研究背景
萱草（Hemerocallis citrina Baroni），俗称黄花菜，是我国重要的药食两用植物，富含蛋白质、多糖、黄酮和酚类物质，具有抗氧化、抗抑郁和免疫调节等生物活性。我国萱草种植面积居世界前列，其干鲜产品具有较高的食用和经济价值。传统生产中，常通过施用有机肥及氮、磷肥改善土壤养分状况，以促进萱草生长和品质形成。然而，盲目施肥可能产生负面影响，且土壤中的部分碳、氮、磷养分需经微生物矿化和酶促转化后才能被植物有效利用。因此，厘清土壤养分及微生物特征与萱草品质之间的关系，对高品质萱草生产具有重要意义。
基于此，山西农业大学毕如田老师团队以大同萱草及其种植土壤为研究对象，分析土壤碳、氮、磷及微生物特征与萱草食用品质的关系，并结合高光谱技术构建土壤参数监测与品质预测模型，为萱草品质早期预测和高品质生产提供数据支撑。相关成果发表于《Applied Food Research》。
图1.采样点分布。
研究方法
研究区位于大同市云州区。团队于2024年4—7月分4个时期采集240份土壤样品，并于7月11日同步采集60份花蕾样品进行品质测定；
测定指标：有机碳（SOC）、全氮（TN）、全磷（TP）、有效磷（AP）、硝态活性（Pro-act）、蔗糖酶活性（Inv-act）、蛋白质、可溶性糖、总黄酮与总酚含量等；同步利用ASD FieldSpec 4 地物光谱仪采集不同土壤样品的光谱曲线；
光谱参数：
光谱范围：350-2500 nm；
视场角：25°；
光谱通道数：2151；
数据分析：采用相关分析和通径分析解析土壤参数与萱草品质的关系，利用CARS筛选特征波段，并结合PLSR、SVR、RFR和KNR构建高光谱监测模型；进一步采用MLR建立品质预测模型，以R²和RMSE评价模型精度；
图2.不同采样阶段土壤参数的变化特征。
图3.萱草食用品质与土壤参数的相关性。
图4.CARS筛查带的位置。
图5a.高光谱监测模型对土壤参数的准确性。
图5b.高光谱监测模型对土壤参数的准确性。
表1.萱草品质参数与土壤参数关系模型的准确性。
研究结果
SOC、TN、Inv-act、Pho-act、MBC、MBN随生长进程总体下降；NO₃⁻-N呈上升趋势；NH₄⁺-N、AN-N、AP呈先降后升趋势；Pro-act变化幅度较小，但持续作用于整个生长期；
相关性分析结果
蛋白质含量：与AP、Pho-act、MBC显著相关；
可溶性糖：与AN-N、Inv-act、MBC显著相关；
总黄酮：与TP、NO₃⁻-N、NH₄⁺-N、AN-N、Inv-act、MBC、MBN显著相关；
总酚：与TN、TP、NO₃⁻-N、NH₄⁺-N、AN-N、AP、Pho-act、MBC显著相关；
通径分析结果（详见附件）
蛋白质：受SOC、Pro-act、Pho-act主导；
可溶性糖：受NO₃⁻-N、AN-N、Inv-act、MBC主导；
总黄酮：受SOC、TN、Pro-act主导；
总酚：受SOC、TN、TP、Inv-act主导；
高光谱模型表现
仅SOC、TN、NH₄⁺-N、Pho-act四种土壤参数可实现高光谱有效估算；
最优模型组合分别为：SOC：Lg-CARS-PLSR；TN：SNV-CARS-RFR；NH₄⁺-N：R-CARS-RFR；Pho-act：SNV-CARS-PLSR；
以5月15日采集的SOC、TN、NH₄⁺-N、Pho-act数据构建的MLR模型，可同时预测蛋白质、可溶性糖、总黄酮和总酚含量，预测精度均达显著或极显著水平；
结语
本研究从土壤养分与微生物特征出发，结合高光谱技术，实现了关键土壤参数监测及萱草品质的早期预测，为解析萱草品质形成机制和优化田间管理提供了新的技术思路，也为高光谱技术在作物品质监测与精准农业中的应用提供了参考。
发表期刊：Applied Food Research【影响因子：5.4】
研究单位：山西农业大学
研究地点：山西省大同市云州区
使用设备：ASD FieldSpec 4地物光谱仪
DOI ：https://doi.org/10.1016/j.afres.2026.101868