伍觀娣 賴敏婷 汪迎利 連輝明

（1.廣東省林業(yè)科技推廣總站，廣東廣州510173；2. 廣東省森林培育與保護(hù)利用重點(diǎn)實(shí)驗(yàn)室/廣東省林業(yè)科學(xué)研究院 廣東廣州 510520）

葉片是植物重要的器官之一。植物葉片分類識(shí)別對(duì)于準(zhǔn)確有效地識(shí)別植物種類、尋找相似的同類或近親植物、良種的識(shí)別以及鑒定植物葉片病害等方面有著重要的應(yīng)用價(jià)值[1]。同時(shí)，葉片作為植物進(jìn)行光合作用和蒸騰作用的主要器官，其發(fā)育狀況對(duì)作物生長(zhǎng)、抗逆性及產(chǎn)量、品質(zhì)形成的影響很大，是研究生理生化、遺傳育種、作物栽培等需要考慮的內(nèi)容[2]。如何快速、實(shí)時(shí)和準(zhǔn)確地通過(guò)葉片來(lái)鑒別植物、測(cè)定葉片有關(guān)生理生化指標(biāo)與內(nèi)含物質(zhì)含量等，近年來(lái)以NIRS 技術(shù)輔助開展植物葉片病蟲害診斷、育種材料選擇、葉片內(nèi)含物質(zhì)含量測(cè)定等方面成為國(guó)內(nèi) 外研究的熱點(diǎn)問(wèn)題。

近紅外光譜（Near Infrared Spectra，簡(jiǎn)稱NIRS）分析技術(shù)是20 世紀(jì)80 年代后期迅速發(fā)展起來(lái)的一項(xiàng)測(cè)試技術(shù)。近紅外光是波長(zhǎng)范圍介于可見光（VIS）與中紅外(MIR)區(qū)之間的電磁波，波長(zhǎng)范圍為780～2 526 nm，波數(shù)范圍12 820～3 959 cm-1。一般有機(jī)物在該區(qū)的近紅外光譜吸收主要是含氫基團(tuán)(OH，CH，NH，SH，PH)等的倍頻和合頻吸收。幾乎所有有機(jī)物的一些主要結(jié)構(gòu)和組成都可在它們的近紅外光譜中找到信號(hào)，譜圖穩(wěn)定且獲取光譜容易，因此NIRS 技術(shù)被譽(yù)為“分析的巨人”[3]。NIRS 技術(shù)具有不破壞樣品原型，有效、簡(jiǎn)便、快速、低消耗、不經(jīng)提取分離等過(guò)程而獲得植物內(nèi)在成分信息的顯著特點(diǎn)，被廣泛應(yīng)用于許多植物的各個(gè)組織和各種成分的分析[4]，包括葉、莖（木頭）、全株、種子等組織。由于在光譜的近紅外波段，植物的光譜特性主要受植物葉子內(nèi)部構(gòu)造的控制[5]。因此，近年來(lái)將NIRS 技術(shù)應(yīng)用于植物葉片研究成為一個(gè)活躍的領(lǐng)域，下面綜述回顧NIRS 技術(shù)應(yīng)用植物葉片輔助開展植物種類鑒別、病蟲害診斷、育種材料選擇以及葉片內(nèi)含物質(zhì)測(cè)定等方面的研究進(jìn)展概況。

1 輔助植物種類鑒別

因采集方便，利用植物葉片性狀和紋理特征對(duì)植物進(jìn)行鑒別是最簡(jiǎn)單有效的方法。植物種類常用鑒別方法有形態(tài)學(xué)鑒定、細(xì)胞學(xué)鑒定、生物化學(xué)鑒定和分子標(biāo)記等，但每種方法都存在限制性因素[6]。經(jīng)摸索與探究，人們發(fā)現(xiàn)利用NIRS 技術(shù)，可克服常規(guī)鑒別方法的一些缺點(diǎn)，實(shí)現(xiàn)準(zhǔn)確、快速、無(wú)損地鑒別植物種類。NIRS 技術(shù)廣泛應(yīng)用于糧食作物、經(jīng)濟(jì)作物、藥用植物[6]，以及木材種屬[7]的鑒別。

1.1 輔助草本植物種類鑒別

在輔助草本植物鑒別應(yīng)用方面，謝麗娟等[8]2008 年以番茄(Lycopersicon esculentum)鮮葉為實(shí)驗(yàn)材料，將原始光譜經(jīng)多元散射校正和微分處理后，分別采用判別分析和偏最小二乘法（PLS）建模分析，比較2 種方法鑒定的準(zhǔn)確性，發(fā)現(xiàn)采用NIRS 結(jié)合判別分析法更適合鑒定轉(zhuǎn)基因番茄。虞佳佳等[9]2009 年利用NIRS技術(shù)對(duì)婆婆納(Veronica didyma)、波斯婆婆納(Veronica persica)、直立婆婆納(Veronica arvensis)和本地雜草寶蓋草(Lamium amplexicaule)等4 種外表相似度極高的植物鮮葉進(jìn)行了有效鑒別；通過(guò)可見—近紅外光譜技術(shù)找到有效波段對(duì)婆婆納與其他3 種相似度極高的入侵植物以LS—SVM 與GA 共同作用下提高模型的分辨率，可達(dá)95.63%。李舸[10]2011 年利用NIRS 技術(shù)結(jié)合支持向量機(jī)算法（SVM），對(duì)形態(tài)相近的菊科四種入侵植物及莧科三種入侵植物的鮮葉進(jìn)行有效鑒別，并認(rèn)為該方法可推廣應(yīng)用于其它易混淆的入侵植物（或易混淆的入侵植物與本土種）的鑒別；建模時(shí)應(yīng)考慮以下影響因素：一是不同生態(tài)區(qū)域、更多品種及不同年份的葉片近紅外光譜數(shù)據(jù)的差異性；二是雌、雄株的近紅外光譜數(shù)據(jù)差異性。王一丁等[11]2016 年應(yīng)用可見光—近紅外光譜技術(shù)，田間在線測(cè)定4 個(gè)烤煙品種葉片的光譜，并對(duì)原始光譜進(jìn)行優(yōu)化處理，選取了全波段光譜結(jié)合偏最小二乘判別分析法（PLS-DA）方法，建立了烤煙品種的定性判別模型，對(duì)40 個(gè)未知樣品的識(shí)別準(zhǔn)確率達(dá)100%。此外，NIRS 技術(shù)不僅能實(shí)現(xiàn)雜草與作物間的區(qū)分、還能區(qū)別雜草的種類、有利于雜草的分類滅除[12]。戴青玲等[13]2009 年利用近紅外圖像識(shí)別雜草發(fā)現(xiàn)，識(shí)別相對(duì)誤差小于0.049。

1.2 輔助木本植物種類鑒別

在木本植物鑒別方面，Lang 等[14]等使用近紅外光譜技術(shù)識(shí)別了亞馬遜熱帶雨林橄欖科（Burseraceae）Protium和Crepidospermum共2 屬13 個(gè)樹種的樹葉，識(shí)別準(zhǔn)確率＞90%。Yong He et al[15]利用隨機(jī)選取的茶葉8 個(gè)品種的200 個(gè)樣品，建立BP-ANN 模型，利用該模型對(duì)40 個(gè)未知樣本的品種進(jìn)行了識(shí)別。識(shí)別率達(dá)到100%。該模型具有較好的可靠性和實(shí)用性。Chen et al[16]2007 年收集了我國(guó)8 個(gè)省份的紅茶、綠茶、烏龍茶茶葉樣品150 個(gè)，采集所有茶樣的近紅外光譜數(shù)據(jù)，采用支持向量機(jī)(SVM) 計(jì)量方法對(duì)3 類茶葉分別建模，所建模型的全樣本正確判別率分別為96.67%、100%、93.33%，也可快速識(shí)別茶類。欒啟福等[17]2013 年以我國(guó)南方培育推廣的2 個(gè)雜種松及其3 個(gè)親本樹種為研究材料，先將針葉烘干、研磨成粉、過(guò)篩，通過(guò)近紅外光譜儀掃描各樹種的針葉粉來(lái)采集數(shù)據(jù)，并采用偏最小二乘法（PLS-DA）建模對(duì)雜種松及其親本進(jìn)行鑒別。結(jié)果發(fā)現(xiàn)，偏最小二乘法（PLS-DA）對(duì)雜種松具有較高的判別能力，能較好地將雜種松及其親本樹種區(qū)別開來(lái)，并具有與分子標(biāo)記相類似的物種親緣關(guān)系辨別潛力，可在林木種質(zhì)判別分析中加以研究利用。王逸之等[18]2014 年用便攜式近紅外光譜儀，在野外實(shí)測(cè)了4 個(gè)竹種葉片的正面近紅外光譜，并結(jié)合偏最小二乘法（PLS-DA）對(duì)光譜數(shù)據(jù)判別分析，利用最優(yōu)校正模型對(duì)4 個(gè)竹種葉片正面近紅外光譜進(jìn)行驗(yàn)證判別，識(shí)別率均為100%；但利用竹葉背面的近紅外光譜數(shù)據(jù)建模，效果不如葉片正面的光譜數(shù)據(jù)，這可能與竹葉正反兩面對(duì)近紅外光譜反射程度差異有關(guān)。

2 輔助植物葉片病蟲害診斷

植物的冠層葉片在很大程度上反映植株的健康程度。植物學(xué)家曾指出，如果能在植株出現(xiàn)病癥之前檢測(cè)出染病，及時(shí)進(jìn)行藥物處理的治理效果較好[19]。鑒于現(xiàn)有檢測(cè)方法，如肉眼觀測(cè)、分子檢測(cè)、統(tǒng)計(jì)學(xué)方法預(yù)測(cè)等都很難實(shí)現(xiàn)快速準(zhǔn)確的在線早期檢測(cè)，因此需要應(yīng)用新的技術(shù)方法來(lái)進(jìn)行病害的早期檢測(cè)[19]。由于近紅外光譜能夠反映物質(zhì)的顏色以及內(nèi)部組分信息，因此，染病作物和正常作物相比，其光譜信息會(huì)發(fā)生變化，并能在部分光譜波段上反映，可用于監(jiān)測(cè)植物病害的研究[20]。不同的害蟲在近紅外區(qū)域有不同的吸收光譜，每種成分都有特定的吸收特征，為NIRS 技術(shù)實(shí)現(xiàn)害蟲的自動(dòng)識(shí)別提供了可能[21]。

2.1 輔助葉片病害診斷

在病害檢測(cè)方面，Bravo 等[22]2003 年在可見光到近紅外波段對(duì)小麥（Triticum aestivum）黃銹病進(jìn)行早期診斷。Sankaran 等[23]應(yīng)用可見-近紅外光譜技術(shù)分析健康柑橘（Citrus reticulata）樹和感染黃龍病樹的柑橘葉片光譜圖像，對(duì)兩種柑橘樹分類準(zhǔn)確率為87%。李小龍、秦豐等[24]2013 年利用NIRS 技術(shù)結(jié)合偏最小二乘法（PLS-DA）建立了小麥條銹病和葉銹病早期檢測(cè)的定性鑒別模型，測(cè)試級(jí)樣品的識(shí)別準(zhǔn)確率達(dá)97%。李小龍、秦豐、趙龍蓮等[25]2015 年在前期研究的基礎(chǔ)上，建立了小麥條銹病不同嚴(yán)重度葉片的定性識(shí)別模型，用處理復(fù)雜非線性數(shù)據(jù)的RBF 核函數(shù)建模，識(shí)別準(zhǔn)確率為97.01%。前者實(shí)現(xiàn)了小麥條銹病的早期診斷，后者證實(shí)可對(duì)小麥條銹病的嚴(yán)重程度進(jìn)行分級(jí)識(shí)別。研究證實(shí)，利用NIRS 技術(shù)可識(shí)別柑橘葉片黃龍病，陳冬梅[26]2016 年建立了主成分分析（PCA）模型和偏最小二乘法（PLS-DA）模型，研究得出PLS-DA 模型的判別分析能力優(yōu)于PCA 模型；劉燕德等[27]2016 年建立了偏最小二乘（PLSDA）模型和最小二乘支持向量機(jī)（LS-SVM）模型，發(fā)現(xiàn)LS-SVM 模型的預(yù)測(cè)柑橘葉片黃龍病的效果優(yōu)于PLS-DA 模型。NIRS 技術(shù)，還應(yīng)用于茄子（Solanum melongena）葉片早期灰霉病[19]、番茄葉片灰霉病的感染程度[28]測(cè)定，以及萬(wàn)壽菊（Tagetes erecta）葉片潛伏期黑斑病[29]、水稻葉瘟病[20]、水稻葉胡麻斑和紋枯病[30]等病害的識(shí)別。在采集近紅外光譜數(shù)據(jù)過(guò)程中，存在多因素的影響和干擾，如非單色光、雜散光、測(cè)試溫度等，使樣品的近紅外光譜信息與化學(xué)值信息之間呈現(xiàn)較復(fù)雜的非線性關(guān)系。在實(shí)驗(yàn)室獲取近紅外光譜數(shù)據(jù)所受的干擾小于田間，因此，研究田間光譜數(shù)據(jù)對(duì)于實(shí)現(xiàn)準(zhǔn)確監(jiān)測(cè)將更有現(xiàn)實(shí)意義[25]。上述研究均通過(guò)直接掃描鮮葉樣品來(lái)獲取近紅外光譜數(shù)據(jù)，無(wú)須經(jīng)過(guò)干燥、研磨成粉等步驟，有效地提高了測(cè)試和分析的效率。

2.2 輔助葉片蟲害診斷

在輔助蟲害測(cè)定方面，Cunningham[31]2004 年應(yīng)用近紅外檢測(cè)法研究了153 份紅椿(Toona ciliata)樣品葉片組成與害蟲危害的相關(guān)性，并成功地將不同危害程度（高和低等級(jí)）的紅椿小葉進(jìn)行了劃分。結(jié)果表明，高的樹種更易遭到危害，紅柏蛾的危害行為與紅椿樹葉的化學(xué)成分有關(guān)系。利用近紅外檢測(cè)數(shù)據(jù)進(jìn)行判別，可將大部分受危害葉片分為輕度和重度危害兩種。Wu 等[32]2006 年采用NIRS 技術(shù)通過(guò)支持向量機(jī)（LS-SVM）識(shí)別土豆葉片美洲斑潛蠅（Liriomyza sativae），正確率達(dá)90%。吳達(dá)科等[33]2007 年采用圖像處理和光譜分析技術(shù)相結(jié)合的方法測(cè)定了斑潛蠅蟲害鮮葉片的近紅外反射光譜，發(fā)現(xiàn)黃瓜（Cucumis sativus）、番茄葉片的破損率、干鮮比與近紅外反射光譜之間有較強(qiáng)的相關(guān)性，光譜信息能很好地反映斑潛蠅蟲害鮮葉片的蟲害程度。但葉片含水率和營(yíng)養(yǎng)狀況的變化等也可能引起葉片紅外反射光譜的差異，檢測(cè)結(jié)果的準(zhǔn)確性有待進(jìn)一步驗(yàn)證。

3 輔助葉片育種材料選育

利用NIRS 技木可實(shí)現(xiàn)對(duì)育種材料的快速測(cè)定，篩選目標(biāo)性狀含量高或低的親本或特異突變材料，實(shí)現(xiàn)對(duì)大量育種中間材料的優(yōu)選劣汰，對(duì)提高品質(zhì)鑒定效率，縮短育種年限，減小育種種植規(guī)模起到十分重要的作用[34]。應(yīng)用NIRS 技術(shù)輔助植物育種材料的選擇，研究多集中于植物的繁殖器官——種子，如如水稻（Oryza sativa）、小麥（Triticum aestivum）、大麥（Hordeum vulgare）、玉米（Zea mays）、大豆（Glycine max）、花生（Arachis hypogaea）、油菜（Brassica napus）等主要農(nóng)作物的品質(zhì)分析；葉片作為植物蒸騰作用和光合作用的主要器官，研究相對(duì)較少，利用葉片開展的NIRS 技術(shù)應(yīng)用研究主要是輔助輔助開展適應(yīng)性育種、抗病蟲性育種和品質(zhì)育種等研究。

3.1 輔助適應(yīng)性育種研究

在輔助適應(yīng)性育種研究方面，Sundblad 等[35]2001 年將歐洲云杉（Picea abies）和歐洲赤松（Pinus sylvestris）幼苗在人工結(jié)凍條件下獲得的VIS ＋NIR 光譜與抗凍生理指標(biāo)進(jìn)行關(guān)聯(lián)，所建模型包括全部抗凍性類型的比例大于69%，開辟了植物抗凍性研究方法。李軍會(huì)等[36]2009 年以不同國(guó)家和地區(qū)的30個(gè)抗旱性強(qiáng)弱不同的栽培稻品種，以在水田和旱地下種植得到的水稻（Oryza sativa）鮮葉片近紅外漫反射光譜為對(duì)象，進(jìn)行抗旱性鑒定研究。表明：孕穗中后期旱地葉片近紅外光譜與旱地產(chǎn)量、抗旱指數(shù)之間建立模型的結(jié)果優(yōu)于孕穗前期，而在水田種植條件下得到的葉片近紅外光譜與水田產(chǎn)量、抗旱指數(shù)之間模型交叉驗(yàn)證結(jié)果相關(guān)性較弱。姜健等[37]2010 年釆用NIRS 技術(shù)結(jié)合偏最小二乘回歸法，對(duì)12 個(gè)紫花苜蓿(Medicago sativa)品種苗期耐鹽性進(jìn)行鑒定，表明脯氨酸和丙二醛的近紅外光譜模型能快速、準(zhǔn)確地鑒定紫花苜蓿幼苗耐鹽性；并發(fā)現(xiàn)紫花苜蓿幼苗耐鹽性的NIRS 檢測(cè)更適宜使用新鮮樣品并采用多倍散射校正預(yù)處理方法，該研究對(duì)豆科牧草耐鹽性篩選具有重要作用。

3.2 輔助抗病蟲性育種研究

在輔助抗病蟲性育種方面，張晗旭[38]2013 年基于支持向量機(jī)算法（SVM），利用新鮮葉片的近紅外光譜圖對(duì)抗線蟲番茄和普通番茄進(jìn)行分析，分類準(zhǔn)確率達(dá)86.81%。楊增沖等[39]2017 年采集了番茄植株葉片的近紅外漫反射光譜，利用支持向量機(jī)建立抗病性的識(shí)別模型，準(zhǔn)確率達(dá)96.1538%，表明利用NIRS技術(shù)可識(shí)別番茄植株對(duì)黃化曲葉病是否具有抗病性，為番茄抗病選育提供了一種新的檢測(cè)手段。

3.3 輔助品質(zhì)育種研究

在輔助品質(zhì)育種方面，榮正勤[40]2011 年采用迭代的加權(quán)最小二乘支持向量機(jī)剔除異常值的方式，將甜葉菊（Stevia rebaudiana）葉片曬干研磨成粉，建立了甜葉菊葉片中重要二萜糖甙組分的近紅外光譜預(yù)測(cè)模型，并運(yùn)用該模型篩選出70 個(gè)瑞鮑迪甙A 絕對(duì)含量較高和63 個(gè)瑞鮑迪甙A 相對(duì)含量較高的單株材料；其雜交F1 子代50 個(gè)品系的瑞鮑迪甙A 絕對(duì)含量和相對(duì)含量均顯著提高，甜葉菊味質(zhì)得到顯著改良；NIRS 技術(shù)的應(yīng)用，克服了甜葉菊育種過(guò)程中分析大規(guī)模樣本的困難，加快了育種效率。研究不足之處是釆用甜葉菊葉片粉末建立模型，包括Nishiyama 等[41]在1992 年首次使用近紅外光譜技術(shù)檢測(cè)甜葉菊糖苷含量、Hearn 等[42]2009 年建立甜葉菊醇糖苷的近紅外模型，均釆用甜葉菊葉片粉末，且模型建立后，仍需將甜葉菊葉片粉碎后才能測(cè)定甜葉菊糖苷的含量。湯其坤[43]2014 年的研究客服了上述缺點(diǎn)，運(yùn)用近紅外光譜直接掃描甜葉菊鮮葉片，建立了甜葉菊糖苷和萊鮑迪苷A 的近紅外模型，提高了研究效率，對(duì)甜葉菊育種篩選具有重要作用，避免了后續(xù)糖苷檢測(cè)過(guò)程中不必要的粉碎步驟。

4 葉片物質(zhì)含量測(cè)定

組成植物體的物質(zhì)主要為水和干物質(zhì)。干物質(zhì)可細(xì)分為有機(jī)物質(zhì)和礦物質(zhì)兩部分，其中有機(jī)物質(zhì)的質(zhì)量占植物總干重的90%～95%，礦物質(zhì)僅為5%～10%[44]。近年來(lái)，國(guó)內(nèi)外學(xué)者利用NIRS 技術(shù)，對(duì)各種植物葉片物質(zhì)含量的測(cè)定開展了大量研究，詳見表1。植物葉片的葉綠素含量和水分含量、氮含量是表征植物生長(zhǎng)狀況的最主要信息[45]，因此，研究多集中于這三類物質(zhì)含量的測(cè)定。從植物類別來(lái)看，關(guān)于農(nóng)作物，如小麥、大麥、水稻、黃瓜、玉米、油菜、番茄、尖椒(Capsicum frutescens)、甘薯(Dioscorea esculenta)，茶（Camellia sinensis）、油茶（Camellia oleifera）和橙（Citrus sinensis）、桔（Citrus reticulata）、蘋果（Malus domestica）、葡萄（Vitis vinifera）、梨（Pyrus spp.）等水果等農(nóng)業(yè)經(jīng)濟(jì)作物的研究較多，目前關(guān)于林業(yè)經(jīng)濟(jì)樹種的研究偏少。

4.1 葉片水分含量測(cè)定

在植物營(yíng)養(yǎng)的吸收、運(yùn)轉(zhuǎn)、蒸騰和光合作用等生理變化過(guò)程中，水分均起著關(guān)鍵性的作用，利用NIRS 技術(shù)現(xiàn)場(chǎng)快速、無(wú)損測(cè)定葉片含水率，對(duì)生產(chǎn)中及時(shí)采取灌溉策略，合理有效地利用水資源具有重要作用。由于植物葉片水分易蒸發(fā)，因此樣品采摘后，宜做好保溫保濕處理，并盡快在室溫環(huán)境下采集近紅外光譜數(shù)據(jù)。有學(xué)者利用NIRS 技術(shù)對(duì)水稻[46]、尖椒[47]、茶葉[48-49]、贛南臍橙[50]、臍橙(Citrus sinensis)[51]、西拉葡萄(Vitis vinifera)[52]、桉樹(Eucalyptus spp.)[53]和胡楊(Populus euphratica)[54]等植物的葉片含水率開展了測(cè)定，發(fā)現(xiàn)在近紅外光譜區(qū)域，970nm、1450nm、1 940 nm 為水的典型特征吸收峰[55]。李光君[52]在2016 年測(cè)出西拉葡萄葉片水分的近紅外光譜最高特征波段大約為 1 930 nm。白鐵成等[54]2017 年研究發(fā)現(xiàn)，胡楊葉片水分在1 000～1 700 nm 波段存在相關(guān)性較高的光譜特征，可用于胡楊葉片水分的快速檢測(cè)，其中1 422 nm 波段貢獻(xiàn)值較大。盧萬(wàn)鴻等[53]2017 年的研究表明，與赤桉（Eucalyptus camaldulensis）和細(xì)葉桉（Eucalyptus tereticornis）水分性狀關(guān)系最密切的近紅外光譜區(qū)為1 860～1 960 nm，但從建立和優(yōu)化桉樹葉片相對(duì)含水量和水勢(shì)近紅外光譜預(yù)測(cè)模型的過(guò)程和結(jié)果來(lái)看，用全譜段近紅外光譜信息更可靠。

4.2 葉片有機(jī)物質(zhì)含量測(cè)定

植物體內(nèi)的有機(jī)物質(zhì)主要包括蛋白質(zhì)、其他含氮化合物（如氨基酸等）、脂肪、淀粉、糖類、纖維素、木質(zhì)素和果膠等。在應(yīng)用NIRS 技術(shù)開展有機(jī)物質(zhì)含量測(cè)定，葉綠素和氮元素的測(cè)定研究最多。在開展研究時(shí),多需要經(jīng)過(guò)干燥或搗碎葉片的步驟，以便于獲取光譜數(shù)據(jù)。利用鮮葉光譜估測(cè)生化組分比利用干燥或搗碎葉片估測(cè)困難，主要原因有三個(gè)：一是新鮮葉片表面的蠟質(zhì)層能引起高反射；二是鮮葉中強(qiáng)勢(shì)組分——水的影響，使得在短波紅外區(qū)水的強(qiáng)烈吸收會(huì)在很大程度上掩蓋其它生化組分的吸收特征，進(jìn)而對(duì)其他組分的估算比較困難；三是細(xì)胞結(jié)構(gòu)間隙因氣和水介質(zhì)的差異導(dǎo)致折射率不同而使多次散射更加復(fù)雜等[56]。今后，利用便攜式近紅外光譜儀在田間開展實(shí)時(shí)測(cè)定鮮葉有機(jī)物質(zhì)研究，以快速獲得相關(guān)數(shù)據(jù)雖然困難，但是更有指導(dǎo)意義。

表1 應(yīng)用近紅外光譜分析技術(shù)測(cè)定植物葉片有機(jī)物質(zhì)含量的研究一覽表Table 1 list of research on determination the content of organic matter in plant leaves by NIRS

植物名稱Plant檢測(cè)成分Tested components研究學(xué)者Research scholar植物名稱Plant檢測(cè)成分Tested components研究學(xué)者Research scholar乙酰乳酸合成酶、氨基酸劉飛（2009、2011）[71-73] 水稻Oryza sativa 色素（葉綠素、類胡蘿卜素） 姚霞（2016）[93]油菜Brassica napus丙二醛 孔汶汶（2011）[74] 牡丹Paeonia suffruticosa 花青素 劉秀英（2015）[94]脯氨酸 孫光明（2010）[75] 柑桔Citrus reticulata 可溶性糖 劉燕德（2016）[95]小麥Triticum aestivum甘藍(lán)Brassica oleracea全氮含量、糖氮比、籽粒蛋白質(zhì)水分，可溶性固形物,抗壞血酸湯守鵬（2009）[76] 喬木樹種Kramchote S. （2014）[77] 楊樹Populus spp.樺樹Betula spp.中性洗滌纖維(NDF)、酸性洗滌纖維(ADF)、木質(zhì)素和纖維素氮、糖、淀粉、單寧、酚苷C. Petisco 等（2006）[96]Kennedy F. Rubert-Nason（2013）[97]小麥Triticum aestivum 糖氮比 姚霞（2015）[78]

4.3 葉片礦物質(zhì)含量測(cè)定

礦物質(zhì)或灰分是植物的果實(shí)或種子及植物體其他部分燃燒后殘留下來(lái)的部分，由磷、鉀、鈣、鎂、硫、鐵、錳、銅、鋅、硼、氯、硅和鈉等元素的氧化物組成。一般認(rèn)為，礦物質(zhì)在近紅外區(qū)沒有吸收，原理上認(rèn)為不能被近紅外光譜感應(yīng)到，但實(shí)際上可通過(guò)礦質(zhì)元素與某些含H 鍵有機(jī)物的關(guān)聯(lián)間接檢測(cè)出來(lái)[98]。近年來(lái)，有學(xué)者應(yīng)用NIRS 技術(shù)，對(duì)甘薯葉含鎘、銅和鋅[99]，黃瓜葉含磷[100]，水稻葉含汞、鎘和鉛[101]，紫花苜蓿含鉀、鈣、鎂[102]，丁香蓼（Ludwigia prostrata）葉含銅[103]，香根草（Vetiveria zizanioides）葉含鉛[104]，奧林達(dá)夏橙（C. sinensis）葉含鋅[105]、梨樹葉含鉀[106]進(jìn)行了測(cè)定，表明礦物質(zhì)元素可通過(guò)近紅外光譜進(jìn)行測(cè)定。例如，劉燕德等2012 年[103]、2014 年[104]的研究發(fā)現(xiàn)，植物中的重金屬離子以一定形式與具有近紅外吸收的有機(jī)分子基團(tuán)結(jié)合，因此可借助NIRS 技術(shù)間接檢測(cè)其重金屬離子含量。趙化兵等[106]2014 年研究發(fā)現(xiàn)，鉀雖不能直接影響光譜的吸收反射，但其可通過(guò)影響葉片中的化合物間接地影響光譜的吸收反射。

5 葉片分析中光譜照射分類與光譜波段選擇

5.1 葉片光譜照射分類

近紅外光譜在波長(zhǎng)1 100 nm 處被劃分為短波近紅外光譜區(qū)域和長(zhǎng)波近紅外光譜區(qū)域[107]。波長(zhǎng)小于1 100 nm 的短波近紅外，是高級(jí)倍頻的吸收譜帶，常被應(yīng)用于透射光譜分析，可測(cè)定均勻的流動(dòng)性好的液體樣品，如汽油、白酒、葡萄酒等；波長(zhǎng)大于1 100 nm 的長(zhǎng)波近紅外主要是含氫基團(tuán)振動(dòng)的一級(jí)或二級(jí)倍頻，近紅外光吸收強(qiáng)度的大小會(huì)隨著倍頻吸收頻率的增大而減弱，常被用于漫反射光譜分析，主要用于分析固體顆粒、粉末、纖維、織物等不規(guī)則樣品，特別是物質(zhì)的定量分析方面。因此,在開展葉片光譜分析時(shí)，更多地使用漫反射光譜分析。

5.2 葉片分析光譜波段選擇

葉片內(nèi)部結(jié)構(gòu)的差異性會(huì)引起近紅外光譜區(qū)域的光譜差異性，在利用NIRS 輔助開展植物葉片研究時(shí)，因研究目的差異，應(yīng)采用不同的特征波段進(jìn)行分析。在輔助植物種類鑒別時(shí)，Lang[14]建議在建立基于傅里葉變換近紅外光譜的大范圍植物識(shí)別模型時(shí)，最佳方法是使用每個(gè)標(biāo)本的正反葉表面在2 000～2 500 nm 區(qū)域的平均讀數(shù)光譜來(lái)建模。在分析葉片含水率時(shí)，970、1 450、1 940 nm 為水的典型特征吸收峰[55]。Carter[108]在研究水生植物Eichhornia crassippes和Nuphar luteum、闊葉樹Liquidambar styracifl ua、Magnolia grandifl ora，草本植物Arundinaria tecta以及針葉樹Pinus taeda等6 種植物時(shí)，發(fā)現(xiàn)水分吸收最強(qiáng)波段為1 450、1 940、2 500 nm 附近。李光君[52]選擇波段1 595.7～2 367 nm，來(lái)研究西拉葡萄葉的含水率，發(fā)現(xiàn)波長(zhǎng)和對(duì)應(yīng)的化合物水分的典型波段為1 790～1 940 nm，最高特征波段約為1 930 nm。在分析葉片病蟲害時(shí)，Das 等[109]在350～2 500 nm 波段對(duì)細(xì)菌性葉疫?。˙acterial leaf blight，BLB）進(jìn)行了分析，確定了4個(gè)可用于區(qū)分有病葉片和無(wú)病葉片的特征波段，540、680、760 和990 nm。程術(shù)希等[20]選擇了5 個(gè)特征波段來(lái)分析病變感染稻葉瘟的感染程度，分別為552～558、672～682、719～726、756～768 和990～998 nm，正確率為90%，這5 個(gè)波段與Das 等[109]確定的病害分析特征波段基本一致。吳達(dá)科[33]發(fā)現(xiàn)健康的葉片在760～1350 nm 波段具有較高反射率，但感染斑潛蠅蟲害后，在該波段反射率降低；在1 600～1 800 nm 波段，光反射率隨著蟲害的加劇而降低。在分析葉片有機(jī)物質(zhì)物質(zhì)含量時(shí)，以各種形式存在的C 元素（包括糖，淀粉，纖維素和木質(zhì)素等）和 N 元素（包含在葉綠素、蛋白質(zhì)以及其他分子中），形成1 400 和1 900 nm 吸收波段[110]。在分析礦物質(zhì)元素時(shí)，易時(shí)來(lái)[105]測(cè)定葉片鋅含量采用特征波段1 201～1 300 nm 進(jìn)行分析；趙化兵[106]在測(cè)定梨樹葉片鉀含量時(shí)，采用全波段350～2 500 nm 分析，但發(fā)現(xiàn)鉀素含量與420～500、1 230～1 670 nm 波段的反射率呈負(fù)相關(guān)。

6 研究展望

隨著近紅外光譜儀、化學(xué)計(jì)量學(xué)的發(fā)展以及對(duì)NIRS 理解的逐步深入，NIRS 的檢測(cè)技術(shù)將不斷提高，NIRS 對(duì)葉片單個(gè)物質(zhì)的檢測(cè)將變得更加精準(zhǔn)。除文中提到在植物葉片研究中幾個(gè)主要的應(yīng)用領(lǐng)域外，NIRS 將會(huì)開辟更多的應(yīng)用領(lǐng)域和研究重點(diǎn)：首先是針對(duì)在收集近紅外光譜數(shù)據(jù)時(shí)易受外界環(huán)境影響的缺點(diǎn)，在開展有關(guān)分析研究時(shí)，應(yīng)多考慮不同環(huán)境因素、不同樣品特征對(duì)葉片光譜數(shù)據(jù)的影響，提高預(yù)測(cè)模型的精度。其次是當(dāng)前NIRS 應(yīng)用于分析農(nóng)作物、水果和茶等經(jīng)濟(jì)作物葉片的較多，關(guān)于用材樹種、木本花卉等木本植物葉片性狀的研究較少，今后可探索將NIRS 技術(shù)用于用材樹種葉片性狀的應(yīng)用研究。第三是針對(duì)木本植物品種選育周期長(zhǎng)、種源區(qū)分難等問(wèn)題，NIRS 技術(shù)在指導(dǎo)基于葉片特征分析的木本植物品種選育上具有廣闊的應(yīng)用前景，可有望大幅縮短木本植物的育種周期。例如，包括樟樹、陰香（C. burmannii）、肉桂(C. cassia)、觀光木(Michelia odora)、白玉蘭(Michelia alba)、桉樹、茶樹、松針、白千層(Melaleuca leucadendron)、互葉白千層（M. alternifolia）等木本植物。近紅外光譜分析技術(shù)最大的優(yōu)勢(shì)是提供了田間大量快速檢測(cè)的可能性，但目前很多研究需將葉片樣品采回實(shí)驗(yàn)室,進(jìn)行一定的處理，如保鮮儲(chǔ)藏、干燥或研磨成粉末才能開展測(cè)定，存在測(cè)定效率不夠高的問(wèn)題，今后可進(jìn)一步加強(qiáng)NIRS 技術(shù)應(yīng)用于田間在線測(cè)定的研究，實(shí)現(xiàn)近紅外技術(shù)真正快速、便捷、無(wú)損、準(zhǔn)確的測(cè)定相關(guān)數(shù)據(jù)。