水稻氮素和叶绿素SPAD叶位分布特点及氮素诊断的叶位选择

 【目的】研究分析水稻氮素和SPAD值的叶位分布特点，并试图提出SPAD计诊断氮素营养状况的最佳测定叶位。【方法】在95-38、武育粳3号、镇稻5394、9915等4个粳型品种和1个籼型品种R161-10的盆播氮肥试验和宁粳2号大田氮肥试验的基础上，研究水稻氮素和叶绿素含量（SPAD值）随叶位的空间分布特征，并对不同叶位叶片的含氮率、叶绿素含量、SPAD值之间及其与总叶片含氮率和植株含氮率之间的相关性进行分析，比较不同叶位叶片SPAD测定值的变异系数。【结果】水稻不同叶位叶片含氮率、叶绿素含量、SPAD值均存在差异，增加施氮量能提高叶片含氮率、叶绿素含量和SPAD值，同时减少叶位间的差异；SPAD值对氮素的敏感性顺序为顶4叶、顶3叶和顶2叶，而顶1叶的敏感性排序因品种不同而不同；穗分化期、齐穗期和成熟期均以顶3叶与总叶片及植株含氮率相关系数最高；且适宜氮素水平下，穗分化期顶3叶SPAD值的变异系数最小。【结论】以某一特定叶片的SPAD值或以叶色差的大小来诊断水稻氮素营养状况和推荐水稻穗肥施用时，顶3叶是较为理想的指示叶或参照叶。     

基于偏最小二乘法和深度学习的近红外糖度预测

为准确预测苹果糖度,基于傅里叶变换近红外光谱、偏最小二乘法和深度学习技术,建立了不同的苹果糖度预测模型.使用傅里叶变换近红外光谱仪和折光仪采集160个苹果的光谱与糖度信息,建立不同光谱预处理方法的偏最小二乘法(Partial least square,PLS)模型,通过常用的竞争性自适应重加权算法减少PLS模型计算量,...     

基于光谱指数的不同生育期油菜叶片SPAD估测

【目的】研究西北地区不同生育时期油菜叶片SPAD值与多种光谱参数之间的关系,并建立估测模型。【方法】以陕西省乾县齐南村施肥程度一致的大田种植的油菜为试验材料,分别在苗期、现蕾抽苔期和开花期测定叶片的光谱反射率和SPAD值,得到不同波段组合的光谱指数,计算其与SPAD值之间的相关性系数,并拟合以各种光谱指数预测SPAD值的模型,以均方根误差(RMSE)和相对误差(RE)作为模型的评价和检验指标。【结果】苗期SDr/SDy与叶片SPAD值相关性最高,为0.79,构造的最佳预测模型决定系数为0.67;现蕾抽苔期(SDr-SDy)/(SDr+SDy)与叶片SPAD相关性最高,达到0.82,构造的最佳SPAD估测模型决定系数为0.70;苗期(SDr-SDy)/(SDr+SDy)与叶片SPAD有较高相关性,相关性系数为0.65,构造的预测模型决定系数为0.43。【结论】各时期预测模型效果较好的光谱指数基本一致,为SDr/SDy和(SDr-SDy)/(SDr+SDy),可以利用高光谱遥感信息反演西北地区油菜各时期的叶绿素含量,并分析其生长状况。     

基于连续统去除和偏最小二乘回归的油菜SPAD高光谱估算

【目的】探讨油菜叶绿素含量的高光谱估算方法,为实现油菜叶片叶绿素含量的高效、无损、大面积监测提供理论依据。【方法】以陕西省关中地区油菜叶片为研究对象,分别测定苗期、蕾薹期、开花期及角果期的叶片高光谱数据和SPAD值,提取各生育期连续统去除光谱和7类光谱吸收特征参数,分析原始光谱、连续统去除光谱、光谱吸收特征参数与SPAD值之间的相关关系,构建基于原始光谱特征波段、连续统去除光谱特征波段、光谱吸收特征参数的SPAD估算模型,并对模型精度进行验证。【结果】在可见光范围,光谱反射率由蕾薹期、开花期、苗期到角果期依次递增,最大吸收深度和吸收谷面积逐渐增大。利用连续统去除光谱特征波段与吸收特征参数,分别建立的油菜各生育期叶片SPAD估算模型均优于原始光谱。运用连续统去除光谱特征波段结合最优吸收特征参数构建的偏最小二乘回归估算模型,是进行油菜叶片SPAD估算的最优模型。【结论】连续统去除法对不同生育期油菜叶片叶绿素相对含量具有较好的预测能力,是估算油菜叶片SPAD值的一种实时高效方法。     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

基于不同传感器的纽荷尔脐橙叶片叶绿素含量检测技术评价

【目的】研究基于不同传感器的叶片叶绿素含量监测方法,探索建立轻简、高效的柑橘叶绿素含量监测技术。【方法】以枳砧纽荷尔脐橙当年生春梢叶片为试材,采用便携式地物光谱仪FieldSpec4、数字图像技术、荧光及多酚含量测量仪Multiplex?Research和SPAD 502分别获取叶片光谱反射率、图像信息、荧光值和叶绿素含量,分析各数字化指标、叶片光谱指标、荧光值与叶绿素含量（SPAD值）的相关性。基于不同指标采用偏最小二乘法（partial least squares regression,PLS）及内部交叉验证构建叶绿素含量定量反演模型,并进行模型精度检验以及各传感器监测叶片叶绿素含量的可行性评价。【结果】 基于地物光谱仪FieldSpec4、荧光及多酚含量测量仪Multiplex?Research、数字图像技术获得参数信息与叶片叶绿素含量均呈极显著相关,模型拟合度较好,相关系数均在0.7以上。其中,通过地物光谱仪获取的532 nm、586 nm与705 nm特征波段光谱数据经一阶导数（FD）预处理建立的偏最小二乘法（PLS）预测模型效果最优,MRE=1.80%,RPD=3.801。其次为基于数字图像分析技术以G-B作为特征参数建立一元二次回归模型,MRE=1.98%,RPD=3.946。以及基于荧光及多酚含量测量仪Multiplex?Research获取的特征荧光参数建立PLS模型,MRE=2.37%,RPD=4.807。【结论】地物光谱仪、Multiplex?Research、数字图像技术均可应用于纽荷尔脐橙叶片叶绿素含量的估测。其中,以地物光谱仪FieldSpec4预测精度相对最优,Multiplex?Research便捷程度最高,数字图像技术用于大批量样品的测定操作性相对较强。     

10个高粱品系叶片不同部位SPAD值的比较分析

为确定高粱叶片SPAD值的最佳测定位置,利用叶绿素计(SPAD-502Plus)对10个高粱恢复系同一叶片的叶尖部、叶中部、叶基部进行SPAD值测定,分析叶片不同部位SPAD值的分布及稳定性。结果表明,高粱品系HR的SPAD值最高,J9的SPAD值最低;10个高粱品系叶片不同测定位置上的SPAD值表现出一致的变化规律,即叶片中部叶片尖部叶片基部;叶片中部SPAD值的变异系数最小,数值相对稳定,可作为这10个高粱品系叶片SPAD值的适宜测定位置。表明叶片中部为较合适的测定部位,其SPAD值能较好地代表整个叶片的总叶绿素含量。     

次生盐渍土高光谱特征研究

基于次生盐渍土修复过程中硝酸盐含量和同步实测光谱数据,针对原始光谱数据及其不同变换后7种光谱数据集,分别以相关系数极值和间隔偏最小二乘2种方法分析其最佳敏感波段范围。在此基础上,运用偏最小二乘回归(partial least squares regression,PLSR)方法,分别基于全波段(400~1 650nm)和分析获得的最佳敏感波段建立了次生盐渍土壤NO-3含量的光谱反演模型。结果表明,采用2种方法提取的土壤最佳敏感波段,均集中在844.5和846.18nm;基于全波段与最佳敏感波段的土壤NO-3含量光谱反演模型,均以原始反射光谱经一阶微分处理的结果更为显著;其中,基于间隔偏最小二乘法提取的775~899和1 025~1 149nm为最佳敏感波段的预测模型,其决定系数R2p与标准差(root mean standard error of prediction,RMSEP)分别为0.962和0.057。该研究结果可为今后次生盐渍土中硝酸盐含量的快速无损检测提供重要的科学参考。     

不同施氮水平下黄瓜叶片SPAD值与硝态氮含量及硝酸还原酶活性的关系

【目的】确定黄瓜氮素营养缺乏诊断的最佳时期、最佳部位和临界浓度。【方法】采用溶液培养法,研究不同氮素水平(0,70,140,210和280 mg/kg)下,黄瓜不同生育期(幼苗期,开花期和结果期)、不同叶位叶片的SPAD值、硝酸还原酶活性(NRA)和叶柄硝态氮含量的变化特征。【结果】黄瓜不同叶位叶片的SPAD值对施氮水平反应的敏感程度存在显著差异。随施氮量的增加,黄瓜各叶位叶片SPAD值均有所增加,但不同叶位叶片SPAD值增长的幅度明显不同;黄瓜叶片的SPAD值、NRA和叶柄硝态氮含量3个参数的变化,因黄瓜生育时期的不同而有明显差异,幼苗期和开花期三者显著相关,开花期叶片SPAD值和叶柄硝态氮含量极显著相关。【结论】黄瓜幼苗期和开花期的第3叶、结果期的第7叶对施氮水平的反应最敏感,可以作为黄瓜氮素缺乏诊断的最佳部位;氮素缺乏的临界浓度为210 mg/kg;诊断的最佳时期为开花期。     

基于数码影像的香樟树叶片叶绿素分布可视化研究

叶绿素含量是植物生长的重要指标。为了快速、无损地测定香樟树叶片中叶绿素含量分布情况,本研究基于数码相机和Field Spec 4便携式地物光谱仪2种不同传感器,对比分析了颜色参数和光谱与SPAD值的关系,分别建立了多种定量预测模型,并且借助图像处理软件,实现了基于数码影像香樟树叶片SPAD值的可视化。结果表明:红光和R720波段分别是数码相机和光谱仪对SPAD值最敏感的波段;光谱指数可以提高光谱与SPAD值的相关性,而且以红光和蓝光波段组合的差值指数(R-B和DI)相关性水平最高;R-B所建香樟树叶片SPAD值预测模型的均方根误差RMSE为3.9736,预测精度R~2为0.6197;而DI构建的模型对SPAD值的预测能力比R-B高,其均方根误差为2.002,且精度最高(R~2=0.7338)。基于数码影像的香樟树叶片SPAD值分布图在一定程度上可以有效描述叶片叶绿素分布状况,进而判断香樟树的生长情况。因此,可以利用数码相机的颜色参数监测香樟树叶片叶绿素含量及分布状况。     

基于光谱和Gabor纹理信息融合的油桃品种识别

为实现油桃品种的快速且无损鉴别,对油桃高光谱图像中的光谱和图像信息进行分析。在光谱信息提取中,采用偏最小二乘回归(partial least squares regression,简称PLSR)从全波段光谱数据提取9个特征波长。在图像信息获取中,采用主成分分析(principal component analysis,简称PCA)获得主成分图像,并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机(least squares support vector machine,简称LS-SVM)和极限学习机(extreme learning machine,简称ELM)油桃品种判别模型。结果表明,基于融合特征的LS-SVM和ELM模型识别率分别为94.7%、92.1%,较单独采用光谱信息和纹理信息的识别率都高,说明采用光谱信息和Gabor纹理信息融合的方法可以实现油桃品种判别,为农产品无损检测提供参考价值。     

基于冠层高光谱的油菜角果期红边参数及叶片SPAD值反演模型

以湖南省为研究区,探索不同栽培因子条件下油菜的高光谱特征,建立基于高光谱特征的叶绿素预测模型,并将其应用于田间生产实践,以期为油菜营养诊断、高产栽培和生产管理的信息化提供一定的理论依据和技术支撑。使用便携式地物光谱仪和SPAD-502叶绿素仪分别对油菜冠层反射光谱和SPAD值进行实测,分析不同栽培因子条件下角果期的油菜冠层光谱特征,并得到其相应的红边参数(包括红边位置、红边振幅与红边面积),最后运用多种方法对红边参数与角果期的油菜SPAD值进行相关性分析,以期建立SPAD值的最佳反演模型。结果表明,在红光波段(680～760 nm),油菜角果期的冠层反射光谱趋于稳定,冠层的三峰两谷现象比较明显,而且在整个角果期,红边位置都稳定在760 nm这个点,不随栽培因子的改变而改变。但是栽培因子对红边振幅和红边面积有着明显影响,因此可用红边参数来预测油菜的SPAD值。经过5种不同的建模比较分析可以得出,基于支持向量机(SVM)的预测模型最好,R~2为0.912 6,均方误差为0.326 6。     

烯效唑对罂粟(Papaver somniferum L.)不同叶位叶SPAD值变化规律研究

采用随机区组设计,以罂粟（Papaver somnifemmL．）为供试材料,进行不同浓度烯效唑处理下主茎不同叶位叶SPAD（Soil and Plant Analyzer Development,土壤作物分析仪器开发）值的测定。分析了罂粟叶片SPAD值与叶绿素含量的关系,在此基础上研究不同浓度烯效唑对罂粟叶片SPAD值的影响,并确定SPAD值在不同叶位间的变化规律。结果表明：罂粟叶片的叶绿素含量与SPAD值呈极显著线性相关。在本试验设置的不同浓度烯效唑处理中,罂粟上部4片叶的SPAD值较高,SPAD值随叶位的下降而下降。因此,在考虑叶片大小的因素后,测定罂粟叶片SPAD值时,以选择倒3叶或倒4叶较为适宜。     

玉米不同叶位叶片叶绿素含量与光合强度变化规律的研究

有两个玉米品种,于春、夏两季播种。对玉米植株基部(第3叶)、下部(第7、9叶)、中部(果穗叶)和上部(倒二叶)四个叶位和不同叶龄叶片,进行叶绿素含量和光合强度的测定趋势如下:不同叶位叶片的叶绿素含量和光合强度、果穗叶高于其他叶位。叶绿素含量与光合强度呈下相关,不同叶位叶龄大小与叶绿素含量和光合强度的关系,基部叶片充分展开后二者均高。随着叶龄增大而下降:中部和上部叶片充分展开后,随叶龄增大二者增强,至灌浆、乳熟期二值达到最高,以后随着叶龄衰老又逐渐下降     

基于LS-SVM的烤烟烟叶产地判别

为了探索一种快速有效的烤烟烟叶产地鉴别方法,利用近红外光谱技术结合最小二乘支持向量机(LS-SVM)对烤烟烟叶的产地进行了判别。选择云南、湖北、河南三地不同等级烤烟烟叶作为研究对象,对原始光谱数据进行平滑和附加散射校正(MSC)预处理后再进行主成分分析,选择4～12个主成分作为输入变量进行LS-SVM建模。结果显示,该LS-SVM模型预测效果较好,预测相关系数rp≥0.990 7,预测标准误差(SEP)和预测均方根误差(RMSEP)分别为1.755 1和1.737 3,优于偏最小二乘回归(PLS)的预测结果,基于LS-SVM的近红外光谱技术能够很好地对烟叶产地进行判别。     

橡胶树不同叶位叶绿素空间分布特点

以橡胶树9个优树无性系45株树为材料,测定了叶片SPAD值、叶绿素a、叶绿素b及总叶绿素含量,依据不同叶位分类统计,分析空间分布特点。结果表明,SPAD值、叶绿素a、叶绿素b、总叶绿素含量在橡胶树不同无性系、同枝的不同叶蓬、同叶蓬的不同复叶、同叶片不同部位间差异都达到显著(P0.05)或极显著(P0.01)水平,而同一复叶的3片小叶间基本无差异;这4个指标在所有无性系和分株间都表现出相同的分布特点:同枝的叶蓬2叶蓬3叶蓬4,同叶蓬的上部中部下部,同叶片的叶尖叶中叶基。同时,4个指标两两呈极显著(P0.01)正相关。建议在橡胶树种质资源鉴定工作中,进行淘汰选择时可以用SPAD值代表叶绿素含量作为评价指标,生理测定时特别注意采样部位。     

特征波长筛选结合PCA-LSSVM 对甜瓜叶片SPAD值的预测

【目的】利用光谱技术对定量估测大田甜瓜冠层叶片叶绿素含量,为田间的水肥调控以及田间管理提供理论依据。【方法】采用一阶求导对400～1 100 nm的叶绿素可见近红外反射光谱数据进行预处理,对于冗余的光谱数据,先分别使用特征筛选中的竞争性自适应重加权采样法(CARS)、遗传算法(GA)、蒙特卡罗无信息变量消除法(MC-UVE),再分别与主成分分析(PCA)特征提取算法融合;分别建立极限学习机(ELM)、支持向量机(SVM)、最小二乘支持向量机(LS-SVM)对甜瓜叶片SPAD定量预测模型。【结果】单一的特征筛选下,最优预测模型为CARS+SVM,校正集相关系数为0.903 5,预测集相关系数为0.893 1;特征筛选和特征提取融合下,最优的预测模型为GA+PCA+LSSVM,校正集相关系数0.955 8,预测集相关系数为0.939 7。【结论】优化后的模型可用于定量分析的使用,精准测定甜瓜叶片叶绿素含量。     

基于冠层高光谱信息的苹果树花量估测

【目的】研究基于盛花期冠层高光谱数据的苹果花量估测技术,为植株花果管理和生产力预测技术的建立奠定基础。【方法】以5年生M₉无性系砧木‘米奇嘎啦’苹果（Malus pumila‘Mitch Gala’）、树形为高纺锤形的植株为试材,在盛花期采集植株冠层可见-近红外高光谱图像,人工统计供试植株花量,比对分析基于原始光谱反射率（original reflectance spectra,OS）与Savitzky-Golay平滑法（savitzky-golay smoothing,SG）、正态变量标准化（standardization of normal variables,SNV）、标准化（Normalize）、一阶求导（first derivation,l^st Der）、二阶求导（second derivation,2^nd Der）共5种预处理的高光谱数据的偏最小二乘法（partial least squares method,PLS）模型,以及基于载荷系数法（x-loading weight,x-LW）提取的特征波长的PLS模型、人工神经网络（the back-propagation neural network,BPNN）、最小二乘支持向量机（the least squares support vector machines,LS-SVM）等模型对单株单位面积花量实时估测精度的影响。【结果】苹果树单株花量与单株单位面积花量具有较高的相关系数,表明采用冠层单位面积花量替代单株总花量进行树体花量估测可行。单株单位面积花量与植株冠层光谱反射率在紫外-可见光波长（308—700 nm）呈极显著正相关,在近红外波长（750—1 000 nm）相关性不显著。基于全波长,以Normalize预处理光谱建立的PLS模型对单株单位面积花量的预测效果最好,校正集决定系数（R_c²）和预测集决定系数（R_p²）分别为0.794和0.804,校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）分别为0.084、0.062,预测相对误差（RE%）为3.940。基于特征波长的BPNN模型稳定性差,而LS-SVM模型的建模效果较好,R_c²和R_p²分别为0.826和0.804,RMSEC和RMSEP分别为0.077、0.064,RE%为12.160。【结论】基于Normalize预处理的PLS模型对高纺锤形苹果树冠层单位面积花量的预测效果最优,同时,本研究利用高光谱成像仪获取的数据,经过分析处理对提取特征信息进行简化,可为多光谱遥感数据的应用提供依据。     

黑龙江生态条件下马铃薯不同叶位叶片光合特性

为黑龙江生态环境下马铃薯高光效育种研究提供光合生理参数,利用GFS-3000和MINI-PAMA-Ⅱ对马铃薯新品种克新23号不同生育时期不同叶位叶片的光合特性分布规律进行了研究。结果表明,克新23号单株叶片鲜质量、干质量和叶面积随生育进程逐渐增加,块茎膨大期达到最大值。块茎膨大期克新23号上部叶位叶片的SPAD值最大,中部和下部叶位叶片的SPAD值较上部叶位叶片降低3.52%和9.50%。现蕾期和开花期P_n、T_r和G_s的最大值均出现在上部叶位叶片上,块茎膨大期P_n、T_r和G_s的最大值出现在植株中部叶位叶片,说明叶片P_n的高低也受非气孔因素限制。同时,结合P_n和不同叶位叶片叶绿素荧光特性的分布规律,选择PSⅡ实际光合量子产量Y(Ⅱ)和PSⅡ电子传递速率(ETR)来作为快速评价马铃薯光合潜能的指标是可行的。     

基于成像高光谱的苹果叶片叶绿素含量估测模型研究

以苹果树正常叶片、受红蜘蛛胁迫叶片的高光谱反射率和SPAD值为数据源,在分析SPAD值与原始光谱反射率及其一阶导数、高光谱值相关性的基础上,筛选敏感波段,建立了基于高光谱反射率的叶绿素含量估测模型。结果表明:正常苹果叶片叶绿素含量的敏感波段为513~539、564~585、694、699、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=152.450-1884.851R377;受红蜘蛛胁迫的苹果叶片叶绿素含量的敏感波段为961、972、720 nm,叶绿素含量的最佳估测模型为线性函数模型SPAD=49.371-46428.473 R’972。