小波分析的茶鲜叶全氮含量高光谱监测

王 凡，陈龙跃，段丹丹, 4*，曹 琼，赵 钰，蓝玩荣

1.国家农业信息化工程技术研究中心，北京 100097 2.清远市智慧农业农村研究院，广东 清远 511500 3.农芯科技(广州)有限责任公司，广东 广州 510000 4.湖南农业大学，湖南 长沙 410125 5.江门市农业技术服务中心，广东 江门 529000

引 言

茶树是世界上广泛种植的作物，因其独特的滋味以及强大的健康功效而受到人们的喜爱。众所周知，氮(N)是植物光合作用和生长必需的元素，实时进行氮素管理, 对于保证茶叶产量, 减少环境污染[1]具有指导意义。

传统的作物氮素检测方法费时耗力，对样品具有破坏性，需具备较高的操作技能，无法满足实时准确的测定需求[2]。高光谱作为一种成熟的无损检测技术已被广泛应用于茶叶的营养诊断、种类识别、长势检测[3-4]。光谱测量植被生化变量中有光谱信息冗余等问题，易受到噪音和背景因素的影响。如何从复杂重叠的光谱信息中得到微弱的化学成分变化的有效信息，提高检测精度，是光谱分析的关键。研究表明，偏最小二乘方法(PLSR)，通过使用主成分分析(PCA)将自变量投影到新空间以概括潜在变量，可以处理大量的噪声和相关变量，被证实同样适用于少量变量的情况[5]。选择合理的特征提取方法可以降低模型的复杂程度并提高预测准确性和鲁棒性，且少量变量即可提供与原始全光谱波段相媲美的信息。已有的研究报道了许多方法，如SPA，UVE，PCA，RF以及CARS等[6-7]，这些方法都是选择信息变量非常有效的策略，然而其变量选择方法大多是利用蒙特卡洛采样法在样本变量空间进行重复取样后一次性建模，却没有考虑到变量之间的组合效应。……