葉肉結(jié)構(gòu)對不同樹齡核桃葉片氮磷鉀含量光譜反演精度的響應

摘要：為探究不同樹齡核桃葉片、氮（N）、磷（P）、鉀（K）光譜特征參量穩(wěn)定性的響應機理，利用光譜儀測定不同樹齡核桃葉片光譜反射率，運用電鏡對葉片表面微形態(tài)和超微結(jié)構(gòu)進行觀察，探尋核桃葉肉結(jié)構(gòu)和N、P、K光譜特征參量穩(wěn)定性的內(nèi)在響應。結(jié)果表明：2～6年樹齡核桃葉片N、P、K光譜特征參量均不相同，但8～12年樹齡核桃葉片N元素光譜特征參量均為Rg、RNIR/Red，P元素光譜特征參量均為λy，K元素光譜特征參量均為Dy、RNIR/Green、SDr/SDy、Rg/Ro、SDb、（Rg-Ro）/（Rg+Ro）。（2）利用穩(wěn)定光譜特征參量構(gòu)建的8～12 年樹齡核桃葉片N、P、K含量光譜反演模型具有較高精度，其擬合度（r2）為0.763 2～0.973 6，均方根誤差為0.512 8～1.011 9 g/kg，相對誤差絕對值為0.368 7%～4.948 1%，且均通過置信橢圓F檢驗。（3）核桃葉片表面腺毛分泌的結(jié)晶體隨樹齡增加而減少，經(jīng)分析結(jié)晶體成分為碳（C）、氧（O）、鈉（Na）、鎂（Mg）、硅（Si）、K、鈣（Ca）等多種元素。（4）葉片靠近上表皮的第1層柵欄組織隨著樹齡增加排列逐漸增密，8～12年樹齡的排列最為緊密，幾乎無間隙。8年以下樹齡核桃葉片厚度、上表皮厚度、下表皮厚度、柵欄組織厚度、海綿組織厚度均隨樹齡增加而增厚，而8年以上樹齡的葉肉結(jié)構(gòu)則隨樹齡變化基本穩(wěn)定。綜上，核桃葉片N、P、K光譜特征參量及反演精度與不同樹齡核桃葉肉結(jié)構(gòu)的穩(wěn)定性高度一致，8年以上樹齡核桃樹體可構(gòu)建具有普適性的N、P、K含量光譜反演模型。

關(guān)鍵詞：核桃；光譜特征參量；光譜反演模型；反演精度；葉肉結(jié)構(gòu)

中圖分類號：S664.101；S127 文獻標志碼：A

文章編號：1002-1302（2024）15-0239-08

收稿日期：2023-08-14

基金項目：江蘇省高等學校自然科學基金（編號：21KJD210002）；淮陰工學院博士科研啟動基金（編號：Z301B20513）。

作者簡介：胡珍珠（1986—），女，江蘇徐州人，博士，講師，主要從事植物栽培與生理研究。E-mail：huzhenzhu2785@163.com。

氮（N）、磷（P）、鉀（K）是作物生長最重要的大量營養(yǎng)元素，進行快速、準確的N、P、K水平監(jiān)測，對科學指導精準施肥具有重要意義［1］。光譜技術(shù)具有分析速度快、效率高、成本低、重現(xiàn)性好、測試方便等特點，是探測與獲取作物營養(yǎng)狀態(tài)和長勢信息的有效手段［2］，已逐漸被認為是替代傳統(tǒng)的破壞性田間采樣和實驗室檢測來確定植物N、P、K狀態(tài)的一種經(jīng)濟有效的方法［3］。已有研究表明，對小麥（Triticum aestivum）［4］、菠菜（Spinacia oleracea）［5］、蘆葦（Phragmites australis）［6］等的養(yǎng)分進行監(jiān)測具有較高的精度。此外，對木本植物N、P、K含量光譜監(jiān)測也有較多研究成果，如采用一階微分光譜構(gòu)建的桃樹（Prunus persica）葉片N元素含量回歸模型估測精度相對較高［7］；運用光譜指數(shù)（R760-850-R350-400）和（R760-850-R350-400）/（R760-850+R350-400）估算巨杉（Sequoiadenron giganteum）葉片N、P、K含量精度達95.8%以上［8］；利用多光譜圖像光譜信息構(gòu)建的荔枝（Litchi chinensis）葉片N、P、K含量光譜反演模型擬合度（R2）達到0.885 3、0.911 6、0.904 5［9］；分別以光譜指數(shù)lgR823+lgR880、lg（R789+R790）、R830+R850為因變量構(gòu)建的坐果期扁桃（Amygdalus communis）N、P、K含量具有較高的精度［10］。國內(nèi)外學者就光譜技術(shù)監(jiān)測作物體內(nèi)N、P、K含量已進行了大量的研究并取得了豐碩的成果，但相關(guān)研究大多都是采用經(jīng)驗模型對N、P、K含量進行光譜估測，所建模型是基于光譜特征參量的基礎上進行構(gòu)建，因此光譜特征參量是否具有穩(wěn)定性就決定了所構(gòu)建的模型是否具有普適性。

葉片是植物體的基本組成部分，作物生長發(fā)育過程中一旦缺少N、P、K其中的某一營養(yǎng)成分，其生長發(fā)育就會受到影響，并在作物的形態(tài)和光譜特性中表現(xiàn)出來［11］。對于光譜而言，傳感器接收的主要是葉片反射和散射的太陽輻射。葉片的光學屬性不僅取決于其內(nèi)部的生化組分含量，還與其內(nèi)部葉肉結(jié)構(gòu)有關(guān)。葉片作為植物的營養(yǎng)器官，其細胞的結(jié)構(gòu)變化一直被認為是作物生理狀態(tài)變化的重要指標［12-13］。近年來，研究人員開始關(guān)注植物葉片微結(jié)構(gòu)與作物生理狀態(tài)之間關(guān)系的研究，并取得了很大進展。Franks等研究了不同養(yǎng)分條件與葉片表面結(jié)構(gòu)的響應［14-18］；Kalicharan等研究了Plecreanthus zuluensis表面絨毛的分布、形態(tài)及其隨時間延長的變化特征［19］。

核桃為胡桃科胡桃屬多年生落葉果樹，是世界四大堅果樹種之一，我國已成為世界第一核桃種植大國［20］。利用光譜技術(shù)對核桃樹體進行養(yǎng)分監(jiān)測已取得了較為成熟的研究成果，但引起不同樹齡葉片養(yǎng)分元素光譜特征參量存在差異的機理、不同樹齡核桃的光譜反演模型是否具有普適性，目前均尚不清楚。本試驗研究葉肉結(jié)構(gòu)對不同樹齡核桃葉片N、P、K光譜特征參量穩(wěn)定性及定量反演精度的影響，以期為構(gòu)建在時間上具有普適性的反演模型提供理論基礎，也為指導核桃樹體精準施肥提供技術(shù)途徑。

1 材料與方法

1.1 研究區(qū)概況

試驗地位于江蘇省淮安市（32°43′00″～34°06′00″N，118°12′00″～119°36′30″E），兼有南北氣候特征，四季分明，雨量集中，雨熱同季，光能充足，熱量富裕。年日照時數(shù)為2 136～2 411 h，年平均氣溫為14.1～14.8 ℃，全年無霜期一般在210～225 d，年降水量一般在906～1 007 mm之間。

1.2 光譜數(shù)據(jù)采集

于2022年7月15—16日進行光譜數(shù)據(jù)的采集，以2～12年樹齡核桃樹為研究對象，每個樹齡設置3株樹作為重復，同一樹齡所選樣株長勢基本一致，共33株參試樣株。每個樣株從東、南、西、北4個方向共選取當年生成熟健康葉片10張，為盡量避免每個樣株的不確定性，對活體健康葉片重復測定6次，取其平均值作為該樣株葉片光譜反射率，共獲得330組光譜反射率有效數(shù)據(jù)。

光譜采用美國愛仕達集團有限公司生產(chǎn)的FieldSpecFR光譜儀進行測定，采樣范圍為350～2 500 nm，采樣間隔為1 nm，光譜分辨率3 nm，光纖前視場角25°。測量時將光譜儀探頭垂直向下，保證探頭的視野范圍全部落在葉片上，同時注意避開葉脈位置，測定過程中每15 min進行1次白板優(yōu)化。為減少太陽高度角的變化對光譜反射率的波及，保證良好的光照條件，核桃葉片光譜測定選擇在晴朗無風天氣 11：00—14：00進行。

1.3 葉片N、P、K含量測定

同步采集每一樣株進行光譜測定后的葉片，分裝入自封袋中作為1個樣品，貼上標簽，清潔葉片后，放入烘箱，105 ℃條件下殺青30 min，再調(diào)到 85 ℃ 烘干至恒質(zhì)量。將烘干后的核桃葉片樣本粉碎（過0.25～0.50 mm篩）。稱取磨細烘干的植物樣品0.100 0～0.200 0 g，置于100 mL的開氏瓶或消化管中，先用水濕潤樣品，然后加入濃H2SO4 5 mL，輕輕搖勻（最好放置過夜），瓶口放1個彎頸漏斗，在消化爐上先低溫緩緩加熱，待濃硫酸分解冒白煙逐漸升高溫度。當溶液全部呈棕黑色時，從消化爐上取下開氏瓶，稍冷，逐滴加入10滴300 g/L H2O2，并不斷搖晃開氏瓶以使反應充分進行。再加熱至微沸10～20 min，稍冷后再加入5～10滴H2O2。如此反復2～3次，直至消煮液呈無色或清亮色后，再加熱5～10 min，以除盡過剩的雙氧水。取出開氏瓶冷卻，用少量水沖洗小漏斗，洗液倒入瓶中。將消煮液用水定容至100 mL，取過濾液（或取放置澄清的上清液）作為N、P、K元素的待測液，消煮時應同時做空白試驗以校正試劑誤差。

葉片全氮含量的測定采用奈氏（Nessler）比色法，磷含量的測定采用釩鉬黃比色法，鉀含量的測定采用火焰光度計法測定。

1.4 葉片結(jié)構(gòu)觀測

從每一葉樣中取葉片2張，沖洗干凈，晾干水分。于主脈的第3至第5側(cè)脈處，取距主脈左右兩側(cè)各1 cm長的片段，每個樹齡獲取10個片段，混合均勻后迅速用4%戊二醛溶液固定，真空抽氣，固定48 h后放入70%乙醇中保存。用番紅-固綠對染，采用石蠟制片法制片。用掃描電鏡（SEM）觀察葉片表面形態(tài)結(jié)構(gòu)，用透射電鏡（TEM）觀察葉肉細胞超微結(jié)構(gòu)。用Image J軟件測量葉片厚度、上表皮厚度、下表皮厚度、柵欄組織厚度和海綿組織厚度，同時計算葉片組織結(jié)構(gòu)緊密度（CTR）、葉片組織結(jié)構(gòu)疏松度（SR）和柵海比（P）：

CRT=柵欄組織厚度葉片厚度×100%；

SR=海綿組織厚度葉片厚度×100%；

P=柵欄組織厚度海綿組織厚度。

1.5 數(shù)據(jù)分析處理

用Multispec 5.1光譜處理軟件處理光譜數(shù)據(jù)，用Image J進行電鏡數(shù)據(jù)測量，用Excel 2007進行數(shù)據(jù)統(tǒng)計分析，用Origin 2021進行繪圖。

選用光譜特征參量25種［21］：藍邊位置（λb）、紅邊位置（λr）、黃邊位置（λy）、綠峰位置（λg）、紅谷位置（λo）、藍邊幅值（Db）、紅邊幅值（Dr）、黃邊幅值（Dy）、綠峰反射率（Rg）、紅谷反射率（Ro）、藍邊面積（SDb）、黃邊面積（SDy）和紅邊面積（SDr）、綠峰紅谷比值（Rg/Ro）、綠峰紅谷歸一化值［（Rg-Ro）/（Rg+Ro）］、綠色比值指數(shù)（RNIR/Green）、紅色比值指數(shù)（RNIR/Red）、藍色比值指數(shù)（RNIR/Blue）、綠色歸一化差值指數(shù)［（RNIR-Green）/（RNIR+Green）］、紅色歸一化差值指數(shù)［（NIR-Red）/（NIR+Red）］、藍色歸一化差值指數(shù)［（NIR-Blue）/（NIR+Blue）］、紅邊藍邊面積比值（SDr/SDb）、紅邊黃邊面積比值（SDr/SDy）、紅邊藍邊面積歸一化值［（SDr-SDb）/（SDr+SDb）］、紅邊黃邊面積歸一化值［（SDr-SDy）/（SDr+SDy）］。

2 結(jié)果與分析

2.1 不同樹齡表征葉片N、P、K含量光譜特征參量穩(wěn)定性

從2～12 年樹齡核桃生產(chǎn)園采集光譜數(shù)據(jù)，結(jié)果見表1。表征核桃葉片N含量光譜特征參量結(jié)果顯示，2年樹齡的為Dy、RNIR/Red，3年樹齡為（NIR-Green）/（NIR＋Green）、SDr，4年樹齡為Rg、（SDr-SDb）/（SDr＋SDb）、SDb，5年樹齡為Rg、（SDr-SDy）/（SDr＋SDy），6年樹齡為Rg、RNIR/Red、Ro、SDr，7年樹齡為RNIR/Red、λo，8～12年樹齡均為Rg、RNIR/Red。

表征核桃葉片P含量光譜特征參量結(jié)果顯示，2年樹齡的為（NIR-Red）/（NIR+Red）、Rg，3年樹齡為（SDr-SDb）/（SDr+SDb）、SDb，4年樹齡為 Rg/Ro、SDb、λy，5年樹齡為λy、SDb，6年樹齡為λy、RNIR/Green、RNIR/Red，7年樹齡為λy、RNIR/Red 8～12年樹齡均為λy。

表征核桃葉片K含量光譜特征參量結(jié)果表明，2 年樹齡的為RNIR/Red，3年樹齡為RNIR/Red、SDb，4年樹齡為Dy、SDr/SDy、（NIR-Blue）/（NIR+Blue），5年樹齡為RNIR/Green、RNIR/Red、SDr/SDy，6年樹齡為SDr/SDy、Rg/Ro、SDb、（Rg-Ro）/（Rg+Ro）、RNIR/Green、RNIR/Red，7年樹齡為SDr/SDy、Rg/Ro、SDr，8～12年樹齡均為Dy、RNIR/Green、SDr/SDy、Rg/Ro、SDb、（Rg-Ro）/（Rg+Ro）。

由此可知，8年以下樹齡表征葉片N、P、K含量光譜特征參量完全不具有穩(wěn)定性，但隨著樹齡增加趨于穩(wěn)定，8年以上樹齡表征葉片N、P、K含量光譜特征參量則具有一致性。

2.2 不同樹齡核桃葉片N、P、K光譜反演精度

因表征2～7年樹齡核桃葉片N、P、K光譜特征參量完全不穩(wěn)定，故無法構(gòu)建具有普適性光譜反演模型，而8～12年樹齡的核桃葉片N、P、K元素光譜特征參量具有完全一致性，理論上可以構(gòu)建具有普適性模型，但其準確率如何有待進一步探究，故以8、10、12年樹齡核桃樹體為研究對象，以核桃葉片N、P、K含量為因變量（y），以各生育期光譜特征參量為自變量（x），構(gòu)建一次函數(shù)y=ax+b、二次函數(shù) y=ax2+bx+c、三次函數(shù)y=ax3+bx2+cx+d、指數(shù)函數(shù)y=aebx、冪函數(shù)y=axb。結(jié)果顯示，8、10、12年樹齡核桃葉片N、P、K含量均以三次函數(shù)模型精度最高，采用擬合度（r2）、均方根誤差（RMSE）、相對誤差（RE）及置信橢圓檢驗（F）對所構(gòu)建三次函數(shù)模型精度進行分析。

由表2可知，8、10、12年樹齡核桃葉片氮含量所構(gòu)建的三次函數(shù)模型擬合度（r2）分別為0.865 5、0.860 7、0.973 6，均方根誤差分別為0.940 1、1.011 9、0.774 1，相對誤差分別為0.124 9%、0.697 9%、-0.368 7%，置信橢圓檢驗F值分別為1.233 8、0.878 3、0.404 5。

8、10、12年樹齡核桃葉片磷含量所構(gòu)建的三次函數(shù)模型擬合度（r2）分別為0.785 2、0.810 2、0.799 6，均方根誤差分別為0.518 8、0.845 7、0.512 8，相對誤差分別為-0.378 0%、1.189 3%、1.115 9%，置信橢圓檢驗F值分別為0.065 4、2.060 4、0.788 2。

8、10、12年樹齡核桃葉片K含量所構(gòu)建的三次函數(shù)模型擬合度（r2）分別為0.763 2、0.763 8、0.799 4，均方根誤差分別為0.587 4、0.631 1、0.732 1，相對誤差分別為0.504 8%、-3.496 6%、-4.948 1%，置信橢圓檢驗F值分別為0.323 7、2.479 3、0.500 1。

由此可見，8、10、12年樹齡核桃葉片N、P、K含量的光譜反演模型均具有較高的精度。

2.3 不同樹齡核桃葉片微觀結(jié)構(gòu)

2.3.1 不同樹齡葉片表面微形態(tài)結(jié)構(gòu)

由圖1、圖2可知，不同樹齡核桃葉片表面均表現(xiàn)為凹凸不平，但葉片表面腺毛分泌的結(jié)晶體隨樹齡增加而減少。結(jié)晶體含碳（C）、氧（O）、鈉（Na）、Mg、硅（Si）、K、Ca等多種元素，而各元素因其粒子大小不一而對光的散射、反射、折射作用各不相同。

2.3.2 不同樹齡葉片葉肉超微結(jié)構(gòu)

由圖3可見，2、4、6、8、10、12年樹齡核桃葉片切面表現(xiàn)出相同的組織結(jié)構(gòu)特征，即葉片表皮均由單層細胞組成、排列緊密，柵欄組織和海綿組織分化較為明顯，為典型的異面葉。柵欄組織細胞為長柱狀 排列緊密且較規(guī)則。海綿組織細胞大多為短柱狀，位于柵欄組織和下表皮之間，細胞間排列較為稀疏。

柵欄組織層數(shù)為1～2層，2年樹齡葉片靠近上表皮的第1層柵欄組織細胞清晰可見，但第2層未形成明顯的層次。而2年以上樹齡葉片柵欄組織形成明顯2層細胞組織。細胞排列隨樹齡增加更加緊密，2～6年樹齡葉片靠近上表皮的第1層柵欄組織細胞排列疏松，8～12年樹齡葉片靠近上表皮的第1層柵欄組織細胞排列緊密幾乎無間隙，第2層間隙相對變大?？傮w而言，隨著樹齡增加，葉片靠近上表皮的第1層柵欄組織排列逐漸增密，8～12年樹齡葉肉結(jié)構(gòu)基本一致且第1層柵欄組織細胞排列緊密幾乎無間隙。

由圖4可知，葉片葉肉組織結(jié)構(gòu)隨著樹齡增加存在差異，2、4、6、8、10、1lTvaJwwV+5zrbyVa4suFMarFbXgUP0VEjD688RHGKw8=2年樹齡核桃葉片厚度分別為122.53、148.86、162.55、172.42、173.10、172.42 μm，2、4、6年樹齡葉片厚度隨樹齡增加而增厚，且增幅較大，而8、10、12年樹齡葉片厚度基本一致。由此可見，2～6年樹齡核桃葉片厚度隨樹齡增加而增厚，而8年以上樹齡核桃葉片厚度隨樹齡變化基本穩(wěn)定。

不同樹齡核桃葉片的厚度均表現(xiàn)為上表皮＞下表皮，而葉片上下表皮厚度均表現(xiàn)為隨樹齡增加先急劇增加而后趨于穩(wěn)定，即2～6年樹齡葉片上下表皮厚度隨樹齡增加而急劇增厚，但8年以上樹齡核桃葉片上下表皮厚度均趨于穩(wěn)定。

核桃葉片柵欄組織厚度和海綿組織厚度表現(xiàn)為隨樹齡增加呈先快速增厚而后趨于穩(wěn)定的趨勢，即2～6年樹齡葉片柵欄組織和海綿組織均快速增厚，8 年以上樹齡葉片柵欄組織和海綿組織則趨于穩(wěn)定。但葉片柵海比則表現(xiàn)為隨樹齡增加呈穩(wěn)定增長趨勢，表明隨著樹齡增加，葉片柵欄組織逐漸占據(jù)優(yōu)勢。

由圖4可知，核桃葉片組織結(jié)構(gòu)緊實度隨樹齡增加先急劇增大而后趨于穩(wěn)定，但葉片組織結(jié)構(gòu)松弛度則隨樹齡增加先急劇降低而后趨于穩(wěn)定，表明核桃葉片隨樹齡增加而變得更加緊實。

3 討論與結(jié)論

本研究結(jié)果表明，樹齡對表征葉片N、P、K含量光譜特征參量的穩(wěn)定性影響較大，即8年以下樹齡的核桃表征其葉片N、P、K含量的光譜特征參量各不相同，但隨著樹齡的增大趨于穩(wěn)定，8年以上樹齡的核桃表征其葉片N、P、K含量的光譜特征參量則具有很好的一致性，且8年以上樹齡的核桃葉片N、P、K含量光譜反演模型具有較高精度，表明8年以下小樹齡核桃葉片N、P、K含量光譜反演模型在時間上不具有普適性，而8年以上樹齡核桃養(yǎng)分光譜反演模型具有普適性。該結(jié)果的形成在一定程度上與葉片結(jié)構(gòu)密切相關(guān)。

不同樹齡核桃葉片表面凹凸不平，表面突出的細胞可將光源集中在柵欄組織，從而增加了光的吸收率，降低近紅外波段的光譜反射率。葉片表面的結(jié)晶體含C、O、Na、Mg、Si、K、Ca等多種元素，而各元素因其粒子大小不一而對光的散射、反射、折射作用各不相同，導致光譜反射率也各不相同。核桃葉片上表皮細胞頂端的角質(zhì)層對光線有漫射作用，但幾乎不會反射光。葉片在直射光下從上表皮和下表皮生出1層絨毛般的“毛發(fā)”可以減少入射到植物上的光線強度。

葉片結(jié)構(gòu)和生化組分含量決定了入射輻射的命運，這些最終通過光譜特征表現(xiàn)出來［22］。典型的雙子葉植物葉片由上表皮、柵欄組織、海綿組織和下表皮組成，表皮是1層無色的細胞，很少有葉綠體；柵欄組織中的細胞垂直于葉片表面，較為細長、排列整齊緊密；海綿組織中的細胞形狀不規(guī)則、排列不整齊、疏松且具有較多的間隙［23］。光在葉片內(nèi)部輻射傳遞是一個隨機過程，當光子與葉片內(nèi)部的細胞、細胞核、液泡等基本散射元素相互作用時會被吸收或散射［24］，即光子與葉片內(nèi)部散射元素碰撞導致光的傳輸路徑的不確定性取決于葉片結(jié)構(gòu)，而不是其波長［25-26］。本研究結(jié)果表明，隨著核桃樹齡增加，葉片靠近上表皮的第1層柵欄組織排列逐漸增密，8年以上樹齡葉片第1層柵欄組織細胞排列緊密，幾乎無間隙；8年以下樹齡核桃葉片厚度、上表皮厚度、下表皮厚度、柵欄組織厚度、海綿組織厚度均隨樹齡增加而增厚，而8年以上則隨樹齡變化基本穩(wěn)定；葉片柵海比則表現(xiàn)為隨樹齡增加呈穩(wěn)定增長趨勢；葉片組織結(jié)構(gòu)緊實度隨樹齡增加先急劇增大而后趨于穩(wěn)定，但葉片組織結(jié)構(gòu)松弛度則隨樹齡增加先急劇降低而后趨于穩(wěn)定。這些結(jié)果均表明，8年以上樹齡核桃葉肉結(jié)構(gòu)趨于穩(wěn)定，故而具有穩(wěn)定的光譜特征參量及較高的光譜反演精度。已有大量研究表明，葉肉結(jié)構(gòu)對光譜反射率有著重要影響，葉片內(nèi)的海綿組織由許多細胞和細胞間隙構(gòu)成，葉子在近紅外波段具有較高反射率正是由于其內(nèi)部細胞壁和空氣間隙的多次散射造成的［27］。而葉片的葉肉結(jié)構(gòu)有助于吸收來自葉片正面的光譜入射輻射［28］，如圓錐繡球（Hydrangea paniculata）［29］、蕁麻（Urtica fissa）和常春藤（Hedara nepalensia）［30］正面的反射率高于背面的透光率。此外，葉片的組織結(jié)構(gòu)隨時間和季節(jié)發(fā)生變化，葉片的這些生長特性導致葉片光譜特性也會隨著時間和季節(jié)的變化而變化［31］。對森林［32-35］的葉片光學特征研究表明，葉齡對樹木的葉片性狀（葉肉結(jié)構(gòu)、葉肉細胞體積、細胞間空隙等）有很大的影響，葉片年齡因素可以直接影響葉片的光譜反射率行為［36］。由此可見，葉片的葉肉結(jié)構(gòu)對光譜反射率及衍生的光譜特征參量具有重要影響。

參考文獻：

［1］Yang L C，Deng S，Ma S M，et al. Estimation model of leaf nitrogen content based on GEP and leaf spectral reflectance［J］. Computers & Electrical Engineering，2022，98：107648.

［2］Zhai Y F，Cui L J，Zhou X，et al. Estimation of nitrogen，phosphorus，and potassium contents in the leaves of different plants using laboratory-based visible and near-infrared reflectance spectroscopy：comparison of partial least-square regression and support vector machine regression methods［J］. International Journal of Remote Sensing，2013，34（7）：2502-2518.

［3］Fu Y Y，Yang G J，Pu R L，et al. An overview of crop nitrogen status assessment using hyperspectral remote sensing：current status and perspectives［J］. European Journal of Agronomy，2021，124：126241.

［4］Li H M，Zhang J C，Xu K，et al. Spectral monitoring of wheat leaf nitrogen content based on canopy structure information compensation［J］. Computers and Electronics in Agriculture，2021，190：106434.

［5］Rubo S，Zinkernagel J. Exploring hyperspectral reflectance indices for the estimation of water and nitrogen status of spinach［J］. Biosystems Engineering，2022，214：58-71.

［6］Zhang M Y，Li M J，Liu W W，et al. Analyzing the performance of statistical models for estimating leaf nitrogen concentration of Phragmites australis based on leaf spectral reflectance［J］. Spectroscopy Letters，2019，52（9）：483-491.

［7］王 植，周連第，李 紅，等. 桃樹葉片氮素含量的高光譜遙感監(jiān)測［J］. 中國農(nóng)學通報，2011，27（4）：85-90.

［8］Gong P，Pu R，Heald R C. Analysis of in situ hyperspectral data for nutrient estimation of giant sequoia［J］. International Journal of Remote Sensing，2002，23（9）：1827-1850.

［9］梁宇鋒，潘滿清，霍 翔，等. 基于無人機多光譜圖像的荔枝葉片氮磷鉀含量檢測［J］. 機電工程技術(shù)，2022，51（5）：138-142.

［10］莊紅梅，盧春生，龔 鵬，等. 基于高光譜葉爾羌扁桃氮磷鉀含量估測模型研究［J］. 干旱地區(qū)農(nóng)業(yè)研究，2017，35（2）：157-165.

［11］李民贊. 光譜分析技術(shù)及其應用［M］. 北京：科學出版社，2006：176-180.

［12］Assuero S G，Mollier A，Pellerin S. The decrease in growth of phosphorus-deficient maize leaves is related to a lower cell production［J］. Plant，Cell & Environment，2004，27（7）：887-895.

［13］Gairola S，Naidoo Y，Bhatt A，et al. An investigation of the foliar trichomes of Tetradenia riparia （Hochst.） Codd ［Lamiaceae］：an important medicinal plant of Southern Africa［J］. Flora，2009，204（4）：325-330.

［14］Franks P J，F(xiàn)arquhar G D. The mechanical diversity of stomata and its significance in gas-exchange control［J］. Plant Physiology，2007，143（1）：78-87.

［15］Antelmann H，Towe S，Albrecht D，et al. The phosphorus source phytate changes the composition of the cell wall proteome in Bacillus subtilis［J］. Journal of Proteome Research，2007，6（2）：897-903.

［16］Cochrane T T，Cochrane T A. Differences in the way potassium chloride and sucrose solutions effect osmotic potential of significance to stomata aperture modulation［J］. Plant Physiology and Biochemistry，2009，47（3）：205-209.

［17］Roelfsema M R G，Hedrich R. Do stomata of evo96701fd4105c64ba4f3165a079790355lutionary distant species differ in sensitivity to environmental signals？［J］. New Phytologist，2016，211（3）：767-770.

［18］Champagne A，Boutry M. Proteomics of terpenoid biosynthesis and secretion in trichomes of higher plant species［J］. Biochimica et Biophysica Acta，2016，1864（8）：1039-1049.

［19］Kalicharan B，Naidoo Y，Heneidak S，et al. Distribution，morphological and histochemical characteristics of foliar trichomes of Plectranthus zuluensis （Lamiaceae）［J］. Brazilian Journal of Botany，2015，38（4）：961-971.

［20］Bernard A，Lheureux F，Dirlewanger E.Walnut：past and future of genetic improvement［J］. Tree Genetics & Genomes，2018，14（1）：1.

［21］浦瑞良，宮 鵬. 高光譜遙感及其應用［M］. 北京：高等教育出版社，2000.

［22］徐壽林. 基于輻射傳輸模型提取葉片組分信息的研究［D］. 武漢：華中科技大學，2009：7-9.

［23］Jiang J Y，Comar A，Weiss M，et al. FASPECT：a model of leaf optical properties accounting for the differences between upper and lower faces［J］. Remote Sensing of Environment，2021，253：112205.

［24］Wu S B，Zeng Y L，Hao D L，et al. Quantifying leaf optical properties with spectral invariants theory［J］. Remote Sensing of Environment，2021，253：112131.

［25］Stenberg P，Mttus M，Rautiainen M.Photon recollision probability in modelling the radiation regime of canopies：a review［J］. Remote Sensing of Environment，2016，183：98-108.

［26］Féret J B，Gitelson A A，Noble S D，et al. PROSPECT-D：towards modeling leaf optical properties through a complete lifecycle［J］. Remote Sensing of Environment，2017，193：204-215.

［27］顏春燕.遙感提取植被生化組分信息方法與模型研究［D］. 北京：中國科學院，2003：16-37.

［28］Ichiro T，Hiroki O，Takashi F，et al. Light environment within a leaf. Ⅱ. Progress in the past one-third century［J］. Journal of Plant Research，2016，129（3）：353-363.

［29］Noda H M，Motohka T，Murakami K，et al. Reflectance and transmittance spectra of leaves and shoots of 22 vascular plant species and reflectance spectra of trunks and branches of 12 tree species in Japan［J］. Ecological Research，2014，29（2）：111.

［30］Stuckens J，Verstraeten W W，Delalieux S，et al. A dorsiventral leaf radiative transfer model：development，validation and improved model inversion techniques［J］. Remote Sensing of Environment，2009，113（12）：2560-2573.

［31］Chavana-Bryant C，Malhi Y，Anastasiou A，et al. Leaf age effects on the spectral predictability of leaf traits in Amazonian canopy trees［J］. Science of the Total Environment，2019，666：1301-1315.

［32］Cecilia C B，Yadvinder M，Jin W，et al. Leaf aging of Amazonian canopy trees as revealed by spectral and physiochemical measurements［J］. The New Phytologist，2017，214（3）：1049-1063.

［34］Mediavilla S，González-Zurdo P，García-Ciudad A，et al. Morphological and chemical leaf composition of Mediterranean evergreen tree species according to leaf age［J］. Trees，2011，25（4）：669-677.

［35］Yang X，Tang J W，Mustard J F，et al. Seasonal variability of multiple leaf traits captured by leaf spectroscopy at two temperate deciduous forests［J］. Remote Sensing of Environment，2016，179：1-12.

［36］Sims D A，Gamon J A. Relationships between leaf pigment content and spectral reflectance across a wide range of species，leaf structures and developmental stages［J］. Remote Sensing of Environment，2002，81（2/3）：337-354.