基于叶绿素荧光光谱分析的光能利用效率研究

以水稻为研究对象,利用叶绿素荧光光谱对水稻叶片的光能利用效率进行分析。研究中,采集水稻叶片的叶绿素荧光光谱,同步测定净光合速率和光合有效辐射,并进行光能利用效率的计算。以红光区F685和远红光区F732为光谱特征参数的分析显示,F685、F732及参数组合F685/F732与光能利用效率显著线性相关,因此分别以F685、F732和以F685/F732为模型输入建立了光能利用效率预测模型并进行对比,发现基于F685/F732的预测模型精度更高。由于CO2的同化过程受气孔导度的影响,而叶片温度是气孔导度的信号,且光能利用效率受叶片温度影响显著,为提高模型预测精度,也将叶片温度作为模型输入,建立了基于F685/F732和叶片温度的光能利用效率预测模型,决定系数为0.885。     

ZigBee技术在精准农业上的应用进展与展望

ZigBee技术是一种新型的无线网络技术,在精准农业的应用方面,与其他无线网络技术相比,ZigBee技术有着较大的优势。为此,对ZigBee技术的基础与特点做了简介,并对ZigBee技术在精准农业上的应用进展进行了分类阐述,其中包括总体结构的完善、协议栈的更新、数据处理模块的集成化、传感器的多样化、传输距离的延伸和供电设备及上位机软件等;举例描述了ZigBee技术在农业信息采集系统、温室环境监测系统及精准灌溉系统上的应用;最后,对ZigBee技术在精准农业上的发展进行了展望,并提出了发展建议。     

基于支持向量机的叶绿素荧光预测光能利用效率研究

基于激光诱导叶绿素荧光光谱分析技术,提出了一种基于支持向量机理论的光能利用效率预测方法。同步采集黄瓜叶片的叶绿素荧光光谱、净光合速率和光合有效辐射,选取500~800 nm波段的叶绿素荧光光谱作为研究对象,首先对原光谱进行SG-FDT预处理;其次对预处理的光谱采用PCA方法提取特征值,根据累计贡献率选取前10个主成分代替原光谱信息;最后通过支持向量机建立光能利用效率预测模型。通过对惩罚系数C和核函数参数g的大量测试,最终确定C为0.031 25、g为1,并利用60个训练样本对模型进行训练。10个测试样本的预测结果表明,测试样本的平均误差为8.94%,具有很好的预测效果。