三类云南普洱茶树的地基光谱反射特征及其差异分析

吕海涛，吴文君，廖声熙*，王子芝，周俊宏，李立，崔凯

三类云南普洱茶树的地基光谱反射特征及其差异分析

吕海涛1,2，吴文君1，廖声熙1*，王子芝1，周俊宏1，李立1，崔凯1

1. 中国林业科学研究院资源昆虫研究所，云南 昆明 650224；2. 南京林业大学，江苏 南京 210037

茶树类型和产地来源影响普洱茶品质，而茶树类型和产地不同，其冠层光谱也存在特征性差异。因此，利用这一特征差异，可明确普洱茶鲜叶来源，对保证普洱茶品质具有重要意义。本研究以云南景东、景谷、澜沧、宁洱4个典型普洱茶山的古树茶、大树茶、台地茶为研究对象，用地基光谱测定仪测定其野外冠层叶片光谱反射率，分析它们之间的光谱反射特征和差异性，揭示云南普洱茶树的地基光谱反射规律。结果显示：（1）不同普洱茶树冠层叶片光谱反射率存在差异，在近红外波段上，古树茶与台地茶光谱反射率差异显著可区分，古树茶与大树茶两者光谱反射相近似，古树茶平均反射率高于大树茶；（2）不同类型冠层叶片光谱反射率在近红外波段上表现为古树茶>大树茶>台地茶；同类型茶树冠层叶光谱反射率表现为澜沧>景东>景谷，与3地年平均温度呈正相关关系，与海拔呈负相关关系；（3）754、801、891 nm波长可作为选择区分3种类型普洱茶的理想波长，其中801 nm可作为区分不同地区古树茶的特征波长。

普洱茶；冠层；光谱反射率；古树茶；差异性

茶树原产于中国，分布广泛，种类丰富，作为一种重要的经济树种在地方经济发展中占据重要地位[1]。不同茶树类型生产的茶叶品质不同、价格差别较大，因此，对茶树的分类识别具有重要意义。近年来，利用高光谱技术对茶树鉴别取得一定进展。如李晓丽等[2]采用主成分分析与人工网络技术相结合的方法，对5个茶叶品种进行识别，准确率达100%。李敏[3]基于近红外光谱采用多元散射校正与主成分分析结合的方法，对3种茶叶进行分类，正确识别率达到100%。Ning等[4]采用主成分分析法对茶树叶片的成像高光谱数据进行降维，然后采用C-SVM算法对茶叶品种进行分类，3种茶树的分类准确率接近100%。Tu等[5]根据茶树冠层的光谱特征对茶树品种进行了分类，分类的总体精度可达95%以上。孙俊等[6]采用LR-SAE-SVM模型对5个品种的茶叶样本进行分类，分类精度达到99.37%。根据前人研究，不同茶树品种的光谱特性有较大差异，在一定的限定条件下分类精度较高，但现有研究主要对茶叶产品进行实验室分析研究，缺少对野外不同茶树类型冠层鲜叶的光谱反射特性分析。由于不同的类型和产地茶叶的品质差异较大[7-8]，因此对普洱茶树的类型和产地进行区分具有重要的现实意义。

普洱茶属于中国六大茶类之一的黑茶类，是一种以大叶种晒青茶为原料，采用特定工艺制成的具有独特品质的茶叶[9]。随着社会经济的不断发展，高档茶的需求不断增加，特别是普洱茶中的古树茶交易都采取现场鲜叶定价收购，因此，利用高光谱鉴别技术对普洱茶鲜叶种类或品质进行区分成为市场的迫切需求。普洱茶按照栽培来源可分为古树茶、大树茶、台地茶3种类型。古树茶是指树龄百年以上的乔木茶；大树茶指散生的实生树龄不足百年的乔木茶；台地茶指运用现代种植技术种植的树龄较短、经矮化后生长形态上类似灌木的乔木茶。云南省普洱市被称为“世界茶源、中国茶城”[10]，茶树种植面积大，经济效益高，产业发展已具规模。镇沅千家寨、澜沧邦崴和景迈山、宁洱困鹿山等古茶园驰名中外，在普洱茶发展历史上具有重要地位。因此，本研究基于SOC710红外成像光谱仪获取的普洱茶树冠层叶片高光谱影像，对比分析几个地区不同类型的普洱茶高光谱反射特征，探寻能够有效识别不同类型和不同地区普洱茶树的的特征波段，以期为揭示普洱茶树冠层叶片性状差异和光谱野外识别提供技术支持。

1 材料与方法

1.1 试验点概况

4个试验点分别位于云南省普洱市的景东彝族自治县（班葳村）、景谷傣族彝族自治县（景谷乡苦竹山）、澜沧拉祜族自治县（景迈山）、宁洱哈尼族彝族自治县（困鹿山），地处北纬22°02'~24°50'、东经99°09'~102°19'。属亚热带季风气候，常年无霜，冬无严寒，夏无酷暑，年均气温分别为16.7℃、15.5℃、19.1℃、17.5℃，年均降雨量分别为1 177、1 008、1 528、1 296 mm，海拔在930~1 900 m。其中，景东、景谷、澜沧的古树茶、大树茶、台地茶样地均位于同一地点范围，而宁洱试验点古树茶园附近没有大树茶和台地茶分布，本研究选择同一区域内大树茶和台地茶样地点进行测定。对古树茶、大树茶、台地茶分别设置不同大小的样地，样地大小分别为251 m×251 m、101 m×101 m、51 m×51 m。对样地内茶树的胸径（地径）、树高、枝下高、树龄进行测定，并对立地因子进行调查。茶树样地情况见表1。

表1 4个研究点普洱茶树样地因子列表

1.2 研究项目与测定方法

1.2.1 普洱茶树冠层叶片光谱反射率测定

对不同茶山（景东、景谷、澜沧、宁洱）和不同栽培类型（古树茶、大树茶、台地茶）茶树冠层叶片光谱反射率进行测定，测定试验在2019年普洱茶春茶采摘季节3—4月进行。采用SOC710成像光谱仪进行测定，波段范围为400~1 000 nm，光谱分辨率为4.68 nm，波段数量为128个，镜头焦距17 mm。测量时选择晴朗、无风或微风、无云的天气进行，穿暗色衣服，时间为上午10：00至下午3：00，每次测量探头垂直茶树冠层，具体参照文献[11]的测定方法。为了保证测量的精度，每株茶树样本采集5次，均用标准参考板进行校正。

1.2.2 普洱茶树冠层叶片光谱反射率数据预处理

先采用SOC710光谱仪配套的SRAnal 710e软件对采集的光谱数据进行反射率校准和反射率转换等预处理。接着在ENVI 5.3中提取50个ROI普洱茶树冠层叶片的高光谱数据，以每个ROI内光谱均值作为该株茶树的一条光谱曲线，为了减小误差，剔除个别偏差大于均值±2倍标准差的异常光谱曲线。然后，选用Savitzky-Golay（SG）卷积平滑法对数据进行降噪处理，在Origin 2018软件中对窗口内数据进行多项式最小二乘拟合操作完成，设置移动窗口大小为5，多项式阶数为2。最后取反射数据的平均值作为单株茶树样本的平均值。普洱茶叶片原始高光谱数据为多元数据，具有数据量大、复杂冗余等特点[12]，为了更好地确定光谱的拐点，对光谱数据进行了一阶微分变换和特征变量提取[13-14]。

1.3 数据统计

根据光谱反射率曲线和一阶导数曲线选择反射率差异明显的特征波段，利用SPSS 24.0软件对不同类型和不同产地普洱茶树冠层叶片光谱反射率进行单因素方差分析（ANOVA），选择最小显著差异法（Least-significant difference，LSD）进行多重比较，分析不同类型和不同产地的普洱茶树冠层叶片光谱反射率之间的差异性特征。采用Origin 9.5完成绘图。

2 结果与分析

2.1 云南普洱茶树冠层叶片光谱反射特征

普洱茶树冠层叶片光谱反射率如图1所示，波长在400~495 nm普洱茶树冠层叶片光谱反射率总体较低，小于0.050，变化幅度较小；随后缓慢上升，在554 nm出现小高峰（绿峰），平均峰值0.130；在675 nm波长形成低点（红谷），然后形成拐点，红边范围开始急剧增加；在755 nm达到最大值0.535，相对低点增幅为15.7倍；在760~1 000 nm，光谱反射率保持在高位并存在上下波动。在植被反射平台上呈现“三峰两谷”的光谱曲线形状，即754 nm（0.549）、891 nm（0.608）、995 nm（0.550）处的3个峰和801 nm（0.492）、950 nm（0.528）处的2个谷。根据计算，普洱茶树冠样本的蓝边位置为518~524 nm，绿峰为553~554 nm，黄边为625~631 nm，红谷为671~677 nm，红边为702~708 nm[15]。根据方差可选出554、754、801、891 nm为特征波长，分别落入可见光到短波红外分布范围，其中554 nm在绿峰范围内；而754、801、891 nm则在短波近红外范围内。

图1 普洱茶树光谱曲线

2.2 同一地区不同类型普洱茶树冠层叶片光谱特征分析

为了获取同一茶山不同类型普洱茶树冠层叶片光谱信息数据，测定了同一茶山不同类型普洱茶树冠层叶片光谱反射率，其特征如图2所示。不同类型的普洱茶树冠层叶片光谱曲线变化趋势相同，在525~625 nm波段表现出差异，在750~1 000 nm波段范围内反射率峰值差异明显，景东、景谷、澜沧三地的3种类型普洱茶树冠层叶片光谱反射均表现为古树茶>大树茶>台地茶。而宁洱的结果为大树茶>古树茶>台地茶，可能是由于宁洱3种类型普洱茶的采样地点分散，导致同期野外测定光照、时间等环境条件不一致，说明野外光谱比较必须在统一的试验条件下进行。

根据335个样本的光谱数据，选择反射率差异较大的754、801、891 nm 3个波长，对不同茶山不同类型的普洱茶树冠层叶片的光谱反射率进行方差分析。结果如图3所示，波长为754、801、891 nm时3个研究区的3种类型普洱茶树冠层叶片光谱反射率均存在显著差异（<0.05）。由此可见，不同类型普洱茶树间存在光谱特征差异，能够对其进行区分。

2.3 不同地区相同类型普洱茶树光谱特征分析

为了观察不同地区相同类型普洱茶树光谱特征，将反射曲线和一阶微分导数曲线结合在一起分析（图4，图5）。可以看出不同地区的同一类型茶树冠层叶片光谱反射率曲线与一阶微分曲线形态相似，但是不同地区普洱茶的反射率值和一阶微分值均存在差异。在反射率较高的740~920 nm波段，古树茶冠层叶片光谱反射率由高到低排序为澜沧、景东、宁洱、景谷；大树茶和台地茶的光谱反射率最高的是宁洱，其次是澜沧、景东、景谷。从以上分析可以看出，除宁洱外，3种类型普洱茶树光谱反射都表现为澜沧>景东>景谷，与其年均温19.1℃（澜沧）>16.7℃（景东）>15.5℃（景谷）保持一致，取801 nm特征波长时的反射值与年均温作相关性回归分析，古树茶、大树茶、台地茶的决定系数分别为0.902、0.956、0.927，均方差分别为0.006、0.001、0.001，说明不同地区同类型普洱茶光谱反射值与年均温度显著正相关（<0.05）。

注：JDA：景东古树茶，JDL：景东大树茶，JDP：景东台地茶，JGA：景谷古树茶，JGL：景谷大树茶，JGP：景谷台地茶，LCA：澜沧古树茶，LCL：澜沧大树茶，LCP：澜沧台地茶，NEA：宁洱古树茶，NEL：宁洱大树茶，NEP：宁洱台地茶。下同

注: 图中数据为均值±标准差，同一波长点中不同小写字母表示差异显著（P<0.05）

从一阶微分曲线看（图5），4个地区的茶树光谱蓝边位置在520 nm波段附近，但蓝边幅值不同，对古树茶来说由高到低依次为景东>澜沧>景谷>宁洱；对大树茶来说由高到低依次为景谷>宁洱>景东>澜沧；对台地茶来说为宁洱>澜沧>景谷>景东。4个地区的茶树光谱红边位置在705 nm波长附近，但红边幅值存在差异，对古树茶来说景东和澜沧红边幅值比较接近、景谷和宁洱红边幅值比较接近，且前两个地区大于后两个地区；对大树茶来说表现为宁洱＞景谷＞澜沧＞景东；台地茶红边幅值由高到低表现为宁洱>澜沧>景谷>景东。

选择澜沧、景东、景谷点的754、801、891 nm波长处普洱茶反射率进行方差分析（图6），结果表明，3地古树茶冠层叶片光谱反射率澜沧、景东高于景谷，仅在801 nm波长点存在差异性（<0.05）；大树茶在3地表现一致，在754、801、891 nm特征波的光谱反射率没有差异；台地茶表现为澜沧、景东两地间没有差异，但两地与景谷存在差异（<0.05）。

3 讨论与结论

3.1 讨论

普洱茶树冠层叶片光谱反射曲线符合绿色植物特有的光谱反射特征，400~495 nm植物强吸收带反射率较低，495~605 nm出现绿峰，比一般阔叶树稍有延后，是因为茶树叶片属于较厚的革质叶，具光泽，较平滑[16]；随后在605~690 nm出现红谷现象，普洱茶的红边位置则在705 nm附近，从700 nm到1 000 nm一直在高反射平台上小幅波动，可能是受到760、850、910 nm和960 nm处的水汽和氧气吸收波长的影响[17]，这与陈辉煌等[18]的测定结果较为一致。

图4 3种类型不同茶山普洱茶叶片光谱曲线

图5 3种类型不同茶山普洱茶叶片光谱一阶导数曲线

注: 图中数据为均值±标准差，同一波长中不同小写字母表示差异显著（P<0.05）

不同类型普洱茶树冠层叶片光谱反射率不同，在近红外波段表现为古树茶>大树茶>台地茶。一方面不同树龄普洱茶根系深入土壤的程度不同，其含水量、茶多酚、咖啡碱等内含物有所不同[19-20]，另一方面不同类型茶树叶片生理光合代谢也有差别，导致不同类型普洱茶树冠层叶片光谱曲线反射率存在显著差异[21-22]。本文研究表明，754、801、891 nm波长为反射方差较大的特征波长，处于短波近红外分布范围，在该波段范围内植物的光谱特性主要受到叶片内部结构的影响，是植物种类识别和植被状态判断的重要波段[23]。结合前人的研究结果，这几个特征波长可为区分不同类型茶树的理想波长。

不同地区普洱茶树冠层叶片光谱反射率不同，在近红外波段上除了宁洱地区外，其他地区冠层叶片光谱反射率均表现为澜沧>景东>景谷，而这3个试验点的年平均气温均为澜沧>景东>景谷，海拔为澜沧<景东<景谷。经统计分析，证明了普洱茶树冠层叶片光谱反射率与年均温呈正相关关系，与海拔呈负相关关系。王胜鹏等[24]研究发现，茶鲜叶的光谱反射率受海拔的显著影响。刘东蔚[25]研究了不同海拔浙江润楠高光谱特征，发现随海拔高度上升润楠叶片光谱反射率降低。普洱茶的光谱反射规律与前人的研究结果保持一致。

由于本文采集样本有限，在一定程度上影响到特征选择的结果，植物冠层叶片光谱反射影响因素较多，野外测量应该考虑太阳入射角、冠层结构、叶绿素含量和水分等影响因素，才能找出更好区分不同茶叶的光谱参数。因此，对于不同产区不同类型普洱茶光谱反射特征还需要更进一步研究。

3.2 结论

本研究针对云南景东、景谷、宁洱、澜沧的4个典型普洱茶山古树茶树、大树茶树和台地茶树，测定其野外冠层光谱反射率，分析它们之间的光谱反射特征和差异，揭示云南普洱茶树的地基光谱反射规律。不同产地和不同类型普洱茶树冠层叶片光谱反射率在近红外波段上存在显著差异。不同类型茶树冠层叶片光谱反射率表现为古树茶>大树茶>台地茶；不同产地茶树冠层叶片光谱反射率表现为澜沧>景东>景谷。因此可以通过特定的特征波段结合统计方法对普洱茶树进行区分，其中754、801、891 nm波长为区分不同类型普洱茶树的理想波长，801 nm波长可选为区分不同产地古树茶树的特征波长。这为普洱古树茶鲜叶来源的快速鉴别、普洱茶种的分类以及茶叶质量评估提供了光谱依据，从而为建立良好的普洱茶交易环境提供技术支持。

[1] 唐一春, 杨盛美, 季鹏章, 等. 云南野生茶树资源的多样性、利用价值及其保护研究[J]. 西南农业学报, 2009, 22(2): 518-521.

Tang Y C, Yang S M, Ji P Z, et al. Study on the diversity, utilization and protection of wild tea germplasm in Yunnan [J]. Southwest China Journal of Agricultural Sciences, 2009, 22(2): 518-521.

[2] 李晓丽, 何勇, 裘正军. 一种基于可见-近红外光谱快速鉴别茶叶品种的新方法[J]. 光谱学与光谱分析, 2007, 27(2): 279-282. Li X L, He Y, Qiu Z J. Application PCA-ANN method to fast discrimination of tea varieties using visible/near infrared spectroscopy [J]. Spectroscopy and Spectral Analysis, 2007, 27(2): 279-282.

[3] 李敏. 乐山茶叶的近红外光谱分类识别[J]. 红外, 2015, 36(5): 43-46, 48. Li M. Classification and identification of Leshan tea using near infrared spectroscopy [J]. Infrared, 2015, 36(5): 43-46, 48.

[4] Ning J, Sun J, Li S, et al. Classification of five Chinese tea categories with different fermentation degrees using visible and near infrared hyperspectral imaging [J]. International Journal of Food Properties, 2017, 20(s2): 1515-1522.

[5] Tu Y, Bian M, Wan Y, et al. Tea cultivar classification and biochemical parameter estimation from hyperspectral imagery obtained by UAV [J]. Peer J, 2018, 6: e4858. doi: 10.7717/peerj.4858.

[6] 孙俊, 靳海涛, 武小红, 等. 基于低秩自动编码器及高光谱图像的茶叶品种鉴别[J]. 农业机械学报, 2018, 49(8): 316-323. Sun J, Jin H T, Wu X H, et al. Tea variety identification based on low-rank stacked auto-encoder and hyperspectral image [J]. Transactions of the Chinese Society for Agricultural Machinery, 2018, 49(8): 316-323.

[7] 冯呈艳, 余志, 陈玉琼, 等. 茶鲜叶反射光谱和色差特性及其应用初探[J]. 中国茶叶加工, 2019(2): 33-39.Feng C Y, Yu Z, Chen Y Q, et al. Study on the reflectance spectrum and chromatic aberration property of fresh tea leaves and its application [J]. China Tea Processing, 2019(2): 33-39.

[8] 艾施荣, 吴瑞梅, 吴彦红, 等. 利用高光谱图像技术鉴别庐山云雾茶产地[J]. 江西农业大学学报, 2014, 36(2): 428-433.Ai S R, Wu R M, Wu Y H, et al. Identification of geographical origins of Lushan mist tea by hyper-spectral imaging technology [J]. Acta Agriculturae Universitis Jiangxiensis, 2014, 36(2): 428-433.

[9] 刘玲. 普洱茶特征风味成分分析[D]. 重庆: 西南大学, 2010.Liu L. The analysis on characteristic flavor components of Pu-erh tea [D]. Chongqing: Southwest University, 2010.

[10] 黄桂枢. “世界茶源”普洱市茶文化在“一带一路”战略中的价值和作用[J]. 农业考古, 2016, 144(2): 260-262.Huang G S. The value and role of tea culture of "world tea sources" in Pu’er city in the "Belt and Road" strategy [J]. Agricultural archaeology, 2016, 144(2): 260-262.

[11] 徐光彩, 庞勇, 李增元, 等. 小兴安岭主要树种冠层光谱季相变化研究[J]. 光谱学与光谱分析, 2013, 33(12): 3303-3307. Xu G C, Pang Y, Li Z Y, et al. The changes of forest canopy spectral reflectance with seasons in Xiaoxing’anling [J]. Spectroscopy and Spectral Analysis, 2013, 33(12): 3303-3307.

[12] 吴伟斌, 李佳雨, 张震邦, 等. 基于高光谱图像的茶树LAI与氮含量反演[J]. 农业工程学报, 2018, 34(3): 195-201.Wu W B, Li J Y, Zhang Z B, et al. Estimation model of LAI and nitrogen content in tea tree based on hyperspectral image [J]. Chinese Society of Agricultural Engineering, 2018, 34(3): 195-201.

[13] 李翠玲, 姜凯, 冯青春, 等. 基于叶绿素荧光光谱和反射光谱的甜瓜种子品种鉴别[J]. 光谱学与光谱分析, 2018, 38(1): 151-156.Li C L, Jiang K, Feng Q C, et al. Melon seeds variety identification based on chlorophyll fluorescence spectrum and reflectance spectrum [J]. Spectroscopy and Spectral Analysis, 2018, 38(1): 151-156.

[14] 陈佼, 张丽. 天山北坡草地盖度高光谱遥感估算[J]. 草业科学, 2017, 34(1): 30-39.Chen J, Zhang L. Estimating grassland coverage based on hyperspectral remote sensing in the northern Tianshan Mountains [J]. Pratacultural Science, 2017, 34(1): 30-39.

[15] 孙红, 刘宁, 邢子正, 等. 马铃薯冠层光谱响应特征参数优化与生长期判别[J]. 光谱学与光谱分析, 2019, 39(6): 1870-1877. Sun H, Liu N, Xing Z Z, et al. Parameter optimization of potato spectral response characteristics and growth stage ldentification [J]. Spectroscopy and Spectral Analysis, 2019, 39(6): 1870-1877.

[16] 刘声传, 曹雨, 鄢东海, 等. 贵州野生茶树资源地理分布和形态特征与气候要素的关系[J]. 茶叶科学, 2013, 33(6): 517-525.Liu S C, Cao Y, Yan D H, et al. Geographical distribution and morphology of wild tea germplasm resources in Guizhou and its relationship with climatic factors [J]. Journal of Tea Science, 2013, 33(6): 517-525.

[17] 马宏亮, 孙明国, 吴义恒, 等. 红外波段水汽连续吸收研究进展[J]. 大气与环境光学学报, 2018, 13(5): 26-38. Ma H L, Sun M G, Wu Y H, et al. Research progress of water vapour continuum in infrared spectral regions [J]. Journal of Atmospheric and Environmental Optics, 2018, 13(5): 26-38.

[18] 陈辉煌, 彭松泰, 陈文惠, 等. 基于地面高光谱数据鲜茶叶特征选择与品种识别[J]. 福建师范大学学报(自然科学版), 2016, 32(6): 89-95, 102.Chen H H, Peng S T, Chen W H, et al. Fresh tea discrimination using in situ hyperspectral data [J]. Journal of Fujian Normal University (Natural Science Edition), 2016, 32(6): 89-95, 102.

[19] 陈玲, 熊智, 孙浩, 等. 四种不同年份普洱茶中茶多酚与咖啡碱成分的分析[J]. 食品工业科技, 2011, 32(10): 132-134, 138.Chen L, Xiong Z, Sun H, et al. Study on the relationship between the content of tea polyphenol and caffeine and the storage period of Pu’er teas [J]. Science and Technology of Food Industry, 2011, 32(10): 132-134, 138.

[20] 俞慎, 何振立, 陈国潮, 等. 不同树龄茶树根层土壤化学特性及其对微生物区系和数量的影响[J]. 土壤学报, 2003, 40(3): 433-439.Yu S, He Z L, Chen G C, et al. Chemical characteristics of soil in the root layer of tea trees of different ages and their effects on microflora and quantity [J]. Acta Pedologica Sinica, 2003, 40(3): 433-439.

[21] 林郑和, 钟秋生, 陈常颂, 等. 不同茶树品种缺氮下叶片光合特性的变化分析[C]//中国科学技术协会. 第十五届中国科协年会第20分会场: 科技创新与茶产业发展论坛论文集. 北京: 中国科学技术协会学会学术部, 2013: 96-101. Lin Z H, Zhong Q S, Chen C S, et al. Photosynthetic characteristic of different tea cultivars in response to nitrogen deficiency [C]//China Association for Science and Technology. The 20thsession of the 15th annual meeting of China Association for Science and Technology: Proceedings of the Forum on Science and Technology Innovation and Tea Industry Development. Beijing: Academic department of China Association for Science and Technology, 2013: 96-101.

[22] 许丽颖, 刘斗南, 刘月. 不同茶树品种叶片的花青素研究进展[J]. 福建茶叶, 2019, 41(3): 4-5.Xu L Y, Liu D N, Liu Y. Research progress on anthocyanins in leaves of different tea tree varieties [J]. Tea in Fujian, 2019, 41(3): 4-5.

[23] 梁守真, 施平, 马万栋, 等. 植被叶片光谱及红边特征与叶片生化组分关系的分析[J]. 中国生态农业学报, 2010, 18(4): 804-809. Liang S Z, Shi P, Ma W D, et al. Relational analysis of spectra and red-edge characteristics of plant leaf and leaf biochemical constituent [J]. Chinese Journal of Eco-Agriculture, 2010, 18(4): 804-809.

[24] 王胜鹏, 郑鹏程, 龚自明, 等. 基于近红外光谱技术的茶鲜叶海拔高度判别模型建立[J]. 华中农业大学学报, 2018, 37(1): 89-94. Wang S P, Zheng P C, Gong Z M, et al. Establishment of altitude discrimination model of fresh tea leaves based on near infrared spectroscopy[J]. Journal of Huazhong Agricultural University, 2018, 37(1): 89-94.

[25] 刘东蔚. 深圳市羊台山浙江润楠群落季相高光谱特征研究[D]. 北京: 中国林业科学研究院, 2013. Liu D W. The seasonal hyper-spectral characteristics ofcommunity in Yangtai Mountain Shenzhen [D]. Beijing: Chinese Academy of Forestry, 2013.

Analysis of Ground-based Spectral Reflection Characteristics and Differences of Three Types of Yunnan Puer Tea

LYU Haitao1,2, WU Wenjun1, LIAO Shengxi1*, WANG Zizhi1, ZHOU Junhong1, LI Li1, CUI Kai1

1. Research Institute of Resources Insects, China Academy of Forestry, Kunming 650224, China; 2. Nanjing Forestry University, Nanjing 210037, China

The type and producing area of tea plants affect the quality of Puer tea, and there are characteristic differences in canopy spectrum of tea plants of different types and producing area. It is great significance to make clear the source of fresh leaves and guarantee the quality of Puer tea by using this characteristic difference. In this study, the ancient tree tea, large tree tea and platform tea from four typical Puer tea mountains of Jingdong, Jinggu, Lancang and Ning'er in Yunnan Province were collected to measure spectral reflectance of their canopy leaves. The characteristics and differences of spectral reflectance were also analyzed and finally the ground-based spectral reflectance of Puer tea trees in Yunnan was revealed. The results showed that: (1) there were differences in spectral reflectance of canopy leaves of different Puer teas. In the near-infrared band, the differences in spectral reflectance of ancient tree tea and platform tea were significant. The spectral reflectance of ancient tree tea was similar to that of large tree tea. Meanwhile, the average reflectance of ancient tree tea was higher than that of large tree tea. (2) The spectral reflectance of different types of canopy leaves was shown as ancient tree tea>large tree tea>platform tea in the near infrared band. The spectral reflectance of canopy leaves of the same type of tea was Lancang>Jingdong>Jinggu, which has a positive correlation with the annual average temperature of the three places and a negative correlation with altitude. (3) Wavelength 754 nm, 801 nm and 891 nm were selected as the best wavelength points to distinguish three types of Puer tea, and 801 nm could be used as a characteristic wavelength point to distinguish ancient tree tea from different regions. This study provided technical support for the source of fresh leaves of Puer tea and the identification of tea species.

Puer tea, canopy, spectral reflectance, ancient tree tea, difference

S517.1

A

1000-369X(2021)02-184-09

2020-03-02

2020-04-03

国家林业和草原局科技发展中心“生物安全与遗传资源管理”项目（KJZXSA202039）

吕海涛，男，硕士研究生，从事林业遥感应用研究，1561147011@qq.com。*通信作者：cafliao@163.com

（责任编辑：赵锋）