文献类型： 中文期刊

作者： 段丹丹 ¹ ; 刘仲华 ¹ ; 赵春江 ² ; 赵钰 ² ; 王凡 ² ;

作者机构： 1.湖南农业大学园艺学院

2.国家农业信息化工程技术研究中心

关键词： 茶多酚;高光谱;偏最小二乘法;随机森林;多元线性回归

期刊名称： 光谱学与光谱分析

ISSN：

年卷期： 2024 年 003 期

页码： 814-820

收录情况： EI ; SCI ; 北大核心 ; CSCD

摘要： 茶多酚具有很强的生理活性和抗氧化性，是茶品质的重要属性之一。相比传统茶多酚含量的测定方法，遥感技术监测茶多酚含量具有高效、精确及实时的优势，但如何利用遥感数据监测不同时期的茶多酚含量研究较少。该研究以广东省英德市的5个茶园的茶叶为研究对象，对春茶、夏茶和秋茶的叶片与冠层两个尺度的茶多酚含量及对应高光谱数据进行测定，利用标准正态变量变换（SNV）对叶片和冠层的高光谱反射率数据进行预处理；然后，分别采用连续投影算法（SPA）和竞争性自适应重加权采样算法（CARS）筛选不同生长季节叶片和冠层两个尺度茶多酚的敏感波段；最后，通过偏最小二乘法（PLS）、随机森林（RF）和多元线性回归（MLR）分别构建不同时期的茶多酚含量模型并进行验证。结果表明：（1）茶多酚的含量随着季节推移显著增加，春茶茶多酚含量（15.37%）最低，夏茶茶多酚含量次之（18.29%）,秋茶茶多酚含量（秋茶20.77%）最高；（2）不同敏感波段筛选的茶多酚含量的光谱特征波段主要为2 100～2 200 nm附近、 1 300～1 400 nm附近、红波-红边波段及绿波段；（3）基于春茶、夏茶和秋茶冠层光谱特征构建的茶多酚模型中CARS-PLS、 SPA-MLR和CARS-PLS模型精度最高，建模集R~2分别为0.56、 0.45和0.52, RMSE分别为1.15、 1.68和1.77;验证集R~2分别为0.43、 0.40和0.41, RMSE分别为1.60、 1.91和1.91;基于春茶、夏茶和秋茶冠层叶片光谱特征构建的茶多酚模型中SPA-PLS、 CARS-PLS和SPA-MLR模型精度最高，建模集R~2分别为0.50、 0.42和0.42, RMSE分别为1.25、 1.70和1.66;验证集R~2分别为0.43、 0.36和0.38, RMSE分别为1.44、 1.96和2.49。研究结果表明，基于遥感数据进行不同季节的叶片和冠层两个尺度的茶多酚含量估算是可行的，在大面积实时监测茶品质特征方面具有较大的潜力。