數(shù)據(jù)預(yù)處理和統(tǒng)計(jì)方法對核桃葉片氮、磷、鉀含量光譜反演精度的影響

胡珍珠，裴寶磊，王廣龍，吳欣欣，陳輝

（淮陰工學(xué)院生命科學(xué)與食品工程學(xué)院，江蘇 淮安 223003）

氮（N）、磷（P）、鉀（K）養(yǎng)分的盈虧，都會(huì)作用到植物的形態(tài)特征從而影響光譜反射率[1-2]。隨著光譜技術(shù)在農(nóng)業(yè)領(lǐng)域的深入研究，建立作物養(yǎng)分光譜反演快速監(jiān)測技術(shù)體系，可為田間施肥管理提供科學(xué)依據(jù)。目前的光譜傳感器對作物表型性狀非常敏感，可以通過光譜反射率顯著反映[3-5]，但光譜傳感器不能直接測量作物的表型性狀，光譜反射率與這些表型性狀之間的關(guān)系需要建模[6-8]，可以使用經(jīng)驗(yàn)方法或物理方法建立模型，也可以將二者結(jié)合使用[9-10]。目前來看，建立作物養(yǎng)分模型多采用經(jīng)驗(yàn)方法，也稱為“回歸”，是僅通過統(tǒng)計(jì)方法直接將輸入與輸出聯(lián)系起來的模型?，F(xiàn)實(shí)研究中，作物養(yǎng)分和光譜反射率間的對應(yīng)關(guān)系由于其生理結(jié)構(gòu)、理化性質(zhì)、周圍環(huán)境擾動(dòng)及其他低頻噪聲的差異而難以準(zhǔn)確建立。這就需要基于大量可靠光譜數(shù)據(jù)積累的基礎(chǔ)上，采用不同數(shù)理統(tǒng)計(jì)方法逐步探尋這些內(nèi)在的對應(yīng)關(guān)系，將估測值與實(shí)測進(jìn)行綜合分析來解釋對應(yīng)關(guān)系的作用原理。有研究表明，利用多元線性回歸（MLR）和反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）算法建立的定量模型可估計(jì)冬小麥4 個(gè)生育期的葉片N 含量[11]。采用比值光譜指數(shù)RVI(660，815)構(gòu)建的光譜反演模型估測小麥（Triticum aestivum）N 含量具有較高精度[12]；采用最小二乘回歸方法預(yù)測菠菜（Spinacia oleracea）的N含量具有較高的精度[13]；采用665 nm 和680 nm 波段處光譜反射力構(gòu)建的蘆葦（Phragmites australis）N元素含量估算模型的決定系數(shù)為0.774 6，均方根誤差為0.292 5[14]；采用植被指數(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(dá)95.8%以上[15]；扁桃（Amygdalus communisL.）坐果期葉片N、P、K 含量光譜反演研究結(jié)果表明，二次函數(shù)可以較好地預(yù)測坐果期N 含量，三次函數(shù)預(yù)測坐果期P、K 含量具有較高精度[16]；利用最小二乘法對所得數(shù)據(jù)進(jìn)行回歸分析，可以實(shí)現(xiàn)對荔枝樹（Litchi chinensisSonn.）葉片N、P、K 元素含量的快速檢測[17]。這些研究結(jié)果均表明，光譜反演可以較好地估測作物N、P、K 含量。然而，這些研究方法選擇的敏感波段并不完全一致，這就造成了作物養(yǎng)分監(jiān)測波段選擇會(huì)影響估算精度、一般適用性和可解釋性。因此，為了提高光譜數(shù)據(jù)的利用水平，進(jìn)一步提高反演模型的適用性和客觀性，有必要采用不同統(tǒng)計(jì)方法構(gòu)建不同的反演模型。

K1+160—K1+310邊坡總長150 m，由于是開挖階段故以施工便道通行的工程車輛為主，平均車速約為Vv=20 km/h，日通過車次約Nv=360輛/日。計(jì)算得到人員時(shí)空概率PS∶T=0.1125。

從表1可以看出五個(gè)譯本的標(biāo)準(zhǔn)類符/形符比存在一定的差異。藍(lán)譯本最高，這說明她的譯文詞匯變化性最大，用詞最豐富，其次是斯譯本和楊譯本，第四是萊譯本，王譯本的標(biāo)準(zhǔn)類符/形符比最小，說明王譯本的用詞最不豐富，缺乏變化。另一方面，五個(gè)譯文的形符告訴我們?nèi)R譯本的譯文最長，藍(lán)譯本的譯文最短，藍(lán)譯本最接近原文的形符數(shù)。因此，藍(lán)譯本用詞豐富且譯文的長度接近原文。萊譯本的長度是楊譯本1.48倍，藍(lán)譯本的1.57倍，說明萊譯本的譯文將原文中的一些隱性表達(dá)進(jìn)行了顯化處理，顯化現(xiàn)象明顯。

核桃（Juglans regiaL.）是世界上主要的堅(jiān)果之一。中國是世界上最大的核桃生產(chǎn)國，截至2020 年，我國核桃產(chǎn)量占全球核桃產(chǎn)量的一半[18]。采用光譜技術(shù)進(jìn)行快速、無損的養(yǎng)分監(jiān)測可為核桃田間施肥管理提供科學(xué)依據(jù)。核桃葉片光譜反射率受葉片生理和結(jié)構(gòu)等因素的干擾，采用原始測量光譜數(shù)據(jù)直接構(gòu)建作物養(yǎng)分反演模型精度將受到影響。本研究以核桃葉片為研究對象，對葉片光譜反射率進(jìn)行平滑去噪預(yù)處理，分別采用一次函數(shù)、二次函數(shù)、三次函數(shù)、冪函數(shù)、指數(shù)函數(shù)和半對數(shù)函數(shù)建立果實(shí)不同生育期核桃葉片N、P、K 含量光譜反演模型，通過對比不同回歸模型預(yù)測值與實(shí)測值的一致性，研究數(shù)據(jù)預(yù)處理和統(tǒng)計(jì)方法對核桃葉片N、P、K 含量反演精度的影響，以期為數(shù)據(jù)預(yù)處理方法和回歸模型的類型選擇提供科學(xué)參考。

1 材料和方法

1.1 試驗(yàn)材料

淮安市（32°43′00″N～34°06′00″N，118°12′00″E～119°36′30″E）地處黃淮平原和江淮平原，無崇山峻嶺，地勢平坦，地形地貌以平原為主，屬溫帶季風(fēng)氣候，四季分明，年均氣溫為14.1～14.8 ℃；年無霜期為240 d 左右，年平均降水量約940 mm，年平均日照時(shí)數(shù)為2 130～2 430 h，氣候及土壤條件較好。以12 年樹齡核桃樹體為研究對象，隨機(jī)選取樹體生長健康、樹體大小一致的核桃樹體90 株，其中50 株用以構(gòu)建核桃葉片N、P、K 含量光譜反演模型，另40 株用以驗(yàn)證模型精度。

1.2 光譜數(shù)據(jù)采集

用兩倍稀釋法將鐵皮石斛勻漿液稀釋成質(zhì)量分?jǐn)?shù)分別為1.25%、2.5%、5%、10%和20%的系列溶液。向制備好的培養(yǎng)基中分別加入不同濃度的稀釋液1 mL，涂布均勻后置于培養(yǎng)箱中20 min。取出后，再分別加200 uL菌液于培養(yǎng)基表面，涂布均勻，倒置于培養(yǎng)箱中，37℃培養(yǎng)24 h。每個(gè)濃度重復(fù)3次，以不長菌的最低濃度作為最小抑菌濃度。

1.3 葉片N、P、K 含量測定

其菜系在中餐菜系中獨(dú)樹一幟，融貫中西口味，其常用調(diào)味汁有黑椒膽、辣椒醬、葡汁、芒果醬、西檸汁、糖醋汁、糖醋西檸汁、煲仔汁、馬拉盞、日本燒鱔汁、XO醬、豉油皇、牛柳汁、獻(xiàn)汁、沙律醬、千島汁、脆皮水、蔥油、脆皮水蔥油、農(nóng)家酸椒、美極蔥姜汁、蒜茸辣醬等幾十種之多。

柴達(dá)木盆地是青藏高原的一部分，具有干燥、多風(fēng)、寒冷的特點(diǎn)。年平均氣溫大多數(shù)高于2℃；最熱的七月份平均溫度僅11.5～18.0℃；一月平均溫度多在-10～-15℃之間，極端最低溫度一般在-30℃以下。以西風(fēng)為主，最大風(fēng)速為20～22 m/s。年日照時(shí)數(shù)可達(dá)3200～3600h。盆地東部降水量約160～180mm，中部降至40～50mm，西部的冷湖一帶更少，不足20mm，然而，年蒸發(fā)量1973.62～3183.04mm[12]。

試驗(yàn)分別于果實(shí)坐果期、速生生長期、脂化期、近成熟期進(jìn)行核桃葉片光譜數(shù)據(jù)采集。采用美國ASD 公司生產(chǎn)的FieldSpecFR 光譜儀進(jìn)行野外田間葉片光譜反射率測定，波段范圍為350～2 500 nm。為消除葉片表面彎曲等因素造成光譜波動(dòng)及葉片內(nèi)部變異造成的影響，進(jìn)行光譜反射率測定時(shí)，避開葉脈位置，將葉夾夾緊葉片，并確保葉片水平且被探測面積與葉室面積相同。光譜數(shù)據(jù)測定選擇在晴朗無風(fēng)天氣的11:00—14:00，此時(shí)太陽直射葉面，可減少太陽高度角的變化對光譜反射率的影響，同時(shí)每隔15 min 用白板進(jìn)行優(yōu)化。為保證精度，每個(gè)樣株選取東、南、西、北4 個(gè)方向葉片20 片，每個(gè)葉片6 次重復(fù)測定，取其平均值作為樣株原始光譜反射率。

2.2.1 不同回歸方法對核桃葉片N 含量光譜反演精度的影響 由圖4 可見，采用不同回歸統(tǒng)計(jì)方法構(gòu)建核桃葉片N 含量光譜反演模型的精度差異較大。但4 個(gè)生育時(shí)期均以采用三次函數(shù)建立的葉片N 含量回歸估測模型精度最高，其均方根誤差（RMSE）在1 g·kg-1內(nèi)，相對誤差（RE）在1%內(nèi)。而采用二次函數(shù)構(gòu)建的葉片N 素含量回歸估測模型精度次之，其精度較三次函數(shù)反演模型略低。另外4種回歸反演模型精度由高到底依次為：一次函數(shù)＞半對數(shù)函數(shù)＞指數(shù)函數(shù)＞冪函數(shù)，其估算值和實(shí)測值的方程決定系數(shù)（R2）相對較低，均方根誤差（RMSE）和相對誤差（RE）相對較大，且半對數(shù)函數(shù)、指數(shù)函數(shù)、冪函數(shù)光譜反演模型未通過置信橢圓F檢驗(yàn)。

1.4 數(shù)據(jù)分析

1.4.1 數(shù)據(jù)預(yù)處理 為消除儀器噪聲和環(huán)境背景干擾，利用Savitaky-Golay 方法對數(shù)據(jù)進(jìn)行平滑去噪預(yù)處理，本研究中使用的預(yù)處理數(shù)據(jù)即為濾波后的光譜值，即前后9 個(gè)原始波段的平均值，其函數(shù)表達(dá)式為:R'i=（Ri-4+Ri-3+Ri-2+Ri-1+Ri+Ri+1+Ri+2+Ri+3+Ri+4）/9。

1.4.2 模型構(gòu)建及精度評價(jià) 應(yīng)用回歸分析建立葉片N、P、K 含量光譜特征參量反演模型，采用的函數(shù)式共6 種，即：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）、冪函數(shù)（y=axb）、指數(shù)函數(shù)（y=aebx）和半對數(shù)函數(shù)（y=alnx+b）。

為評價(jià)模型的可靠性和適應(yīng)性，從大田生產(chǎn)園中隨機(jī)抽取40 個(gè)樣株作為獨(dú)立樣本來檢驗(yàn)不同生育期葉片N、P、K 含量光譜反演模型的精度。反演模型估測值和實(shí)測值間的決定系數(shù)（R2）、均方根誤差（RMSE）和相對誤差（RE）[19]、置信橢圓F檢驗(yàn)法[20]綜合評價(jià)模型的估算精度，計(jì)算公式如下：

從已有文獻(xiàn)來看，學(xué)者們多從結(jié)構(gòu)學(xué)派出發(fā)對紛繁復(fù)雜的內(nèi)創(chuàng)類型及主體按照一定的原則進(jìn)行合理歸并，并且視角大多落在組織層面的內(nèi)創(chuàng)業(yè)。Burgelman(1983)從內(nèi)創(chuàng)業(yè)產(chǎn)生來源的角度，把內(nèi)創(chuàng)業(yè)活動(dòng)分為引致性內(nèi)創(chuàng)業(yè)和自發(fā)性內(nèi)創(chuàng)業(yè)。Covin & Miles(1999)強(qiáng)調(diào)公司內(nèi)創(chuàng)業(yè)在創(chuàng)新或者再造方面實(shí)際結(jié)果不同，并把內(nèi)創(chuàng)業(yè)分為持續(xù)創(chuàng)新、組織再造、戰(zhàn)略更新和領(lǐng)域重構(gòu)四種類型。Antoncic & Hisrich (2003)把內(nèi)創(chuàng)業(yè)的具體類型細(xì)分為以下幾種：(1)建立自主或半自主的新企業(yè)；(2)在現(xiàn)有市場和產(chǎn)品的基礎(chǔ)上開拓新業(yè)務(wù)；(3)產(chǎn)品和服務(wù)的創(chuàng)新；(4)生產(chǎn)工藝方面的創(chuàng)新。

式中，yi為真實(shí)值為平均值；fi為估計(jì)值。

建模數(shù)據(jù)集中葉片N 含量最小值為15.87g·kg-1，最大值為40.63g·kg-1，平均值為（28.95±3.02）g·kg-1；葉片P含量最小值為1.57g·kg-1，最大值為8.32g·kg-1，平均值為（5.23±1.56）g·kg-1；葉片K 含量最小值為1.53g·kg-1，最大值為16.74g·kg-1，平均值為（9.28±3.38）g·kg-1。

式中，yi為實(shí)際測定值為估測集樣本的估測值。下同。

2.1.1 數(shù)據(jù)預(yù)處理對核桃葉片N 含量光譜反演模型精度影響 由圖1 可見，光譜數(shù)據(jù)預(yù)處理對提高葉片N 含量光譜反演模型精度起到重要作用。果實(shí)坐果期和脂化期，采用預(yù)處理光譜數(shù)據(jù)構(gòu)建的葉片N 含量光譜反演模型估算值與實(shí)測值的回歸方程決定系數(shù)（R2）分別為0.826 2、0.886 1，且均方根誤差（RMSE）均在1 g·kg-1內(nèi)，相對誤差（RE）在1%內(nèi)，并通過置信橢圓F檢驗(yàn)。而以原始光譜數(shù)據(jù)構(gòu)建的葉片N含量光譜反演模型估算值與實(shí)測值的回歸方程決定系數(shù)（R2）僅分別為0.5614、0.6855，且均方根誤差（RMSE）和相對誤差（RE）均較大，未通過置信橢圓F檢驗(yàn)。

2 結(jié)果與分析

2.1 數(shù)據(jù)預(yù)處理對核桃葉片N、P、K 含量光譜反演模型精度影響

式中，n為預(yù)測集樣本數(shù)；xi為預(yù)測集樣本的估算值；a為估算值與實(shí)測值擬合的回歸直線截距；b為估算值與實(shí)測值擬合的回歸直線斜率。

圖1 原始光譜數(shù)據(jù)與預(yù)處理光譜數(shù)據(jù)構(gòu)建的核桃果實(shí)不同生育期葉片N 含量光譜反演模型精度比較

果實(shí)速生生長期和近成熟期，采用預(yù)處理光譜數(shù)據(jù)構(gòu)建的葉片N 含量光譜反演模型估算值與實(shí)測值的回歸方程決定系數(shù)（R2）高達(dá)0.961 2、0.889 9，且具有較低的均方根誤差（RMSE）和相對誤差（RE）。以原始光譜數(shù)據(jù)構(gòu)建的葉片N 含量光譜反演模型雖通過置信橢圓F檢驗(yàn)，但均方根誤差（RMSE）在6 g·kg-1以上，相對誤差（RE）在5.4%以上，表明原始光譜數(shù)據(jù)構(gòu)建的核桃葉片N 含量光譜反演模型精度較低。

同步采集每一樣株上已進(jìn)行光譜數(shù)據(jù)測定的葉片作為一個(gè)樣品，將清潔、吸水、殺青、烘干后的核桃葉片粉碎并于消煮爐中進(jìn)行消化處理，用水將消煮液定容至100 mL 后過濾，供N、P、K 元素的測定。葉片N 含量采用釩鉬黃比色法測定，葉片P 含量采用釩鉬黃比色法測定，葉片K 含量采用火焰光度計(jì)法測定。

2.1.2 數(shù)據(jù)預(yù)處理對核桃葉片P 含量光譜反演模型精度影響 由圖2 可見，采用平滑去噪預(yù)處理光譜數(shù)據(jù)構(gòu)建的果實(shí)坐果期、速生生長期、脂化期和近成熟期核桃葉片P 含量光譜反演模型的估算值和實(shí)測值間的決定系數(shù)（R2）分別為0.730 2、0.731 7、0.727 8、0.698 4，且均方根誤差（RMSE）均在6 g·kg-1內(nèi)，相對誤差（RE）均在5.3%內(nèi)。而采用原始光譜數(shù)據(jù)構(gòu)建的核桃葉片P 含量光譜反演模型的估算值和實(shí)測值間的決定系數(shù)（R2）分別為0.633 4、0.607 5、0.667 6、0.571 9，均方根誤差（RMSE）和相對誤差（RE）分別在6.4 g·kg-1、7.3%以上。由此可見，采用預(yù)處理光譜數(shù)據(jù)對核桃葉片P 含量光譜反演模型的精度有較大程度地提高。

圖2 原始光譜數(shù)據(jù)與預(yù)處理光譜數(shù)據(jù)構(gòu)建核桃果實(shí)不同生育期葉片P 含量光譜反演模型精度比較

2.1.3 數(shù)據(jù)預(yù)處理對核桃葉片K 含量光譜反演模型精度影響 核桃葉片K 含量光譜反演模型精度表現(xiàn)出了相同的規(guī)律（圖3），果實(shí)4 個(gè)生育時(shí)期均以預(yù)處理光譜數(shù)據(jù)構(gòu)建的葉片K 含量光譜反演模型精度最高。果實(shí)速生生長期，原始光譜數(shù)據(jù)構(gòu)建的葉片K 含量光譜反演模型估算值較實(shí)測值大，其他3 個(gè)生育時(shí)期則比實(shí)測值偏小，但其均方根誤差（RMSE）和相對誤差（RE）均較大，且未通過置信橢圓檢驗(yàn)。結(jié)果表明，預(yù)處理光譜數(shù)據(jù)較大程度地提高了核桃葉片K 含量光譜反演模型的精度。

圖3 原始光譜數(shù)據(jù)與預(yù)處理光譜數(shù)據(jù)構(gòu)建的核桃果實(shí)不同生育期葉片K 含量光譜反演模型精度比較

2.2 不同統(tǒng)計(jì)方法對核桃葉片N、P、K 含量光譜反演精度的影響

檢驗(yàn)數(shù)據(jù)集中葉片N 含量最小值為17.79 g·kg-1，最大值為38.95 g·kg-1，平均值為（29.71±2.95）g·kg-1；葉片P 含量最小值為1.82g·kg-1，最大值為7.96g·kg-1，平均值為（4.99±1.38）g·kg-1；葉片K 含量最小值為1.75 g·kg-1，最大值為14.44g·kg-1，平均值為（8.50±3.04）g·kg-1。

圖4 不同回歸方法構(gòu)建的核桃果實(shí)不同生育時(shí)期葉片N 含量光譜反演模型精度比較

圖5 不同回歸方法構(gòu)建的核桃果實(shí)不同生育期葉片P 含量光譜反演模型精度比較

圖6 不同回歸方法對核桃果實(shí)不同生育期葉片K 含量光譜反演模型精度影響

2.2.2 不同回歸方法對核桃葉片P 含量光譜反演精度的影響 6 種回歸方法構(gòu)建的果實(shí)坐果期、速生生長期、脂化期、近成熟期核桃葉片P 含量光譜反演模型表現(xiàn)出相同的規(guī)律，即：葉片P 含量回歸估測模型精度最高的均為三次函數(shù)，其模型的估算值和實(shí)測值回歸方程的決定系數(shù)0.698 4≤R2≤0.753 6，均方根誤差（RMSE）在6 g·kg-1內(nèi)，相對誤差（RE）在3%內(nèi)。采用二次函數(shù)構(gòu)建的葉片P 含量回歸估算模型精度稍低，其次為一次函數(shù)、半對數(shù)函數(shù)、指數(shù)函數(shù)構(gòu)建的葉片P 含量回歸估算模型，冪函數(shù)構(gòu)建的葉片P 含量回歸估算模型精度最差，且未通過置信橢圓F檢驗(yàn)。

2.2.3 不同回歸方法對核桃葉片K 含量光譜反演精度的影響 果實(shí)坐果期，6 種核桃葉片K 含量光譜反演模型的精度差異總體最小，果實(shí)速生生長期、脂化期、近成熟則差異較大，但4 個(gè)生育時(shí)期均以采用三次函數(shù)建立的葉片K 含量回歸估測模型精度最高，二次函數(shù)構(gòu)建的葉片K 含量回歸估測模型精度次之。

3 討論與結(jié)論

3.1 討論

研究結(jié)果表明，進(jìn)行平滑去噪預(yù)處理的光譜數(shù)據(jù)比原始數(shù)據(jù)構(gòu)建的核桃果實(shí)不同生育期葉片N、P、K 含量反演模型精度更高。由于光譜具有高度的敏感性，作物光譜數(shù)據(jù)的獲取受光照條件、大氣氣溶膠、附著凋落物背景等環(huán)境因素和其他低頻噪聲[21-23]等外界因素的影響，為有效減少光照環(huán)境引起的可乘性因素影響，增強(qiáng)可見光區(qū)的光譜差異，本研究將原始數(shù)據(jù)進(jìn)行平滑去噪預(yù)處理，以去除噪音、樣本不均勻、基線漂移、光散射等因素的影響[24]。這在一定程度上能夠削弱因光照環(huán)境等條件變化造成的光譜反射率測量誤差對估測精度的影響。其次，平滑去噪處理是將原始反射率進(jìn)行轉(zhuǎn)換，通過轉(zhuǎn)換可以放大或者縮小特征峰的反射率值，提升光譜識別的概率，增強(qiáng)有價(jià)值波段信息[23]。在建立光譜數(shù)據(jù)與理化成分間的回歸模型時(shí)，采用多種回歸方法綜合驗(yàn)證可以更精確地分析光譜數(shù)據(jù)和理化成分的內(nèi)在對應(yīng)關(guān)系[25]，以達(dá)到提高建模精度的作用[22]。

研究結(jié)果還表明，采用一次函數(shù)、二次函數(shù)、三次函數(shù)、冪函數(shù)、指數(shù)函數(shù)和半對數(shù)函數(shù)分別構(gòu)建的核桃葉片N、P、K 含量反演模型精度各不相同，均以三次函數(shù)建立的各生育期葉片養(yǎng)分含量回歸估測模型精度最高。這是因?yàn)榻?jīng)驗(yàn)方法（如非參數(shù)線性回歸、機(jī)器學(xué)習(xí)回歸）的優(yōu)勢在于可以充分利用全光譜[26]，還可以部分克服多重共線性問題，獲得比基于可視化的方法更精確的結(jié)果。缺點(diǎn)是訓(xùn)練時(shí)計(jì)算量大，模型和參數(shù)設(shè)置復(fù)雜，需要現(xiàn)場樣本。對扁桃（Amygdalus communisL.）N、P、K 含量光譜反演研究結(jié)果也表明二次函數(shù)可較好預(yù)測坐果期N 含量，三次函數(shù)預(yù)測坐果期P、K 含量具有較高精度[16]。Darvishzadeh 等[27]利用逐步線性回歸和偏最小二乘回歸方法對原始高光譜維數(shù)進(jìn)行降維，估算出非均質(zhì)草地的葉面積指數(shù)和葉綠素密度。賈芳芳等[28]采用多元線性回歸（MLR）和BP 神經(jīng)網(wǎng)絡(luò)方法預(yù)測烤煙葉片的N 含量。由此可見，構(gòu)建不同的反演模型，可以提高光譜數(shù)據(jù)的利用水平，進(jìn)一步提高反演模型的適用性和客觀性。

3.2 結(jié)論

（1）平滑去噪預(yù)處理的光譜數(shù)據(jù)構(gòu)建的反演模型比原始數(shù)據(jù)的決定系數(shù)（R2）更高、均方根誤差（RMSE）和相對誤差（RE）更小，即采用預(yù)處理數(shù)據(jù)構(gòu)建的反演模型具有更高精度。

在實(shí)際生活中尋找創(chuàng)作靈感，就是指在進(jìn)行作文教學(xué)的時(shí)候老師要合理的引導(dǎo)學(xué)生觀察身邊的一些事物，在生活的點(diǎn)滴中不斷積累自己的寫作素材，把寫作靈感激發(fā)出來，把寫作融入進(jìn)實(shí)際生活中。

（2）將6 種統(tǒng)計(jì)方法構(gòu)建的N、P、K 含量模型的預(yù)測值和實(shí)測值繪制1∶1 關(guān)系圖，以直觀展示模型估算值與實(shí)測值的一致性程度，三次函數(shù)構(gòu)建的各生育期葉片N、P、K 含量光譜反演模型具有最高的決定系數(shù)（R2）、最小的均方根誤差（RMSE）和相對誤差（RE），并通過置信橢圓F檢驗(yàn)，故三次函數(shù)構(gòu)建的各生育期葉片N、P、K 含量光譜反演模型精度最高。