想象一下，一位有机菜农正面临着一个普遍而棘手的难题：在沙质土壤上，如何精准地为芹菜“进补”？氮肥是蔬菜生长的“口粮”，少了会影响产量和品质，多了不仅浪费高昂的有机肥成本，其淋失的硝态氮(NO3-)还可能污染地下水。更麻烦的是，有机肥料中的氮素释放依赖于土壤微生物的“加工”过程，难以与作物生长需求同步。传统的取样化验方法虽然精确，但耗时、费钱且滞后，难以指导快速的田间管理决策。有没有一种“火眼金睛”，能快速、无创地“看”出芹菜体内的氮素水平和整体品质呢？这篇发表在《Smart Agricultural Technology》上的研究，正是为解决这一痛点而来。
研究人员将目光投向了高光谱成像技术。这种技术能够捕获植物叶片在数百个狭窄波段上的反射光信息，就像一个超级色散的棱镜，能将“绿色”分解成无数细微的色彩指纹，其中蕴含着丰富的植物内部化学成分信息。已有研究表明，这项技术在多种大田和园艺作物上，能有效建模预测氮含量、水分状态等参数。然而，对于有机芹菜而言，这方面的研究尚属空白。由于高光谱数据与作物种类高度相关，且一个稳健的预测模型必须能适应不同季节、不同管理措施的复杂情况，因此，针对有机芹菜建立具有广泛适用性的高光谱预测模型，成为了一个亟待填补的空白，对提升有机农业的水分和养分利用效率至关重要。
为了构建一个“见多识广”的稳健模型，研究人员在佛罗里达州的有机农田开展了为期两年的系统研究，涵盖了两种不同的田间试验设计和两个生产季节。第一个试验（有机肥料试验）专注于氮肥施用时机和不同有机肥料（羽毛粉基和热加工家禽粪肥）的选择；第二个试验（综合养分管理试验）则评估了与豆科覆盖作物轮作以及施用不同堆肥（园林废弃物堆肥和蚯蚓粪肥）对芹菜产量、品质和氮素状况的影响。他们从芹菜叶片正面采集了339–2516 nm范围的高光谱反射率数据，并同步在实验室测定了样本的全氮、硝态氮(NO3-N)、干物质和可溶性固形物含量。通过偏最小二乘回归(PLSR)建模，并采用蒙特卡洛模拟框架和分层抽样策略，他们成功构建了能够预测上述四种品质参数的模型。
本研究得出的结果丰富而具有启发性：
1. 模型性能优异，可溶性固形物预测最准确
在所有被建模的品质参数中，可溶性固形物含量预测的准确度最高（外部验证R2= 0.84），其次是全氮含量（R2= 0.76）、NO3-N含量（R2= 0.73）和干物质含量（R2= 0.65）。模型性能评估指标RPD（性能与偏差之比）和RPIQ（性能与四分位间距之比）也支持了这一结论。模型预测值与实测值的散点图显示，全氮和干物质含量模型在整个观测值范围内保持了相对均匀的预测能力，而可溶性固形物和NO3-N含量的模型在较高值区间预测变异性有所增加，这提示了叶片光谱与全株（尤其是叶柄）特定成分动态可能存在解耦现象。尽管如此，模型在代表真实世界变异性的外部验证数据集上表现稳定，展现了强大的泛化能力。
2. 不同品质参数的光谱重要性区域既有重叠又有差异
通过分析标准回归系数和变量重要性投影(VIP)，研究人员识别了对不同参数预测至关重要的光谱区域。总体而言，可见光蓝光区（约400–500 nm）、红边区域（约680–750 nm）、1000 nm附近的近红外肩部以及短波红外区的水分吸收特征（约1350–1450 nm和1800–2000 nm）对四个参数的模型都有重要贡献。然而，不同参数间也存在差异：例如，红边区域在预测干物质含量时显示出更高的VIP值，而1000 nm附近的区域在预测NO3-N含量时相对更重要。与全氮模型相比，NO3-N模型的VIP谱在1400–2000 nm范围内的贡献更广泛，峰值更高，这很可能与硝酸根离子在液泡中作为渗透调节物质的功能及其与水分的紧密联系有关。全氮和NO3-N的模型在光谱上更为复杂，有更多的波长VIP值超过1.0，这反映了氮在植物生理代谢中的广泛作用。
3. 全光谱建模至关重要，为未来应用指明方向
研究表明，利用400–2400 nm的宽谱高光谱数据对于优化PLSR模型的预测能力至关重要，关键特征广泛分布于可见光、近红外和短波红外区域。这强调了在类似研究中，对全光谱进行全面分析的必要性。尽管模型（尤其是全氮含量模型）在很大程度上依赖于叶绿素相关的可见光波长，但短波红外区域的一些波长也对模型性能有贡献。这提示了未来在传感器技术、光谱范围和空间分辨率等方面需要进行成本效益分析，以平衡模型性能与实际应用的可行性。此外，将研究扩展到更多地点、季节和生产系统，探索基于无人机或卫星平台的冠层级高光谱传感，是进一步提高模型鲁棒性和实用性的重要方向。
综上所述，这项研究成功地将高光谱成像技术应用于有机芹菜的关键品质参数建模，取得了令人鼓舞的预测精度。它首次系统地表征了有机芹菜叶片的光谱反射特性，并揭示了利用叶片反射光谱预测包括膨大叶柄在内的全株养分、溶质和水动态的良好潜力。该研究不仅为有机芹菜乃至其他有机蔬菜的精准氮素管理和品质监控提供了强有力的概念验证和技术基础，也凸显了高光谱遥感在推动可持续农业、优化水肥利用效率方面的广阔前景。尽管在实际应用中，仍需在传感器优化、非破坏性原位监测以及更复杂环境下的模型验证等方面进行更多探索，但这项工作无疑为智慧农业技术在有机生产体系中的深入应用，点亮了一盏充满希望的探照灯。
