法国利用便携式近红外光谱仪预测甜菜含糖量

便携式近红外光谱技术因具备无损、快速且维护成本低的特点，已在多个领域得到应用。自2017年起，法国甜菜技术研究所（ITB）使用SCIO光谱仪对多种甜菜品种及不同氮素施肥条件下的样本进行测量。每次采样均在甜菜根部测定，并同步在Griffon实验室获取标准含糖量参考值。

研究团队采用偏Zui小二乘法（PLS）建立光谱与含糖量的关联模型。每年数据按校准集与验证集划分，以交叉验证均方根误差（RMSECV）Zui低为标准优选模型，进而预测验证集数据。评估指标包括预测标准误（SEP）、决定系数（R²）及预测值与参考值的平均偏差。2020年样本含糖量范围较其他年份更广，导致SEP偏高，但R²仍接近0.7。

为利用历史数据预测当年甜菜含糖量，团队引入模型迁移方法，即将部分当年数据纳入校准集重新训练PLS模型，再用于预测剩余数据。该策略在预测2020年数据时进行了对比测试：分别基于2019年、2018至2019年以及2017至2019年的数据构建模型。结果显示，当校准数据涵盖三年时，预测误差降低0.1个含糖量点。这表明随着校准数据量的增加，模型精度显著提升。ITB计划每年持续扩充数据库，以构建能覆盖年度波动的稳健模型。

该项目获法国国家科研署（ANR）“未来投资”计划资助（项目编号ANR-11-BTBR-0007）。实测表明，SCIO光谱数据可追踪甜菜生长期的含糖量变化；结合模型迁移技术与逐年累积的数据，当前年度的预测可靠性已有效提升。