变异信息；$二者之间的协方差最大
化。!"# 对每一维度的计算采用迭代的方法进行，
在迭代计算中互相利用对方的信息，每一次迭代不
断根据 $、% 的剩余信息（即其残差矩阵）调整 +"、1"
进行第二轮的成分提取，直到残余矩阵中的元素绝
对值近似为零，回归式的精度满足要求，则算法停
止，此时得到的 +"、1"能同时最大限度地表达 $和 %
的方差，由此得到的系数 4"能更好反映 $和 %的关
系。对于公式 % & $5中一般模型的 5系数矩阵 5
& 6（!6）7 8/(，需已知矩阵 !、/、6，其中 6为 !"#
的权重矩阵。从自变量和因变量中提取潜变量的方
法有多种，如主成分法、迭代法、#9:法等，而本文采
用的是非线性迭代偏最小二乘法［8;，8<］。
协同偏最小二乘法（=>!"#）的基本原理与普通
偏最小二乘法类似（!"#），只是在选取自变量时，将
自变量分成多个数据段，然后按照 !"#的运算原理
计算所有可能的不同波段组合（组合为 ?或 @或 ;）
的 !"#模型，以寻找最优的波段组合。该算法的计
算时间可能持续很长，主要是取决于数据间隔数和
组合方式。
8A@A? 模型的精度验证 在应用 =>!"# 进行分析
时，样本数据分独立的两个部分，其中一部分（B &
?;）作为分析与建模数据集；另一部分（B & 8-）作为
模型的独立检验数据集。模型精度根据 @个参数来
分析与验证，它们分别为交互验证均方根误差（CDE
#*F9）、预测均方根误差（CD#*!）和水稻叶片预测
值与观察值之间的相关系数（G）。
!"#$%& &
!
B
> & 8
（H
（
> 7 H>）?
" B （I）
式（I）中：B为校正集的样本数，H>为样本 >的观测
值，H
（
>为在交互验证中利用除去样品 > 后的剩余样
本建立的模型的预测值。
!"#$’ &
!
B
> & 8
（H> 7 H
（
>）
?
" B （J）
式（J）中：B为独立检验集的样本数，H>为样本 >的
观测值，为利用最佳模型预测出的组分浓度。
( & 8 7
!
B
> & 8
（H
（
> 7 H>）?
!
B
> & 8
（H> 7 H）" ?
（8K）
式（8K）中：H为所有样本的平均值。
! 结果与分析
!"# 不同氮肥处理下水稻叶片氮素与叶绿素、净光
合速率之间的关系
水稻叶片总氮浓度与叶片各叶绿素指标、净光
合作用速率等有很好的相关性。其中，水稻叶片氮
浓度（"LF）与叶绿素 M、4比值（FNO M P 4）的相关系数
最大，其次是净光合速率（!B）（表 8）。说明氮素对
水稻叶绿素和光合作用有最直接的影响。当水稻缺
氮时，首先是蛋白质的合成受阻，酶量减少，叶绿素
的合成受影响；生育后期缺氮，则叶片容易早衰，光
合作用减弱，物质生产降低。而水稻叶片含氮率的
提高，通过增加叶片可溶性蛋白质含量、增加叶绿体
数目、改变叶绿体基粒结构和提高叶片气孔导度，使
C15,羧化酶活力增强，叶片净光合速率就随之提
高［8I］。
!"! 中红外光谱数据的预处理
采用 #MQ>+RSHETUOMH卷积平滑与求导［J］进行中红
外光谱数据预处理。该方法与移动平均平滑法的基
本思想类似，只是没有使用简单的平均，而是通过多
项式来对移动窗口内的数据进行多项式最小二乘拟
合。其实质是一种加权平均法，更强调中心点的贡
献。但该平滑法需要注意移动窗口宽度及多项式次
数的优化选择。基本假设是光谱含有的噪声为零均
随机白噪声，若取多次测量的平均值可降低噪声，提
高信噪比。
在 #MQ>+RSHETUOMH卷积平滑的基础上，通过最小
二乘可计算得到与平滑系数相似的一阶（8=+ :VG）和
二阶（?BW :VG）微分系数。微分光谱可以有效地消除
基线和其他背景的干扰，分辨重叠峰，提高分辨率和
?<3 植 物 营 养 与 肥 料 学 报 8<卷
灵敏度，尤其是二阶微分可以消除样品颗粒分布不
均匀引起的光散射［!"］。经计算分析，本文选取的最
佳移动窗口宽度为 !"，多项式次数为 #（图 !）。
表 ! 不同水稻生理参数的基本统计和相关性分析
"#$%& ! "’& (&)*+,-.,/& ).#.,).,*) #0( *1++&%#.,10 $&.2&&0 345、*’%1+1-’6%% *10.&0. #0( 70
参数
$%&%’()(&
基本统计
*(+,&-.)-/( +)%)-+)-,+
相关系数（&）
01&&(2%)-13 ,1(44-,-(3)
5(%3 67*7 5-37 5%87 9:0 0;2 % 0;2 < =,;2 0;2 % > < 0%& $3
9:0（?） !@AB# C@"AD !@"!B #@EBE !
0;2 %（’F > 9） D@GBC !@"!H E@"CD !!@HG# C@EE!!! !
0;2 <（’F > 9） !@DG! C@"G# !@!DG #@ECG C@GG#!! C@AG"!! !
=,;2（’F > 9） !C@E#! !@EGA G@HAH !H@CGA C@EDA!! C@AAA!! C@ADH!! !
0;2 % > < H@G"C C@"!G H@#AH B@"HH I C@DEB!! I C@G!B!! I C@DB!!! I C@GHA!! !
0%&（’F > 9） #@"#E C@"CG !@GHH #@A"H C@E"D!! C@ADG!! C@AHA!! C@AD"!! I C@EDE!! !
$3［0J#!’12 >（’
#·+）］ !G@"D" #@D"A !!@"CC #!@CBC C@GG"!! C@ED"!! C@GH"!! C@GCC!! I C@GED!! C@G!!!! !
注（:1)(）：!! 表示 !?水平下的显著性 *(31)(+ +-F3-4-,%3) K-44(&(3,( %) C@C! .&1<%<-2-)L 2(/(2。
图 ! 正常氮素水平下原始光谱经 8#/,.9:6;<1%#6
求导后的图
=,>?! "’& @,+). #0( )&*10( (&+,/#.,/&) *1A-B.&( B),0>
8#/,.9:6;<1%#6 )A11.’,0> B0(&+ 01+A#% 0,.+1>&0
CDE 水稻叶片氮含量与中红外光谱透射率的相关
性分析
叶片总氮含量（9:0）与 6%/-)MNLOP12%L二阶导数
之间的相关性随波长位置变化剧烈（图 #）。分析发
现两者在 HCE@A!、AAE@CB、!!E#@DG、!!E"@D"、!!GD@"C、
!!GA@#E、 !!DC@##、 !!D!@!A、 !""C@EH、 !""!@E!、
!""#@BG、 !"""@B"、 !""H@BC、 !"D#@G!、 !"DD@BC、
!H#"@#!、 !H#H@!D、 !H#B@!H、 !H#E@!C、 !H#G@CG、
!H#D@C"、 !HHH@H#、 !HBB@C"、 !HGG@#!、 !B#D@"!、
!BHC@DB、 !EAH@!E、 #CAE@#H、 #CAG@#!、 #!##@#D、
#BDD@AG、#BAB@G#、#BAE@ED、"CD!@EA、"CD#@EB、"A#D@#A
,’I !等波数处都达到了极显著的正或负相关。其
中在 !HBB@C"和 !!GA@#E ,’I !处分别具有最大和最
小的正负相关系数，其值为 C@BD""和 I C@EH#"。理
论上叶片总氮含量（9:0）与波长特征值显著相关的
波长均可作为预测建模的候选波长。一般来说，相
关系数越高，机会越大，但还要综合分析氮素影响植
物叶片中红外光谱透射率的机理。氮素是构成蛋白
质、核酸、核蛋白和维生素等高分子物质的组成成
分。因此，氮素含量的高低必然影响这些物质的合
成，从而造成中红外光谱透射光谱特征的差异。
图 C 水稻叶片总氮浓度与 8#/,.9:6;<1%#6
二阶导数光谱的相关关系
=,>?C 51++&%1>+#A 1@ %&#@ 0,.+1>&0 *10*&0.+#.,10 #0(
.’& )&*10( (&+,/#.,/& .+#0)A,..#0*& ,0 +,*&
CDF 基于 860&+>6 ,0.&+/#% 738（),738）的敏感波段
选择与建模
偏最小二乘法是化学计量学中常用的多变量校
正方法。相对于多元线性回归方法、主成分回归方
法等，它可以使用全谱或部分谱数据，并将数据矩阵
分解和回归交互结合为一步，得到的特征值向量直
"BGH期 林芬芳，等：傅立叶变换中红外光谱估测水稻叶片氮素含量的研究
接与被测组分或性质相关，而不是与数据矩阵中变
化最大的变量相关，建立的模型具有较高的预测精
度［!"#!$］。目前，国内外在偏最小二乘算法（%&’）的
基础上，发展了多种扩展的 %&’算法，如 ()*+,-./ %&’
（(%&’），0.123.,4 ()*+,-./ %&’（0(%&’），56)+,76 ()*+,-./
%&’（5(%&’），%&’89+)+*(1（9:%&’），;%&’）等。本文以红外光谱的 ’.-(*>2689?/.6二阶导数
为数据源，采用协同偏最小二乘法（5(%&’）分析水稻
在中红外区域内叶片氮素含量预测的最佳敏感波
段。与间隔偏最小二乘法（(%&’）的基本思想类似，
但是，它不是利用单一波段间隔建模，而是将不同区
间进行组合，选出最佳的波段组合作为建模的参
数［!@］。
根据交互验证均方根误差最小的原则，选取不
同波长间隔数下的最优区间组合。当利用整个波长
范围 "AAA!"AA 1B# !建立模型时，均方根误差（C;8
’DEF）最大，为 AGH"!I；而当整个波长范围被分成
!$个间隔时，通过［$ @ !$］这三个波长区间组合建
立的非线性模型的均方根误差（C;’DEF）最小，为
AG!$HJ，测量值与预测值的相关系数达到 AGKHKH（表
L、图 H）。［$ @ !$］这三个组合分别对应的波数范围
为 !H$AGJK!!$J@G$I，!$JIG$H!!JLLG"A 和 HIAKG"!
!HK"HGIL 1B# !（图 "）。因此，选取［$ @ !$］这三个
波长区间作为水稻叶片氮素预测的最优变量。同
时，为了检验该模型的可靠性，以独立检验集的数据
为基础，结果表明预测均方根 C;’D%为 AG!KHH，观
察值与预测值之间的相关系数（,）为 AG@@"K，达到了
相伴概率 AGA! 的极显著水平。沈德言等［!I］认为，
在中红外光谱范围内，波数 !H$AGJK!!$J@G$I 1B# !
可能对应着硝基化合物的谱带；!$JIG$H!!JLLG"A
1B# !可能对应着含氮化合物酰胺基酰亚胺的谱带，
这几个含氮化合物的数量与植物氮素营养水平有相
关关系。传统的植物营养诊断理论认为，当植物有
酰胺积累时植物的氮素营养水平较高，一般不需要
施肥。本研究分析确定的敏感波段组合中的两个波
段与上述两个含氮化合物的特征波段相近，可能与
类似含氮化合物有关，这有待进一步分析。
周启发等［!A］以水稻叶尖切片为材料，通过 %M8
@AAA NOPC分光计发现，波数 H"AA 1B# !和 !@$H 1B# !
处的透射率或吸收率对水稻氮肥处理是敏感的，且
归一化后的光谱指数 =N’或者 =N’:随着施氮水平
的提高而降低。但是，在本文中，光谱指数 =N’ 或
者 =N’:在不同氮素水平之间没有产生显著差异
（表 H）。水稻根系从环境吸收硝态氮和铵态氮后，
表 ! 基于 "#$%&的不同波长区间组合
’()*+ ! ,+"-*." /0 "#$%& 1(*#)2(.#/3 4/5+* "+*+1.+5
5#00+2+3. "6+1.2(* 2+7#/3"
间隔数
=?Q ?R
()*+,-./5
主成分数
%&’
1?BS?)+)*5
被选的间隔
’+/+1*+4
()*+,-./5
交互验证
均方根误差
C;’DEF
! H ［! !］ AGH"!I
!A H ［" "］ AG!@!@
!! H ［" $］ AG!IAI
!L H ［" $］ AG!I$I
!H $ ［$ @］ AG!I!$
!" !A ［$ @ !"］ AG!@JI
!$ K ［$ @ !$］ AG!$HJ
!@ H ［@ I］ AG!@HJ
!I K ［@ I !I］ AG!$I"
!J I ［@ I !!］ AG!@HH
!K K ［@ !$］ AG!@AJ
LA K ［I J LA］ AG!$JA
图 8 基于最优波长组合的水稻叶片氮素含量预测精度
9#7:8 ,+0+2+31+ 4+("-2+5 ;+2"-" 9’<, 62+5#1.+5 )=
"#$%& #3 1(*#)2(.#/3 "+.
图 > 基于 "#$%&算法的最优波长组合 ?8@ABCD!?@CEB@F，
?@CFB@8!?C!!B>A和 8FADB>?!8D>8BF!14G ?
9#7:> H6.#4(* "6+1.2(* 2+7#/3 "+*+1.+5 )= "#$%& I#.J
I(;+3-4)+2" ?8@ABCDG?@CEB@F，?@CFB@8G?C!!B>A (35
8FADB>?G8D>8BF! 14G ?
"$I 植 物 营 养 与 肥 料 学 报 !$卷
表 ! 不同氮素水平下的光谱指数 "#$和 "#$%的差异
&’()* ! #&+, -.*/01’) 234*5 ’- 1*)’0*4 06
320167*3 1’0*- ’..)2*4
处理 !"#$%&#’% ()*! ()*+!!
(, -./,01 2 -.,34- $2
(0 -.5031 $ -.,5/0 $
(4 -.36/4 2 -.,405 2
(3 -.//34 $2 -.,311 $2
注（(7%#）：同列不同小写字母代表 ! 8 -.-/显著性水平。! 代
表（!09!,）:（!0 ; !,），!,，!0分别表示波数 43--和 ,5/4 <&9 ,处的透
射率；!! 代表（+,9+0）:（+, ; +0），+,，+0分别表示波数 43--和
,5/4 <&9 ,处的吸收率。=$>?#@ A7>>7B#C 2D %E# @$&# >#%%#" F’ #$?&’
$"# ’7% @FG’FAF<$’%>D CFAA#"#’%（ ! 8 -.-/，H?’<$’’@ &?>%FI># "$’G# %#@%）J !,
（+,）$’C !0（+0）"#I"#@#’% %"$’@&F%%$’<#（$2@7"I%F7’ K$>?#）$% ’#$" 43--
<&9 , $’C $% ,5/4 <&9 , "#@I#<%FK#>DJ ()* 8（!09!,）:（!0 ; !,），()*+
8（+,9+0）:（+, ; +0）J
通过氨基酸的合成转变成有机氮化合物，迅速参与
到蛋白质、核酸等许多重要有机物结构中，这些高分
子物质在中红外区域内的敏感谱带一般是一系列波
数范围，而非明确的、具体的某个波数。
! 结论
研究表明，水稻叶片总氮浓度（L(M）与 )!NO光
谱的二阶导数之间的相关性在波数 ,3//.-4、
,3PP.0,、,/06.4,、,,P1.05 <&9 ,等处都达到了极显
著正或负相关。为了进一步确定水稻氮素的敏感波
段并建立水稻氮素预测模型，利用协同偏最小二乘
法（@FQL*）算法选取了水稻氮素监测的最佳波数组
合，分别是 ,4/-.61!,/65./P，,/6P./4!,600.3- 和
4P-1.3,!4134.P0 <&9 ,，最优主成分数是 1 个。利
用 ,4/-.61!,/65./P，,/6P./4!,600.3- 和 4P-1.3,
!4134.P0 <&9 ,构建水稻叶片氮含量估测模型，估测
精度基本满足应用要求，值得在今后试验中进一步
验证和完善；同时利用 )!NO中红外光谱技术监测
水稻氮素的机理也有待进一步研究与分析。
参 考 文 献：
［,］ *2#"%@ V V，)"$’T W HJ S$FX# I"7C?%F7’ F&I$<%@ 7’ G"7?’CB$%#" Z?$>F%D［R］J R J V’KF"7’J [?$> J，,11,，0-
（,）：,09,5.
［0］ \?$’G R L，\# )，M?F W \ "# $% J H#%#"&F’$%F7’ 7A 7I%F&$> ’F%"7G#’
"$%# A7" "F<# K$"F#%F#@ ?@F’G $ 7"7IED>> &#%#"［R］J )F#>C M"7I@ O#@J，
0--6，,-/：P-96-.
［4］ Q#’G * ]，]?"#@E O R，\?$’G R L "# $% J *%"$%#GF#@ A7" 7K#"<7&F’G >7B
$G"7’7&F< ’F%"7G#’ ?@# #AAF)F#>C M"7I@ O#@J，0--5，15：4P93P.
［3］ \7#> ] ^，*7>E$?G W +J VAA#<% 7A F""$CF$’<# 7’ 7"7IED>> #@%F&$%F7’
BF%E %E# SF’7>%$ *Q+H 9 /-0 >#$A 7"7IED>> &#%#"［R］J +’’J ]7% J，
,116，60：4619410.
［/］ V@A$E$’F S，+>F +22$@F \ O，O$2F#F ]，W$K7?@F SJ N&I"7K#&#’% 7A
’F%"7G#’ &$’$G#&#’% F’ "F<# I$CCD AF#>C@ ?@F’G 7"7IED>> &#%#"
（*Q+H）［R］J Q$CCD _$%#" V’KF"7’J，0--P，5（0）：,96.
［5］ (G?D#’ \ !，L## ] _J +@@#@@&#’% 7A "F<# >#$A G"7B%E $’C ’F%"7G#’
@%$%?@ 2D EDI#"@I#<%"$> <$’7ID "#A>#<%$’<# $’C I$"%F$> >#$@% @Z?$"# "#Y
G"#@@F7’［R］J V?" J RJ +G"7’J，0--5，03：43194/5.
［P］ ‘?# L \，M$7 _ ‘，L?7 _ \ "# $% J S7’F%7"F’G >#$A ’F%"7G#’ @%$%?@ F’
"F<# BF%E <$’7ID @I#<%"$> "#A>#<%$’<#［R］J +&J *715：,4/9,30.
［6］ LF$’G *J [?$’%F%$%FK# "#&7%# @#’@F’G 7A >$’C @?"A$<#@［S］J \727T#’，
(#B R#"@#D：R7E’ _F>#D a *7’@，N’［1］ 刘树深，易忠胜 J 基础化学计量学［S］J 北京：科学出版社，
,111.
LF? * *，bF c *J ]$@F< ,111.
［,-］ cE7? [ )，*E#’ c [，_$’G O \J )7?"F#" %"$’@A7"& F’A"$"#C @I#<%"$>
CFAA#"#’<# 7A >#$A %FI@ F’ "F<# "#>$%#C %7 ’F%"7G#’ A#"%F>FX#" "$%#@［R］J
+<%$ ]7% J *F’J，0--0，33：/3P9//-.
［,,］ 李合生 J 植物生理生化实验原理和技术［S］J 北京：高等教育
出版社，0---. ,439,4P.
LF \ *J Q"F’#@ $’C %#7GD 7A I>$’% IED@F7>7GF<$> $’C 2F7F<$> #eI#"F&#’%［S］J ]#FdF’G：\FGE#" VC?<$%F7’ Q"#@@，0---. ,439
,4P.
［,0］ 鲍士旦 J 土壤农化分析（第三版）［S］J 北京：中国农业出版
社，0---. 0549056.
]$7 * HJ *7F> $’C $G"F%?"$> D@F@（4"C VC’）［S］J
]#FdF’G：MEF’$ +G"F%?"$> Q"#@@，0---. 0549056.
［,4］ 褚小立，袁洪福，陆婉珍 J 近红外分析中光谱预处理及波长选
择方法进展与应用［R］J 化学进展，0--3，,5（3）：/069/30.
ME? ‘ L，b?$’ \ )，L? _ cJ Q"7G"#@@ $’C $II>F<$%F7’ 7A @I#<%"$>
C$%$ I"#%"#$%&#’% $’C B$K#>#’G%E @#>#<%F7’ &#%E7C@ F’ (NO $’$>D%F<$>
%#［,3］ 陆婉珍，袁洪福，徐广通，强冬梅 J 现代近红外光谱分析技术
［S］J 北京：中国石化出版社，0---.
L? _ c，b?$’ \ )，‘? U !，[F$’G H SJ S7C#"’ ’#$" F’A"$"#C
@I#<%"7@<7IF< %#［,/］ 张琳，张黎明，李燕，等 J 偏最小二乘法在傅立叶变换红外光
谱中的应用及进展［R］J 光谱学与光谱分析，0--/，0/（,-）：
,5,-9,5,4.
cE$’G L，cE$’G L S，LF b "# $% J +II>F<$%F7’ $’C F&I"7K#&#’% 7A
I$"%F$>Y>#$@%Y@Z?$"#@ F’ )7?"F#" %"$’@A7"& F’A"$"#C @I#<%"7@<7ID［ R］J
*I#<%"7@ J，0--/，0/（,-）：,5,-9,5,4.
［,5］ ME#’ [ *，cE$7 R _，LF? S \ "# $% J H#%#"&F’$%F7’ 7A %7%$> I7>DIE#Y
’7>@ <7’%#’% F’ G"##’ %#$ ?@F’G )!Y(NO @I#<%"7@<7ID $’C CFAA#"#’% QL*
$>G7"F%E&@［R］J R J QE$"&$ J，0--6，,5：/569/P4.
［,P］ 沈德言 J 红外光谱法在高分子研究中的应用［S］J 北京：科学
出版社，,160.
*E#’ H bJ +II>F<$%F7’ 7A F’A"$"#C @I#<%"$> %#D@F@
A7" I7>D&#" &$%#"F$>@［S］J ]#FdF’G：*［,6］ 潘瑞炽 J 水稻生理［S］J 北京：科学出版社，,1P1.
Q$’ O MJ QED@F7>7GD 7A "F<#［S］J ]#FdF’G：*//P3期 林芬芳，等：傅立叶变换中红外光谱估测水稻叶片氮素含量的研究