第４３卷，第７期光谱学与光谱分析Ｖｏｌ．４３，Ｎｏ．７，ｐｐ２１１９－２１２３２０２３年７月ＳｐｅｃｔｒｏｓｃｏｐｙａｎｄＳｐｅｃｔｒａｌＡｎａｌｙｓｉｓＪｕｌｙ，２０２３基于近红外光谱技术的哀牢山六种优势树种叶凋落物定性鉴别研究陈婉君１，徐远杰２，鲁志云３，杞金华３，王逸之１＊１．西南林业大学生物多样性保护学院，云南昆明６５０２２４２．西南林业大学地理与生态旅游学院，云南昆明６５０２２４３．中国科学院哀牢山亚热带森林生态系统研究站，云南景东６７６２０９摘要植物凋落物是联结生物有机体合成和分解的桥梁，通过物质流、能量流及信息流深刻地影响了陆地生态系统的结构、功能及关键生态过程。自然生态系统中地表凋落物通常以混合物的形式分解，尤其是在物种极其丰富的亚热带常绿阔叶林中。受样地内树种组成影响，叶凋落物往往属、种混杂，非专业人士难以实现准确鉴别，这为后续凋落物分解研究带来一定的困难。近红外光谱分析技术作为一种快速无损的检测手段，已经成功应用于牛肝菌、柑橘、水稻等的种类鉴别。该技术为解决叶凋落物鉴定这一难题提供了新的途径。该研究收集云南哀牢山典型中山湿性常绿阔叶林６种优势树种叶凋落物共计５４０份，获取样品近红外漫反射光谱，分析不同种类叶凋落物平均光谱图特征。建模时，使用Ｋｅｎｎａｒｄ－Ｓｔｏｎｅ算法将５４０个样品数据以２∶１比例分为训练集与验证集，其中３６０个样品数据用于叶凋落物分类模型的建立，１８０个样品数据用于叶凋落物分类模型的验证。使用标准正态变量变换（ＳＮＶ）、Ｓａｖｉｔｚｋｙ－Ｇｏｌａｙ卷积平滑（ＳＧ）、多元散射校正（ＭＳＣ）、导数处理（Ｄｅｒｉｖａｔｉｖｅ）等单一与组合算法对光谱数据进行预处理，并采用主成分分析（ＰＣＡ）与正交偏最小二乘判别分析（ＯＰＬＳ－ＤＡ）２种模式识别方法对不同树种叶凋落物进行鉴别。结果表明：（１）叶凋落物近红外光谱主成分分析得分图中各组数据呈现交织状态，虽然经ＳＮＶ＋ＳＧ方法预处理后，光谱数据得到优化，变色锥与舟柄茶与其他树种出现一定的区分，但仍然无法实现６种叶凋落物的准确鉴别。（２）ＳＮＶ＋ＳＤ预处理方法结合ＯＰＬＳ－ＤＡ建立的模式识别模型，效果最好，因变量累计拟合指数为０．９２２，模型累计预测能力指数为０．８９４，置换检验显示模型未过度拟合，训练集与验证集识别率均为１００％。研究表明，在对样本近红外光谱进行预处理优化的基础上，结合有...
