基于便攜式蜜柚光譜儀的金沙柚葉片氮含量監(jiān)測模型研究

李艷大 曹中盛 潘玉霞 孫濱峰 黃俊寶 楊偉光 彭忻怡 舒時富 葉春

摘要：【目的】旨在檢驗便攜式蜜柚光譜儀（PPS）監(jiān)測金沙柚葉片氮含量（LNC）的準確性，構建基于PPS 的金沙柚LNC光譜監(jiān)測模型?！痉椒ā客ㄟ^實施不同施氮量的試驗，于幼果期和果實膨大期利用便攜式蜜柚光譜儀（PPS）、ASD高光譜儀和RapidSCAN光譜儀測定冠層光譜反射率，計算得到歸一化紅邊指數(shù)（NDRE）與歸一化植被指數(shù)（NDVI），分析比較3 種光譜儀測定的冠層植被指數(shù)變化規(guī)律與相關性，檢驗PPS的測定精度，構建基于PPS的金沙柚LNC光譜監(jiān)測模型，采用不同試驗點的數(shù)據(jù)檢驗模型?！窘Y果】金沙柚LNC、NDVI和NDRE隨著施氮量的增加表現(xiàn)為遞增趨勢；PPS 和ASD測定的NDVI、NDRE間擬合的決定系數(shù)（R2）依次為0.909 5 和0.900 5，PPS 和RapidSCAN 測定的NDVI、NDRE間擬合的R2依次為0.954 3 和0.900 2，證明PPS 的測定結果與ASD、RapidSCAN 具有很高的一致性。幼果期和果實膨大期的光譜監(jiān)測模型的監(jiān)測效果比生長中期好；PPS測定的NDVIPPS與NDREPPS相比，NDVIPPS與LNC之間的相關性高于NDREPPS；基于NDVIPPS的冪函數(shù)模型能準確地監(jiān)測LNC，模型構建R2介于0.821 0～0.847 2 之間，模型檢驗的相關系數(shù)（r）、相對均方根誤差（RRMSE）和均方根誤差（RMSE）依次為0.895 2～0.933 3、4.4%～8.1%和0.1%～0.2%。【結論】與常規(guī)化學測試LNC相比，利用PPS可實時準確獲取金沙柚LNC信息，在金沙柚輕簡化種植與養(yǎng)分無損監(jiān)測診斷中具有廣闊應用前景。

關鍵詞：金沙柚；葉片氮含量；便攜式蜜柚光譜儀；光譜監(jiān)測；模型

中圖分類號：S666.3 文獻標志碼：A 文章編號：1009-9980（2023）04-0797-10

金沙柚是江西省吉安市種植的優(yōu)良蜜柚品種之一，種植面積和產量持續(xù)增加，成為當?shù)毓r增收致富的主導產業(yè)[1]。氮素是保證果樹正常生長發(fā)育及豐產穩(wěn)產所需的大量營養(yǎng)元素[2]。葉片氮含量（leafnitrogen content，LNC）是反映樹體氮素營養(yǎng)盈虧和長勢狀況的重要指標，對果樹的光合生產、物質代謝和產量形成等都具有重要的影響[3-4]。因此，葉片氮含量的快速無損監(jiān)測對科學實時指導果樹種植管理、營養(yǎng)盈缺診斷、確定合理的施氮量及發(fā)展果樹輕簡化種植具有非常重要的現(xiàn)實意義。果樹葉片氮含量測定的常規(guī)方法為室內化學分析測試，具有測定結果重現(xiàn)性高、直觀準確等優(yōu)點，但需破壞性采樣、時效性弱、測定成本高，難以滿足果樹快速無損的葉片氮含量實時監(jiān)測需要[5]；目視外觀診斷法雖然便捷簡單，但判定誤差較大、經驗性較強[6]。隨著光譜監(jiān)測技術的快速發(fā)展，現(xiàn)已成為果樹長勢、葉片營養(yǎng)元素等指標的無損定量監(jiān)測手段[7]。很多研究者利用光譜數(shù)據(jù)豐富、準確可靠的進口高光譜儀測定果樹葉片營養(yǎng)元素敏感光譜波段，建立基于特征植被指數(shù)的葉片磷含量、葉綠素含量、葉片氮含量等指標光譜監(jiān)測模型[8-10]，為果樹生長指標的無損快速測定提供了有力技術支持，但進口高光譜儀價格貴、實用性不強。為此，許多研究者研制了實用性較強、價格便宜的便攜式光譜儀，能快速準確地獲取葉片營養(yǎng)元素等指標信息[11-13]。雖然前人利用便攜式光譜儀開展了許多葉片營養(yǎng)元素的無損監(jiān)測研究，建立了許多適用準確的光譜監(jiān)測模型，但由于研究區(qū)域、研究對象及種植管理條件等不一致，使得建立的監(jiān)測模型的適用性、模型形式與參數(shù)等具有較大的差異，開展本地化建模研究顯得尤為必要，且已有便攜式光譜儀主要適用于水稻、小麥、蔬菜等大田作物，對于株高2 m以上的成年柚樹適用性差、數(shù)據(jù)獲取費時費力。因此，筆者在本文中通過實施4 個施氮量的金沙柚試驗，利用課題組研發(fā)的便攜式蜜柚光譜儀（portable pomelo spectrometer， PPS）、美國進口的ASD高光譜儀和RapidSCAN 光譜儀同步測定冠層植被指數(shù)，綜合分析比較3 種光譜儀測定的冠層植被指數(shù)變化規(guī)律與相關性，構建基于PPS 的葉片氮含量光譜監(jiān)測模型，以期為金沙柚輕簡化種植與養(yǎng)分無損監(jiān)測診斷提供技術支持。

1 材料和方法

1.1 試驗設計

于2021 年在江西省吉安市吉州區(qū)（Jizhou district，JZD）和吉水縣（Jishui county，JSC）實施不同施氮量的金沙柚試驗。吉州區(qū)和吉水縣試驗點的土壤類型為紅壤，分別含速效鉀128.44 和117.52 mg·kg-1、速效磷30.14和28.45 mg·kg-1、全氮1.31和1.16 g·kg-1、堿解氮119.34 和107.22 mg · kg- 1、有機質22.17 和20.15 g·kg-1。供試金沙柚樹齡8 a（年），種植行株距5 m × 4 m，3 次重復，每個重復選擇4 株長勢一致的相鄰柚樹為1 個小區(qū)，共計12 個小區(qū)和48 株柚樹。綜合金沙柚生長發(fā)育對肥料的需求規(guī)律及前人研究[14- 15]，設置4 個施氮量，依次為純氮0（N0）、0.5（N1）、1.0（N2）和1.5（N3）kg·棵-1，氮肥（選用尿素、商品有機肥）依次按照基肥40%、萌芽肥15%、保果肥15%和壯果肥30%施用；另配K2O 1.0 kg·棵- 1、P2O5 0.6 kg·棵-1，鉀肥（選用硫酸鉀、商品有機肥）、磷肥（選用過磷酸鈣、商品有機肥）均依次按照基肥70%、壯果肥30%施用。施肥時，在樹冠滴水線兩側挖條狀溝，溝深20 cm左右，將肥料和園土拌勻再回填溝中，前后兩次的施肥位置要錯開。

1.2 測定項目與方法

1.2.1 ASD植被指數(shù)的獲取 利用ASD公司（AnalyticalSpectral Devices）研發(fā)的便攜式高光譜儀（記為ASD，產品型號FieldSpec HandHeld 2，波長范圍：325～1075 nm，從美國進口），于幼果期（花后59 d）和果實膨大期（花后120 d），選取晴天，在各小區(qū)選擇1株長勢健康的柚樹于10：00—14：00 獲取其冠層的反射率數(shù)據(jù)，儀器傳感器垂直離冠層1 m，數(shù)據(jù)獲取前用白板校正，每株柚樹東南西北4 個方位各測3 個點，每個點測5 次，計算均值作為該棵柚樹的測定結果。選出670 nm（R，紅光波段）、730 nm（RE，紅邊波段）及780 nm（NIR，近紅外波段）的反射率數(shù)據(jù)，分別按公式（1）和（2）計算得到歸一化植被指數(shù)NDVI 與歸一化紅邊指數(shù)NDRE值。

式（1）～（2）中：NDVIASD 與NDREASD 依次表示ASD獲取的NDVI與NDRE；R、RE與NIR依次表示670、730 與780 nm的反射率值。

1.2.2 RapidSCAN 植被指數(shù)的獲取 與ASD 植被指數(shù)的獲取同步，利用RapidSCAN CS-45 光譜儀（記為Rapid，包含3 個波段，即670 nm 紅光波段、730 nm紅邊波段及780 nm近紅外波段，從美國進口），儀器可直接獲取得到NDVI 與NDRE 值（分別記為NDVIRapid和NDRERapid）。冠層植被指數(shù)獲取方法與ASD相同。

1.2.3 PPS 植被指數(shù)的獲取 與ASD 植被指數(shù)的獲取同步，利用便攜式蜜柚光譜儀（記為PPS，波長范圍：400～1100 nm，筆者課題組研發(fā)）。冠層植被指數(shù)獲取方法與ASD 相同。選出670 nm 紅光波段、730 nm紅邊波段及780 nm近紅外波段的反射率數(shù)據(jù)，計算得到NDVI 和NDRE 值（分別記為NDVIPPS和NDREPPS）。

1.2.4 金沙柚LNC的獲取 與ASD植被指數(shù)獲取同步，在每棵采樣柚樹4 個不同方位（東、西、南、北）的冠層中部選擇外圍春梢，從上向下采摘第3、第4片葉，每個方位采集10 枚葉片，每株柚樹共采集40片葉作為一個測定樣品。將采摘葉片運回實驗室，洗凈后放入烘箱，105 ℃下殺青30 min，80 ℃下烘至恒質量，利用凱氏定氮法測定葉片氮含量[16]。

1.3 監(jiān)測模型的建立及檢驗

利用吉州區(qū)試驗點數(shù)據(jù)建立監(jiān)測模型，吉水縣試驗點數(shù)據(jù)檢驗監(jiān)測模型。將獲取的金沙柚冠層植被指數(shù)（NDVI 與NDRE）和葉片氮含量依次作為模型擬合分析的自變量與因變量，采用Excel 軟件進行冪函數(shù)、多項式及指數(shù)等擬合，進而篩選建立相關性最好的監(jiān)測模型。選用相關系數(shù)r、相對均方根誤差RRMSE 和均方根誤差RMSE 作為檢驗模型預式（3）～（5）中：SIMi、SIMi、OBSi、OBSi和n 依次表示模擬值、模擬值均值、觀測值、觀測值均值和樣本容量。

2 結果與分析

2.1 金沙柚葉片氮含量的動態(tài)變化特征

從圖1 可以看出，施氮量會影響金沙柚的葉片氮含量。在不同生育期，金沙柚葉片氮含量隨施氮量增加表現(xiàn)為遞增趨勢。如吉州區(qū)（JZD）試驗點金沙柚果實膨大期N0、N1、N2 和N3 的葉片氮含量依次為2.36%、2.67%、2.82%和3.05%。不同生育期相比，果實膨大期的葉片氮含量比幼果期的葉片氮含量高。如吉水縣（JSC）試驗點金沙柚果實膨大期N2處理的葉片氮含量為2.99%，幼果期的葉片氮含量為2.71%，兩者相差0.28個百分點。

2.2 金沙柚冠層植被指數(shù)的動態(tài)變化特征

從圖2 可以看出，利用ASD、PPS 和RapidSCAN三種光譜儀測定的不同生育期金沙柚冠層植被指數(shù)隨著施氮量的增加表現(xiàn)為遞增趨勢。如吉州區(qū)（JZD）試驗點金沙柚幼果期N0、N1、N2和N3處理的NDVIASD依次為0.56、0.79、0.83 和0.88，NDVIPPS依次為0.63、0.70、0.80和0.85，NDVIRapid依次為0.67、0.79、0.84 和0.90。不同生育期相比，果實膨大期的冠層植被指數(shù)比幼果期的冠層植被指數(shù)高。如吉水縣（JSC）試驗點金沙柚果實膨大期N2 處理的NDREASD、NDREPPS 和NDRERapid 依次為0.22、0.22 和0.24，幼果期的NDREASD、NDREPPS 和NDRERapid 依次為0.17、0.20 和0.22，兩者分別相差0.05、0.02 和0.02。

2.3 3 種光譜儀獲取的冠層植被指數(shù)之間的相關性

從圖3 可以看出，利用ASD、PPS 和RapidSCAN三種光譜儀獲取的金沙柚冠層NDVI和NDRE值依次為0.55～0.92 和0.11～0.29。3 種光譜儀獲取的金沙柚冠層NDVI 和NDRE 間差異不顯著。進一步將3種光譜儀獲取的不同試驗點、生育期的NDVI 與NDRE 進行相關性分析，結果顯示，基于PPS 的NDVIPPS、NDREPPS 分別與基于ASD 的NDVIASD、NDREASD間線性擬合的R2依次為0.909 5、0.900 5；基于PPS 的NDVIPPS、NDREPPS 分別與基于RapidSCAN 的NDVIRapid、NDRERapid間線性擬合的R2依次為0.954 3、0.900 2。證明PPS、ASD 和RapidSCAN 的測定結果一致性高。

2.4 金沙柚葉片氮含量監(jiān)測模型的構建

從表1 可以看出，金沙柚NDVIPPS與LNC相關性最顯著的模型為冪函數(shù)，模型R2 介于0.821 0～0.847 2 之間；金沙柚NDREPPS與LNC 相關性最顯著的模型為多項式，模型R2 介于0.781 3～0.792 0之間；NDVIPPS和NDREPPS相比，NDVIPPS與LNC 間的相關性更顯著。將金沙柚生長中期（幼果期和果實膨大期）的數(shù)據(jù)進行綜合分析，表明生長中期的植被指數(shù)與LNC之間的相關性較幼果期和果實膨大期差，R2小于0.81。圖4 為基于NDVIPPS的LNC監(jiān)測模型擬合曲線圖，從圖4 可知，基于NDVIPPS的LNC冪函數(shù)模型R2介于0.801 8～0.847 2 之間，LNC監(jiān)測模型在不同生育期都具有較好的擬合效果。

2.5 金沙柚葉片氮含量監(jiān)測模型的檢驗

利用吉水縣試驗點獲取的試驗數(shù)據(jù)對本文建立的基于NDVIPPS的金沙柚葉片氮含量光譜監(jiān)測模型進行檢驗。從圖5 可知，模型對不同生育期的葉片氮含量具有較好的預測效果，模擬值和觀測值間表現(xiàn)為較高的一致性，基于NDVIPPS的冪函數(shù)模型預測金沙柚LNC 的r、RRMSE 和RMSE 依次為0.895 2～0.933 3、4.4%～8.1%和0.1%～0.2%。

3 討論

蜜柚是人們喜食的水果之一，廣泛種植于中國南方丘陵山區(qū)[17-18]。江西吉安地區(qū)種植的金沙柚是中國南方紅壤丘陵區(qū)名特優(yōu)柚類品種之一。輕簡化種植是當前金沙柚生產栽培的重要目標，對金沙柚葉片氮素營養(yǎng)盈虧狀況進行無損定量監(jiān)測診斷是實現(xiàn)此目標的前提條件之一，而LNC是表征金沙柚植株氮素營養(yǎng)狀況和生長特征的重要指標。因此，快速、無損獲取LNC信息，對于實現(xiàn)金沙柚輕簡化栽培及確定合理追氮處方具有十分重要的意義。

筆者在本文中開展了不同施氮量的觀測試驗，利用便攜式蜜柚光譜儀（PPS）、ASD 高光譜儀和RapidSCAN 光譜儀獲取不同處理的金沙柚冠層NDVI 和NDRE，同步采樣獲取葉片氮含量，分析比較3 種儀器獲取的NDVI、NDRE的動態(tài)變化規(guī)律與相關性。結果顯示，金沙柚的LNC與冠層植被指數(shù)均隨著施氮量的增加表現(xiàn)為遞增趨勢，這與前人[14]結果一致。表明不同施氮量對金沙柚LNC具有顯著的調控效應，間接影響金沙柚的產量品質形成。因此，氮肥按需投入是金沙柚獲得豐產優(yōu)質的關鍵栽培措施之一。

近年來，具有便捷高效、信息豐富和無損準確特點的光譜監(jiān)測技術普遍應用于果樹生長及葉片營養(yǎng)元素定量監(jiān)測中[19-21]。雖然國外進口的光譜儀具有數(shù)據(jù)豐富、觀測精度高、結果可靠等優(yōu)點，可準確揭示果樹長勢、葉片氮素營養(yǎng)指標與光譜植被指數(shù)之間的規(guī)律性關系，但其售價較高、手持式，在采集株高較高的果樹冠層光譜時需要借助梯子等平臺獲取數(shù)據(jù)，操作不便、費時費力。通過分析比較筆者課題組研發(fā)的便攜式蜜柚光譜儀（PPS，其優(yōu)勢是可以調整縱向高度和橫向距離來方便快捷地采集不同高度和方位的井岡蜜柚冠層光譜數(shù)據(jù)，且成本分別是ASD 高光譜儀和RapidSCAN 光譜儀的12% 和60%），與美國進口的ASD高光譜儀、RapidSCAN光譜儀獲取的金沙柚冠層植被指數(shù)間的定量結果表明，3 種光譜儀獲取的NDVI 和NDRE 間差異不顯著。將PPS和ASD獲取的NDVI和NDRE分別進行相關分析，線性擬合的R2依次為0.909 5 和0.900 5；將PPS和RapidSCAN獲取的NDVI和NDRE分別進行相關分析，線性擬合的R2依次為0.954 3和0.900 2，結果表明，3 種光譜儀的測定結果一致性高，PPS 的測定結果準確可靠，能取代售價高的進口ASD 和RapidSCAN獲取金沙柚冠層NDVI和NDRE數(shù)據(jù)。

通過特征波段組合構成的光譜植被指數(shù)能有效消除儀器本身及周圍環(huán)境條件等的因子影響[22]。筆者在本文中通過獲取金沙柚不同生育期和施氮量下的冠層植被指數(shù)與LNC 數(shù)據(jù)，建立了基于NDVIPPS與NDREPPS的金沙柚LNC光譜監(jiān)測模型，采用不同試驗點的數(shù)據(jù)檢驗了LNC 光譜監(jiān)測模型。結果顯示，利用PPS 光譜儀獲取的NDVIPPS 與NDREPPS 相比，NDVIPPS 與LNC 間的相關性更顯著；NDVIPPS與LNC之間的相關關系可用冪函數(shù)模型來定量表達，建模R2 介于0.821 0～0.847 2 之間，檢驗模型的r、RRMSE和RMSE依次為0.895 2～0.933 3、4.4%～8.1%和0.1%～0.2%，比前人在溫州蜜橘中采用雙波段植被指數(shù)TBVI（811， 856）[6]對LNC的預測結果更準確可靠，表明采用PPS可精確預測金沙柚的LNC。與常規(guī)果園采樣室內化學分析測定LNC法[23]相比，筆者利用PPS 測定冠層植被指數(shù)建立LNC光譜監(jiān)測模型，從而計算金沙柚LNC，具有數(shù)據(jù)獲取快捷準確、時效性強等優(yōu)勢，可較好克服常規(guī)測試方法費時耗工、成本高、時效性弱等不足。此外，PPS可適用于金沙柚及其他柑橘品種的葉片葉綠素含量、葉片磷含量等指標的無損監(jiān)測診斷，在柑橘輕簡化種植與養(yǎng)分無損監(jiān)測診斷中具有應用前景。

筆者只利用吉水縣的試驗數(shù)據(jù)檢驗了金沙柚LNC 光譜監(jiān)測模型，雖然模型預測效果表現(xiàn)較好，但還需要獲取吉安市不同試驗點、不同生育期的數(shù)據(jù)對模型進行檢驗評價，進而提高模型的預測效果與準確性。另外，筆者在本文中未考慮鎂、鐵、錳等元素對葉片光譜的影響，這有待今后進一步研究。

4 結論

金沙柚LNC、NDVI 和NDRE 隨施氮量增加表現(xiàn)為遞增趨勢；3 種光譜儀獲取的植被指數(shù)具有高度的一致性，PPS 獲取的NDVIPPS 與LNC 相關性更顯著，基于NDVIPPS的冪函數(shù)模型可較準確地監(jiān)測LNC；與常規(guī)室內化學分析法相比，采用PPS可實時準確獲取LNC，在生產中具有應用前景。

參考文獻References：

[1] 王芳飛. 吉安市井岡蜜柚產業(yè)發(fā)展現(xiàn)狀及建議[J]. 現(xiàn)代農業(yè)科技，2020（8）：94-95.

WANG Fangfei. Development status and suggestions of Jing- gang pomelo industry in Jian city[J]. Modern AgriculturalScience and Technology，2020（8）：94-95.

[2] 徐凱悅，王曉華，宋彪，郭世偉，鄭朝元，郭九信，吳良泉，蘇達.不同時期追施氮肥對成熟期蜜柚樹體氮素分配的影響[J].植物營養(yǎng)與肥料學報，2021，27（4）：553-564.

XU Kaiyue，WANG Xiaohua，SONG Biao，GUO Shiwei，ZHENG Chaoyuan， GUO Jiuxin，WU Liangquan，SU Da. Effectsof nitrogen topdressing at different stages on nitrogendistribution in mature pomelo trees[J]. Journal of Plant Nutritionand Fertilizers，2021，27（4）：553-564.

[3] SETE P B，COMIN J J，CIOTTA M N，…，BRUNETTO G.Nitrogen fertilization affects yield and fruit quality in pear[J].Scientia Horticulturae，2019，258：108782.

[4] 陳倩，丁寧，彭玲，葛順峰，姜遠茂. 供氮水平對矮化蘋果15N-尿素吸收、利用、損失及產量和品質的影響[J]. 應用生態(tài)學報，2017，28（7）：2247-2253.

CHEN Qian，DING Ning，PENG Ling，GE Shunfeng，JIANGYuanmao. Effects of different nitrogen application rateson 15N- urea absorption，utilization，loss and fruit yield andquality of dwarf apple[J]. Chinese Journal of Applied Ecology，2017，28（7）：2247-2253.

[5] 易時來，鄧烈，何紹蘭，鄭永強，姚珍珍，韋獻果，李松偉，簡水仙. 應用多光譜圖像技術進行錦橙葉片氮含量監(jiān)測[J].植物營養(yǎng)與肥料學報，2012，18（1）：176-181.YI Shilai，DENG Lie，HE Shaolan，ZHENG Yongqiang，YAO

Zhenzhen，WEI Xianguo，LI Songwei，JIAN Shuixian. Monitoringnitrogen contents of Jincheng leaves using multi-spectrumdigital image analysis technique[J]. Plant Nutrition andFertilizer Science，2012，18（1）：176-181.

[6] 王巧男，葉旭君，李金夢，肖宇釗，何勇. 基于雙波段植被指數(shù)（TBVI）的柑橘冠層含氮量預測及可視化研究[J]. 光譜學與光譜分析，2015，35（3）：715-718.

WANG Qiaonan，YE Xujun，LI Jinmeng，XIAO Yuzhao，HEYong. Estimation and visualization of nitrogen content in citruscanopy based on two band vegetation index （TBVI） [J].Spectroscopy and Spectral Analysis，2015，35（3）：715-718.

[7] 岳學軍，全東平，洪添勝，WEI Xiang，劉永鑫，王健. 不同生長期柑橘葉片磷含量的高光譜預測模型[J]. 農業(yè)工程學報，2015，31（8）：207-213.

YUE Xuejun，QUAN Dongping，HONG Tiansheng，WEIXiang，LIU Yongxin，WANG Jian. Prediction model of phosphoruscontent for citrus leaves during different growth periodsbased on hyperspectrum[J]. Transactions of the ChineseSociety of Agricultural Engineering，2015，31（8）：207-213.

[8] 楊福芹，馮海寬，李振海，楊貴軍，戴華陽. 基于可見光-近紅外光譜特征參數(shù)的蘋果葉片氮含量預測[J]. 農業(yè)機械學報，2017，48（9）：143-151.

YANG Fuqin，F(xiàn)ENG Haikuan，LI Zhenhai，YANG Guijun，DAI Huayang. Prediction for nitrogen content of apple leavesusing spectral features parameters from visible and near infraredlights[J]. Transactions of the Chinese Society for AgriculturalMachinery，2017，48（9）：143-151.

[9] 黃雙萍，洪添勝，岳學軍，吳偉斌，蔡坤，黎蘊玉. 基于高光譜的柑橘葉片磷含量估算模型實驗[J]. 農業(yè)機械學報，2013，44（4）：202-207.

HUANG Shuangping，HONG Tiansheng，YUE Xuejun，WUWeibin，CAI Kun，LI Yunyu. Hyperspectral estimation model of totalphosphorus content for citrus leaves[J]. Transactions of the ChineseSociety for Agricultural Machinery，2013，44（4）：202-207.

[10] 岳學軍，全東平，洪添勝，王健，瞿祥明，甘海明. 柑橘葉片葉綠素含量高光譜無損檢測模型[J]. 農業(yè)工程學報，2015，31（1）：294-302.

YUE Xuejun，QUAN Dongping，HONG Tiansheng，WANG Jian，QU Xiangming，GAN Haiming. Non- destructive hyperspectralmeasurement model of chlorophyll content for citrus leaves[J].Transactions of the Chinese Society of Agricultural Engineering，2015，31（1）：294-302.

[11] YAO L L，WU R S，WU S，JIANG X P，ZHU Y，CAO W X，NI J.Design and testing of an active light source apparatus for cropgrowth monitoring and diagnosis[J]. IEEE Access，2020，8：206474-206490.

[12] KIPP S，MISTELE B，SCHMIDHALTER U. The performance ofactive spectral reflectance sensors as influenced by measuring distance，device temperature and light intensity[J]. Computers andElectronics in Agriculture，2014，100：24-33.

[13] 楊彪，杜榮宇，楊玉，朱德寬，郭文川，朱新華. 便攜式植物葉片葉綠素含量無損檢測儀設計與試驗[J]. 農業(yè)機械學報，2019，50（12）：180-186.

YANG Biao，DU Rongyu，YANG Yu，ZHU Dekuan，GUO Wenchuan，ZHU Xinhua. Design of portable nondestructive detectorfor chlorophyll content of plant leaves[J]. Transactions of the ChineseSociety for Agricultural Machinery，2019，50（12）：180-186.

[14] 戴祥生，趙曉東，張績，羅輝，黎鑫林，劉江華，易時來. 施肥處理對桃溪蜜柚養(yǎng)分吸收、產量及品質的影響[J]. 安徽農業(yè)科學，2019，47（21）：148-150.

DAI Xiangsheng，ZHAO Xiaodong，ZHANG Ji，LUO Hui，LI Xinlin，LIU Jianghua，YI Shilai. Effects of fertilizer treatment on nutrientabsorption，yield and quality of Taoxi pomelo[J]. Journal of AnhuiAgricultural Sciences，2019，47（21）：148-150.

[15] 位高生，胡承孝，譚啟玲，朱東煌，李瀟彬. 氮磷減量施肥對琯溪蜜柚果實產量和品質的影響[J]. 植物營養(yǎng)與肥料學報，2018，24（2）：471-478.

WEI Gaosheng，HU Chengxiao，TAN Qiling，ZHU Donghuang，LIXiaobin. The effect of nitrogen and phosphorus fertilizer reductionon yield and quality of Guanxi pomelo[J]. Journal of Plant Nutritionand Fertilizers，2018，24（2）：471-478.

[16] 張志良，瞿偉菁，李小方. 植物生理學實驗指導[M]. 北京：高等教育出版社，2009：48-50.

ZHANG Zhiliang，QU Weijing，LI Xiaofang. Experimental Guidanceon plant physiology[M]. Beijing：Higher Education Press，2009：48-50.

[17] 羅自威，陶晶霞，侯凱捷，張利軍，陳曉輝，王玉雯，廖文強，吳良泉，李延，郭九信. 養(yǎng)分優(yōu)化管理實現(xiàn)蜜柚高產高效和降低碳排放[J]. 植物營養(yǎng)與肥料學報，2022，28（4）：688-700.

LUO Ziwei，TAO Jingxia，HOU Kaijie，ZHANG Lijun，CHENXiaohui，WANG Yuwen，LIAO Wenqiang，WU Liangquan，LIYan，GUO Jiuxin. Optimized nutrient management improvesfruit yield and fertilizer use efficiency and reduces carbon emissionsin pomelo production[J]. Journal of Plant Nutrition andFertilizers，2022，28（4）：688-700.

[18] 郭文武，葉俊麗，鄧秀新. 新中國果樹科學研究70 年：柑橘[J].果樹學報，2019，36（10）：1264-1272.

GUO Wenwu，YE Junli，DENG Xiuxin. Fruit scientific researchin New China in the past 70 years：Citrus[J]. Journal of Fruit Science，2019，36（10）：1264-1272.

[19] 劉雪萍，周小成，崔雅君，肖祥希. 基于多特征優(yōu)選的平和縣蜜柚園遙感提取與擴張分析[J]. 貴州大學學報（自然科學版），2022，39（3）：52-61.

LIU Xueping，ZHOU Xiaocheng，CUI Yajun，XIAO Xiangxi.Spatio- temporal change analysis of pomelo orchards in Pinghecounty based on muti- feature optimization[J]. Journal of GuizhouUniversity （Natural Sciences），2022，39（3）：52-61.

[20] 栗方亮，孔慶波，張青，莊木來. 琯溪蜜柚葉片氮素含量多種高光譜估算模型對比研究[J]. 果樹學報，2022，39（5）：882-891.

LI Fangliang，KONG Qingbo，ZHANG Qing，ZHUANG Mulai.Comparative study on several hyperspectral estimation modelsof nitrogen contents in Guanxi honey pomelo leaves[J]. Journalof Fruit Science，2022，39（5）：882-891.

[21] 李金夢，葉旭君，王巧男，張初，何勇. 高光譜成像技術的柑橘植株葉片含氮量預測模型[J]. 光譜學與光譜分析，2014，34（1）：212-216.

LI Jinmeng，YE Xujun，WANG Qiaonan，ZHANG Chu，HEYong. Development of prediction models for determining Ncontent in citrus leaves based on hyperspectral imaging technology[J]. Spectroscopy and Spectral Analysis，2014，34（1）：212-216.

[22] 李哲，張飛，陳麗華，張海威. 光譜指數(shù)的植物葉片葉綠素含量估算模型[J]. 光譜學與光譜分析，2018，38（5）：1533-1539.

LI Zhe，ZHANG Fei，CHEN Lihua，ZHANG Haiwei. Researchon spectrum variance of vegetation leaves and estimation modelfor leaf chlorophyll content based on the spectral index[J]. Spectroscopyand Spectral Analysis，2018，38（5）：1533-1539.

[23] 余璇，文婷，馬青齡，劉德春，胡威，劉勇，楊莉. 金沙柚果實品質與土壤、葉片、果實礦質養(yǎng)分的相關性分析[J]. 江西農業(yè)大學學報，2021，43（1）：70-81.

YU Xuan，WEN Ting，MA Qingling，LIU Dechun，HU Wei，LIU Yong，YANG Li. Correlation between fruit quality and mineralnutrients in soil，leaf and fruit of‘Jinshapomelo[J]. ActaAgriculturae Universitatis Jiangxiensis，2021，43（1）：70-81.