研究背景
甘蔗是全球生物经济的基石，其高产高效依赖于精准的养分管理。传统的营养评估方法依赖于实验室化学分析，但这些方法不仅具有破坏性，还非常耗时且成本高昂，难以满足精准农业对高频、原位监测的需求。可见光-近红外-短波红外（Vis-NIR-SWIR）光谱技术因快速、无损等优势，已成为农业科学中的一种强大分析工具。然而，叶片样品制备方式（鲜样原位测量和烘干磨碎测量）对光谱预测性能的影响仍存争议。尽管新鲜样品在光谱研究中被广泛使用，但在甘蔗NPK综合估算中，系统地评估样品干燥对预测性能的影响，特别是与先进的机器学习算法相结合时，仍然是一个有待探索的问题。
近期，巴西巴拉那联邦科技大学的研究团队领衔，联合米纳斯吉拉斯州立大学和马林加州立大学的研究团队，以甘蔗叶片为研究对象，系统评估了不同样品制备方式对Vis-NIR-SWIR光谱预测N、P、K含量的影响。相关研究成果发表于《Measurement》期刊。该团队通过对比鲜叶与干叶光谱，结合不同机器学习算法，系统分析了模型性能、特征波长及养分-光谱关联机制。结果表明，干燥处理显著提升了N的预测精度，而新鲜叶片对P和K的预测表现更优。该研究为甘蔗无损营养诊断中样品制备策略的差异化选择提供了关键数据支撑，并为精准农业中光谱技术的作物特异性应用奠定了方法学基础。
图1. 实验区的地理位置。
研究方法
研究区域：研究团队在巴西巴拉那州帕拉纳瓦伊市一块2000平方米的区域内进行，在该实验区种植甘蔗，设置12种不同梯度的施肥处理。选择两个时间点（种后7个月、14个月）采集叶片，并对其进行不同条件的测量：
鲜样组：ASD FieldSpec 地物光谱仪直接在田间测叶片反射率；
干样组：叶片在65℃下烘干、研磨后，在实验室进行光谱测量；
光谱性能
光谱范围：350–2500 nm；
光谱分辨率：350–1000 nm范围内为3 nm；1000–2500 nm范围内为30 nm；
在进行光谱反射率测量后，采用化学方法精确测定N、P、K的真实含量。随后，使用随机森林（RF）、支持向量回归（SVR）和偏最小二乘回归（PLS）三种算法，通过五折交叉验证优化超参数，并通过R²、RMSE、RPD和偏差（bias）等指标评估模型性能；
图2.数据采集实验装置：（a）采集田间甘蔗叶片的可见光-近红外-短波红外光谱反射率；（b）通过标准化学分析测定参考N、P、K的实验室程序。
表1.钙、镁、硫、K的处理因素和剂量。
表2. 甘蔗养分含量（N、P、K）的描述性分析。
图3. 图 (a-b) 和 (c-d) 分别显示了新鲜和干燥条件下甘蔗叶的可见光-近红外-短波红外反射光谱，以及光谱预处理前后的光谱。
表3.交叉验证（cv）下NPK预测的模型性能。
图4.预测新鲜和干燥样品中N、P、K含量的最重要波长。
研究发现
模型预测性能
干燥叶片通常在N预测中表现更好，因为去除了水分引起的光谱干扰，增强了模型的预测准确性；
鲜叶对P、K预测更优：P的预测依赖于叶绿素和水分等生理特征，鲜叶保持了这些间接信息；K与 水分状态紧密相关，水吸收带成为其有效的光谱特征；
RF与SVR显著优于PLS，表明非线性算法更适于捕捉水-养分的复杂关系；
特征波长识别
680–720 nm：与叶绿素，N相关；
970–1100、1450、1950、2100–2300 nm：与水分、蛋白质、纤维素、O-H/N-H振动相关；
RF识别出更广泛的非线性相关波段，PLS则聚焦于VIP > 1的离散峰；
结语
研究采用可见光-近红外-短波红外光谱技术，以甘蔗叶片为对象，系统对比了鲜叶原位测量与干叶研磨两种样品制备方式，结合随机森林、支持向量回归与偏最小二乘回归三种建模算法，实现了叶片N、P、K含量的精准估测。研究结果为甘蔗无损营养诊断中样品处理方案的选择提供了方法学依据。未来可进一步拓展至多品种、多环境下的验证，探索深度学习与多源数据融合，推动精确农业中养分监测的应用，提升田间快速检测的实用性和准确性。
发表期刊：Measurement【影响因子：5.6】
研究单位：巴西巴拉那联邦科技大学、米纳斯吉拉斯州立大学、马林加州立大学
研究地点：巴西巴拉那州帕拉纳瓦伊市
使用设备：ASD FieldSpec地物光谱仪
DOI：https://doi.org/10.1016/j.measurement.2026.120298