柑橘葉片葉綠素含量的測量方法探討
來源： http://www.pc256.com/ 類別：實用技術 更新時間：2013-04-01 閱讀次
【本資訊由中國糧油儀器網提供】 葉綠素是植物葉片中的基本組成物質，與光合作用有關的最重要的色素，與植物的光能利用和轉化效率密切相關。葉綠素與葉片中的氮含量存在較好的相關性，實踐上通過測定葉綠素含量可以準確地判斷植物的長勢情況。我國是柑橘生產、出口、消費和栽培大國，柑橘產業是我國南方農村經濟的一大支柱產業。但是，由于柑橘的生產管理落后，追肥防蟲的精確噴灑技術不成熟，導致柑橘產量不高，質量不高。據統計，中國的柑橘產量約占世界總產量的10%，但出口量只占2%，優質果率為30%。科學技術投入不足是我國柑橘產業競爭力不強的重要因素，研究柑橘葉綠素快速檢測，實時檢測柑橘樹的生長態勢并以此為依據對柑橘樹進行科學指導栽培、施肥管理工作，對實踐精確施肥管理、提高柑橘樹的生產力、促進農民增收、發展農村經濟起著重要的作用。
隨著高光譜技術發展，近年來，國內外許多學者對高光譜預測植物參數做了大量的研究。姚付啟等利用ASD便攜式野外光譜儀和手持葉綠素儀實測了落葉闊葉樹法國梧桐葉片的高光譜反射率與葉片綠度，并對原始光譜反射率及一階導數光譜與葉片綠度進行了相關分析，利用主成分分析對光譜數據進行降維，將得到的主成分得分作為人工神經網絡模型的輸入變量進行了法國梧桐葉綠素含量的估算。李歡提出了用小波函數提取柑橘葉綠素含量的方法和基于模型模擬的冠層光譜估算葉綠素含量。實現了用一維小波分解野外光譜，單變量回歸反演柑橘的葉綠素含量。最后用5-scale模型擬合從可見光到近紅外波段的平均冠層反射光譜估算葉綠素含量。孫潔瓊等對不同波段間的比值指數和歸一化指數與冬小麥葉綠素含量之間的相關性進行了研究，同時通過偏最小二乘回歸算法建立小麥葉綠素模型，預測未知樣本葉綠素，得到的預測值與真實值的最大相關系數達0.6335。表明基于光譜分析技術對小麥葉綠素含量進行檢測可行。
試驗以南方經濟作物柑橘為研究對象，選擇廣東省廣州市華南農業大學工程學院北樓的四樓（沙糖橘）、六樓（年橘）天臺和蘿崗區蟹家村的一農家果園（蘿崗甜橙）為試驗區，運用ASD便攜式地物光譜儀測量柑橘樹葉片的光譜反射值和手持葉綠素儀測量相應的葉綠素含量。通過多種數據預處理方法，對比并選擇適合柑橘樹的最優光譜預處理方法。然后分別運用偏最小二乘回歸和人工神經網絡建立柑橘樹光譜值與葉綠素值的模型，并選擇最優的模擬模型。為實現快速活體無損植物葉綠素含量檢測和柑橘樹的科學栽培、精確施肥管理提供理論基礎。
用ASD光譜儀測量柑橘樹葉片光譜反射值，同步用手持葉綠素計測量相應葉綠素含量，通過分析，建立光譜值與葉綠素值的估算模型。具體的研究內容如下：（1）在同一個實驗區內通過不同的施肥，栽培出不同營養水平的柑橘樹實驗樣本；（2）每棵樹按照東南西北四個方向，上下兩層，選取8片葉子作為實驗樣本；（3）用ASD光譜分析儀測量柑橘樹葉片樣本的光譜值，其中每次光譜值采集重復3次，每片葉子測量2個點；（4）同步使用手持葉綠素計測量相應葉子的葉綠素值，每片葉子測6個點；（5）通過NIRSA數據處理系統運用不同的預處理方法對光譜的反射值進行預處理，并建立葉綠素與光譜反射值的最佳模型；（6）對預測樣本進行預測，檢測模擬模型準確性和穩定性。，3種品種的PLS模型的預測值與實測值的復相關系數均在0.8以上，預測效果良好。表明運用光譜檢測葉片葉綠素含量是基本可行。
7種光譜預處理方法對3種品種的柑橘樹光譜與葉綠素值的偏最小二乘回歸分析的影響效果，通過對7種預處理方法效果的比較，確定了先通過一階微分再滑動平均濾波（MAF）處理是最優的預處理方法。建立3個品種的柑橘葉綠素檢測的PLS模擬模型，其中沙糖橘的PLS校正模型預測值與實際值的復相關系數是0.9919，驗證模型預測值與實際值的復相關系數是0.8994；年橘的分別是0.9711和0.8115；蘿崗甜橙的分別是0.9470和0.8515。基于人工神經網絡，研究不同品種柑橘樹的人工神經網絡模型的最優隱含層數，建立柑橘樹光譜數據預測葉綠素含量的人工神經網絡模型，模型的精度和穩定性都較好。其中沙糖橘的最優隱含層數是15，人工神經網絡模型葉綠素預測值與實測值的復相關系數是0.9703，驗證模型預測值與實際值的復相關系數是0.9011；年橘的分別是25，0.9840和0.9130；蘿崗甜橙的分別是25，0.9636和0.8540；結果表明，對于三種品種的柑橘樹，都可以通過高光譜反射值快速、無損地檢測其相應的葉綠素含量。其中，沙糖橘、年橘、蘿崗甜橙3種品種柑橘的人工神經網絡模型均優于PLS模型。
運用7種預處理方法進行了效果比較，為了增大預處理方法比較的廣泛性，可以對更多的預處理方法進行比較，如多元散射校正、一階導數、二階導數等。只對一個時期（春梢時期）的柑橘樹樣本進行實驗，為了進一步提高模型的廣泛性和適用性，可以對一年四季不同時期的柑橘樣本進行建模分析。只用了偏最小二乘回歸和人工神經網絡建立模擬模型，為了選擇更優的模型，可以使用更多的建模方法，從中選擇相應的更優的模型。
隨著高光譜技術發展，近年來，國內外許多學者對高光譜預測植物參數做了大量的研究。姚付啟等利用ASD便攜式野外光譜儀和手持葉綠素儀實測了落葉闊葉樹法國梧桐葉片的高光譜反射率與葉片綠度，并對原始光譜反射率及一階導數光譜與葉片綠度進行了相關分析，利用主成分分析對光譜數據進行降維，將得到的主成分得分作為人工神經網絡模型的輸入變量進行了法國梧桐葉綠素含量的估算。李歡提出了用小波函數提取柑橘葉綠素含量的方法和基于模型模擬的冠層光譜估算葉綠素含量。實現了用一維小波分解野外光譜，單變量回歸反演柑橘的葉綠素含量。最后用5-scale模型擬合從可見光到近紅外波段的平均冠層反射光譜估算葉綠素含量。孫潔瓊等對不同波段間的比值指數和歸一化指數與冬小麥葉綠素含量之間的相關性進行了研究，同時通過偏最小二乘回歸算法建立小麥葉綠素模型，預測未知樣本葉綠素，得到的預測值與真實值的最大相關系數達0.6335。表明基于光譜分析技術對小麥葉綠素含量進行檢測可行。
試驗以南方經濟作物柑橘為研究對象，選擇廣東省廣州市華南農業大學工程學院北樓的四樓（沙糖橘）、六樓（年橘）天臺和蘿崗區蟹家村的一農家果園（蘿崗甜橙）為試驗區，運用ASD便攜式地物光譜儀測量柑橘樹葉片的光譜反射值和手持葉綠素儀測量相應的葉綠素含量。通過多種數據預處理方法，對比并選擇適合柑橘樹的最優光譜預處理方法。然后分別運用偏最小二乘回歸和人工神經網絡建立柑橘樹光譜值與葉綠素值的模型，并選擇最優的模擬模型。為實現快速活體無損植物葉綠素含量檢測和柑橘樹的科學栽培、精確施肥管理提供理論基礎。
用ASD光譜儀測量柑橘樹葉片光譜反射值，同步用手持葉綠素計測量相應葉綠素含量，通過分析，建立光譜值與葉綠素值的估算模型。具體的研究內容如下：（1）在同一個實驗區內通過不同的施肥，栽培出不同營養水平的柑橘樹實驗樣本；（2）每棵樹按照東南西北四個方向，上下兩層，選取8片葉子作為實驗樣本；（3）用ASD光譜分析儀測量柑橘樹葉片樣本的光譜值，其中每次光譜值采集重復3次，每片葉子測量2個點；（4）同步使用手持葉綠素計測量相應葉子的葉綠素值，每片葉子測6個點；（5）通過NIRSA數據處理系統運用不同的預處理方法對光譜的反射值進行預處理，并建立葉綠素與光譜反射值的最佳模型；（6）對預測樣本進行預測，檢測模擬模型準確性和穩定性。，3種品種的PLS模型的預測值與實測值的復相關系數均在0.8以上，預測效果良好。表明運用光譜檢測葉片葉綠素含量是基本可行。
7種光譜預處理方法對3種品種的柑橘樹光譜與葉綠素值的偏最小二乘回歸分析的影響效果，通過對7種預處理方法效果的比較，確定了先通過一階微分再滑動平均濾波（MAF）處理是最優的預處理方法。建立3個品種的柑橘葉綠素檢測的PLS模擬模型，其中沙糖橘的PLS校正模型預測值與實際值的復相關系數是0.9919，驗證模型預測值與實際值的復相關系數是0.8994；年橘的分別是0.9711和0.8115；蘿崗甜橙的分別是0.9470和0.8515。基于人工神經網絡，研究不同品種柑橘樹的人工神經網絡模型的最優隱含層數，建立柑橘樹光譜數據預測葉綠素含量的人工神經網絡模型，模型的精度和穩定性都較好。其中沙糖橘的最優隱含層數是15，人工神經網絡模型葉綠素預測值與實測值的復相關系數是0.9703，驗證模型預測值與實際值的復相關系數是0.9011；年橘的分別是25，0.9840和0.9130；蘿崗甜橙的分別是25，0.9636和0.8540；結果表明，對于三種品種的柑橘樹，都可以通過高光譜反射值快速、無損地檢測其相應的葉綠素含量。其中，沙糖橘、年橘、蘿崗甜橙3種品種柑橘的人工神經網絡模型均優于PLS模型。
運用7種預處理方法進行了效果比較，為了增大預處理方法比較的廣泛性，可以對更多的預處理方法進行比較，如多元散射校正、一階導數、二階導數等。只對一個時期（春梢時期）的柑橘樹樣本進行實驗，為了進一步提高模型的廣泛性和適用性，可以對一年四季不同時期的柑橘樣本進行建模分析。只用了偏最小二乘回歸和人工神經網絡建立模擬模型，為了選擇更優的模型，可以使用更多的建模方法，從中選擇相應的更優的模型。
【中國糧油儀器網】部分文章轉載自其它媒體，轉載目的在于傳遞更多信息，并不代表本網贊同其觀點和對其真實性負責，且不承擔此類作品侵權行為的直接責任及連帶責任。如其他媒體、網站或個人從本網下載使用，自負版權等法律責任。如涉及作品內容、版權和其它問題，請在30日內與本網聯系。
上一篇:環境溫濕度對龍眼果實生長的影響
下一篇:錘片式粉碎磨中錘片的磨損過程
最近更新儀器
推薦儀器
相關新聞
熱門產品