在本研究中，多光谱图像采集系统设备为MS600 V2多光谱相机（长光禹辰信息技术与装备（青岛）有限公司,中国）及国产某品牌高光谱设备。
抗寒生理指标的测定是评价茶树抗寒性的重要途径。传统上,茶树抗寒性的评价方法主要是通过测定茶树在低温胁迫下的理化参数。然而,这些方法不仅费时费力,而且具有破坏性。多光谱图像便携、成本低、操作简单、数据易处理。
首先，采集了低温胁迫下32份育种材料的多光谱与高光谱图像，并测定相应茶树叶片的REC、SPAD、MDA、SP和SS含量。其次，对其中的高光谱图像数据采用MSC、SNV、S-G、1-D和2-D五种方法进行光谱预处理，采用UVE和SPA两种方法筛选特征波段。最后，分别对多光谱和高光谱数据采用SVM、RF和PLS算法建立茶树抗寒性REC、SPAD、MDA预测模型。
图1表示多光谱实景图。
图2 原始光谱和预处理后的光谱。(A)原始光谱;(B)预处理后的光谱
UVE和SPA算法被用来筛选特征波段。特征波段的筛选结果如图4所示。
图3 特征波段的分布
最后使用SVM、RF和PLS建立多光谱成像反演模型。在REC的预测模型中,RF模型的精度最高(Rp=0.7352,RMSEP=0.0771);在SPAD的预测模型中,RF模型的精度最高(Rp=0.5029,RMSEP= 6.6818);在MDA的预测模型中,RF模型的精度最高(Rp=0.7846,RMSEP=8.8853)。在实际应用中,我们会考虑成本低、操作简单、数据易处理的多光谱相机来进行茶树抗寒性的筛选。
图4 不同网络模型对不同疾病程度分级的评价结果。(A)轻度;(B)中度;(C)重度;(D)标准
本研究揭示了基于多光谱的茶树抗寒性筛选的潜力，可为茶树抗寒性筛选提供一种准确、无损、高效的方法。
[1] 论文信息：徐阳,毛艺霖,李赫,等.基于多光谱和高光谱的茶树越冬期REC,SPAD和MDA预测模型[J].光谱学与光谱分析, 2025(1).
[2] 论文全文链接：https://kns.cnki.net/kcms2/article/abstract?v=fSCzX0TVvUjI-gpmCoMRA-p_N3WTIzfFZHtJ4ygAeLntTI6AFfBLGBKrYqCBYHPaKLUxOjPaRof4NBvzthtAkg57srUJpTWYfyQTLHI3rCAc2xSnTh1ZCxdNUsFCq4foykJhNjuAdz6RaqM9rgcR389IUaZLdXOcO-wy-PnXNSAUyvv00FVGpg==&uniplatform=NZKPT&language=CHS
