基于激光激发叶绿素荧光分析的叶片水分利用效率模型

以无损检测为前提,采用激光为激发光源,对杨树活体叶片进行荧光光谱采集,对采集到的光谱数据进行处理分析得到水分利用效率的荧光光谱敏感波段,建立基于叶片温度修正下的植物水分利用效率与荧光光谱的数学回归模型,模型的复相关系数R2=0.975.并对建立的数学回归模型进行效果检验,相关系数r=0.8746,模型的检测效果较好.     

黄瓜叶片叶绿素含量近红外光谱无损检测

为了简化黄瓜叶片叶绿素光谱模型和提高模型预测精度,采用联合区间偏最小二乘法( SiPLS)结合净分析物法( NAS)提取近红外光谱的特征信息,建立了黄瓜叶片叶绿素光谱模型.收集了110片新鲜黄瓜叶片,用近红外光谱仪采集光谱数据后立刻用化学分析方法测定叶绿素含量.原始光谱经过SNV预处理和子区间总数优化后,将全光谱均匀划分为29个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在上述特征子区间的基础上,用净分析物法分离光谱中同叶绿素相关的光谱信息,并结合线性回归法建立了叶绿素光谱模型.模型对应的校正集相关系数Rc、校正均方根误差、预测集相关系数Rp和预测均方根误差分别为0.947 2、0.079 5 mg/g、0.925 0和0.090 6 mg/g.结果表明:联合区间偏最小二乘法结合净分析物法能够有效提取叶绿素的特征光谱信息,提高模型精度的同时降低其复杂度.     

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。     

基于激光诱导荧光高光谱技术无损检测脐橙表面敌敌畏残留

常规化学方法检测农药残留不仅对样品具有破坏性,而且费时费力。本文以激光诱导荧光结合高光谱图像技术为手段,对脐橙表面的敌敌畏农药残留进行光谱无损检测;实验方法是在脐橙表面,喷施用自来水配制的不同浓度的敌敌畏农药溶液,在实验室条件下风干后,采集激光诱导荧光高光谱图像,再用气相色谱法检测脐橙表面的农药残留量,应用偏最小二乘(Partial least squares,PLS)方法建立农药残留的预测模型,并找出最佳光谱区间,然后应用支持向量机(Support vectormachine,SVM)方法在最佳光谱区间的基础上建立农药残留的预测模型;所建模型结果其预测集样品的农药残留量实测值(0.4862~10.3791mg/kg)和预测值之间的相关系数为0.8101;实验结果说明,以激光诱导荧光结合高光谱技术为手段的无损检测技术,在检测脐橙农药残留方面是有可行性的。     

冬小麦叶绿素含量高光谱检测技术

以大田冬小麦叶绿素含量为研究对象,首先利用高光谱成像系统以线扫描方式获取其反射光谱图像,选择感兴趣区域（ROI）并计算出光谱平均反射率值;然后分别针对其原始光谱和一阶差分光谱,通过相关分析和逐步回归分析,得到能反映叶绿素含量变化的7个最佳优化波长;进而基于该优化波长采用多元线性回归（MLR）方法组建模型,通过假设检验剔除对模型贡献不显著的3个波长变量。选用剩余的4个波长即710.85、767.42、650和520nm作为自变量重新建立模型,基于校正集和预测集模型的决定系数R2分别为0.8434和0.7093。研究结果表明,利用高光谱技术检测大田冬小麦叶绿素含量的方法是可行的。     

葵花籽油过氧化值激光诱导荧光快速检测技术研究

葵花籽油极易被氧化产生多种自由基、有毒聚合物等,因此葵花籽油产销链中过氧化值现场实时检测技术及装置研发具有重要意义.以设计便携式检测装置为目的 ,搭建了基于激光诱导荧光光谱的食用油过氧化值快速检测系统,建立了葵花籽油过氧化值定量预测模型,并进行了外部实验验证.结果 表明,基于自行搭建的检测系统采集的80个不同过氧化值葵...     

基于光谱分析的温室番茄叶片叶绿素含量预测

通过分析叶片光谱反射率与其叶绿素含量的相关关系表明,温室番茄叶片的光谱反射率与其叶绿素含量的敏感波段为510～625 nm和690～710 nm,最佳波长为526 nm、609 nm和697 nm.利用最佳波长处的光谱反射率与多种建模方法如多元回归分析MLR(Multilinear Regression)、偏最小二乘回归分析PLSR(Partial Least Square Regression)建立了预测叶片叶绿素含量的模型,建模相关系数很相近,均大于0.740,但是PLSR在一定程度上消除了多重相关性的影响,模型验证时的相关系数(0.768)大于MLR模型(0.740);本研究在NDVI的基础上提出了一个新的光谱指数NDCI,并基于NDCI建立了叶片叶绿素含量的预测模型(Rc=0.753),获得了比较好的预测效果(Rv=0.761),为作物长势检测仪的开发奠定了基础.     

基于夫琅和费暗线原理的太阳诱导叶绿素荧光

叶绿素荧光技术是探知植物生理状态及其与环境关系的理想方法.太阳诱导叶绿素荧光可以利用夫琅和费暗线原理进行提取.阐述了夫琅和费暗线探测自然光条件下光合作用荧光的基本原理和方法,以及波长760nm叶绿素荧光探测仪的光学系统、仪器硬件组成及其各部分功能、仪器的软件设计.通过与ASD地物光谱仪器的对比试验表明,研制的太阳诱导叶绿素荧光测量的数据与地物光谱仪测量的数据相关系数都大于0.9.基于夫琅和费暗线原理的太阳诱导叶绿素荧光探测仪器提供了一种低成本、实时测量作物冠层太阳诱导叶绿素荧光的方法和仪器.     

初期稻叶瘟病害的叶绿素荧光光谱分析

为了实现稻叶瘟病害的早期、快速检测,对稻叶瘟病害初期水稻叶片的叶绿素荧光光谱变化进行分析,建立光谱诊断模型。将稻梨孢接种于水稻叶片,分别在接种前期(0 h)、潜育期(48 h)和病斑初现期(7 d)3个时段采集水稻叶片的叶绿素荧光光谱。分析3个时段光谱变化特征,并利用Savitzky-Golay平滑(SG)和一阶导数变换(FDT)对光谱进行预处理。利用高斯拟合法(GFF)分别对原始光谱、SG平滑光谱和SG-FDT光谱提取各波段光谱特征向量。将试验样本划分为建模样本和检验样本,以病害初期的3个时段作为稻叶瘟病害的等级指标,分别采用全波段光谱特征向量和组合波段光谱特征向量,对3种预处理光谱利用建模样本建立稻叶瘟病害的支持向量分类(SVC)模型,对比4个经典核函数,并利用检验样本对模型进行检验。结果表明,蓝绿光区域、红光与远红光区域荧光随初期稻叶瘟病害程度的变化而变化,SG-FDT光谱的GFF-SVC(PLOY)模型对3个时段病害的分类准确率最高,且原始光谱、SG光谱、SG-FDT光谱的不同波峰位及其组合对稻叶瘟病害的识别效果不同。     

基于反射光谱探测与二维分析的玉米叶片叶绿素诊断

设计了一套基于微小型光谱学传感器的轻量级作物冠层反射光谱探测系统,系统硬件主要由光学传感器、数据存储传输模块、控制器组成,软件包含采集参数设置、采集控制、数据管理3个模块。经系统标定,系统与标准仪器ASD的数据相关性平均达到094以上。分析了玉米冠层反射率随叶片叶绿素含量和含水率变化而变化的趋势,针对叶片叶绿素含量分别进行了一维和二维相关光谱分析。基于548、594、652nm一阶微分光谱建立了叶片叶绿素含量MLR模型,建模决定系数为0.43,验证决定系数为0.36。结合二维相关光谱分析,讨论了玉米叶片叶绿素含量与水分光谱的响应关系,修正敏感波长为480、594、652、819nm,建立了大田夏玉米的叶片叶绿素含量诊断优化模型,建模决定系数和验证决定系数分别为0.47和0.34。     

基于多波段光谱探测仪的玉米冠层叶绿素含量诊断

为了快速无损地检测大田作物冠层叶绿素含量,使用便携式多波段光谱探测仪针对农大8号（G1）、郑单（G2）、先玉（G3）和京农科（G4）4种玉米作物品种,在拔节期采集550、650、766、850 nm波长处太阳光信号和作物冠层反射光信号,用于建立玉米冠层叶绿素含量诊断模型。首先,利用作物冠层650 nm和550 nm波长反射率之间的差值 T D 剔除了土壤背景数据点（ T D >0）。然后,组合计算了NDVI、RVI和DVI共12个植被指数,分析各植被指数与叶绿素含量之间的相关关系,结果显示与G1~G4品种叶绿素含量相关性最优的参数分别为RVI(766,550)、 DVI(850,650)、 NDVI(850,550)和RVI(766,550),相关系数均达0.6以上。数据按一定间隔聚类后,相关性分析结果表明多波段光谱探测仪对玉米叶绿素含量检测最优分辨率为0.5 mg/L,且NDVI(850,550)、NDVI(766,550)和RVI(850,550)与叶绿素含量的相关系数分别为0.837 0、0.773 7和0.767 7,达到了强相关水平。最后,建立了多品种通用型玉米拔节期叶绿素含量诊断模型,可为大田玉米拔节期叶绿素含量诊断提供技术支持。     

基于反射光谱的苹果叶片叶绿素和含水率预测模型

为探索苹果叶片叶绿素含量(质量比)、叶片含水率与反射光谱之间的关系,以华北地区苹果树为研究对象,分别测定了各个关键生长期苹果叶片的光谱反射率、叶绿素含量和叶片含水率。分析光谱反射率与叶绿素含量以及叶片含水率之间相关性发现,在不同生长时期,苹果叶片叶绿素a含量与反射光谱在515~590 nm和688~715 nm两组波段内具有较高的相关性,且果实成熟期数据显示相关度最高(R2=0.6)。在420~500 nm、640~680 nm、740~860 nm 3个波段叶片含水率与反射光谱有较高的相关性,且果实膨大期的叶片含水率在可见光波段的相关系数最大。根据所选敏感波段,分别利用多元线性回归、主成分分析和人工神经元网络建立基于反射光谱的苹果叶片不同生长时期叶绿素和含水率的预测模型。通过对所建立的预测模型进行校验,结果显示,利用主成分分析方法所建立的苹果叶片叶绿素含量预测模型的决定系数最高(R2=0.885 2),校验系数为0.828 9。该模型可以较为准确地预测苹果叶片叶绿素含量。而采用神经元网络所建立苹果叶片含水率预测模型的决定系数R2=0.862,校验系数为0.8375,预测效果最好。     

杨树叶片叶绿素含量高光谱估算模型研究

以盆栽107号杨树为研究对象,在验证杨树叶片的SPAD值可作为衡量其叶绿素含量指标的基础上,基于最佳指数-相关系数法(OIFC),提取了杨树叶绿素特征波段(中心波长350、715、1 150 nm),建立了以该组合波段原始光谱数据为自变量的杨树叶片叶绿素含量估算模型;利用相关系数法,提取了杨树叶绿素归一化植被指数的计算波段(中心波长705、953 nm)与一阶光谱导数的叶绿素特征波段(中心波长647、691、721 nm),且分别建立了基于归一化植被指数、叶面叶绿素指数、一阶光谱导数为自变量的杨树叶片叶绿素含量估算模型;比较分析所建立的模型精度,筛选出杨树叶片的叶绿素含量最优估算模型。结果表明:化学法测得杨树叶片叶绿素含量与其对应的SPAD值之间具有显著的幂函数关系,R2可达0.902 3。利用OIFC法提取的叶绿素最佳三波段组合的高光谱数据为自变量,与叶片叶绿素含量构建的模型预测值与实测值具有显著的线性关系,决定系数为0.944 5;相比其他模型,该模型的精度最高且均方根误差最小。可见,基于OIFC法构建的杨树叶绿素高光谱模型具有较高的精度,是估算杨树叶片叶绿素含量的最优模型。     

融合叶绿素含量的黄瓜幼苗光合速率预测模型

现有的基于神经网络的光合速率模型仅考虑环境因素,且收敛速度慢。在考虑温度、CO2浓度、光照强度、相对湿度等环境因子的基础上,加入生理因子叶绿素含量,建立融合叶绿素含量的黄瓜幼苗光合速率预测模型。首先利用多因子嵌套试验获得黄瓜幼苗光合速率测试数据825组,然后采用LM训练法进行模型训练,并分析加入叶绿素含量对模型训练结果的影响,最后建立黄瓜幼苗光合速率预测模型并对其采用异校验方式进行验证。试验结果表明,在考虑叶绿素影响的条件下,其训练效果与模型拟合度均优于只考虑环境因子的训练模型,加入叶绿素含量作为输入的LM训练法可有效越过局部平坦区,具有明显的优越性,满足误差小于0.000 1的训练要求,模型预测值与实测值间的决定系数为0.987,误差小于4.68%。     

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。     

高压静电场对黄瓜幼苗叶绿素荧光的影响

以萌发30天的黄瓜幼苗为实验材料,研究不同强度的高压静电场(HVEF)对叶绿素荧光参数的影响。研究发现,较低强度的外加电场可显著降低NPQ与qN,提高ETR与qP,有利于黄瓜幼苗将光能转化为化学能。其中,以1.0kV/cm强度电场的促进作用最为显著;过强的外加电场则会破坏PSⅡ反应中心,不利于黄瓜幼苗进行光合作用。     

基于透射光谱的玉米叶片含水率快速检测仪研究

为快速、无损检测玉米叶片含水率,根据透射光谱原理设计一款便携式植物叶片水分快速检测仪。检测仪主要由数据采集节点和数据接收节点两部分组成,数据采集节点采用夹持叶室结构,由信号采集、处理和发送模块组成,数据接收节点由信号接收模块和PDA组成。测量时玉米叶片被放入采集节点的夹持叶室,两路LED主动光源(890 nm和980 nm)发光照射叶片,采用PIN型Si光电传感器在叶片的另一面进行透射光探测,透射光信号经调理电路放大、滤波后,通过ZigBee网络发送至数据接收节点。根据采集的光信号计算透射率(T890和T980)、比值植被指数(RVI)和调整型归一化差异水分指数(MNDWI)等参数,分析了各植被指数与不同叶位含水率之间的相关性,结果显示仪器应用的最佳叶位为完全展开叶片的倒二叶中部,含水率检测范围为70%~80%,且分辨率为0.3%。选取了T890、T980和MNDWI建立了含水率检测模型,其R_C~2为0.854,R_V~2为0.849,RMSE为0.010 3。     

基于正交变换与SPXY样本划分的冬小麦叶绿素诊断

冬小麦叶绿素含量的准确预测,可为冬小麦田间精细化管理提供依据。采集冬小麦冠层400~900nm范围反射光谱,经一阶微分预处理后,为了抑制由于连续波长自变量多重共线性对叶绿素含量诊断模型的干扰,利用Gram-Schmidt正交变换算法初步提取叶绿素敏感波长特征参数为848、620、677nm。在定量模型的建立过程中,对比了传统随机样本集划分与以空间中样本间距离远近为指导的SPXY样本集划分方法,并讨论了大田冠层反射光谱对叶绿素浓度诊断的最优精度,研究结果表明,以620nm和677nm两个敏感波长结合SPXY样本划分方法建立的多元线性回归模型预测精度较高,且叶绿素质量浓度为0.3mg/L分辨间隔时,建模决定系数和验证决定系数分别达0.730和0.739,可为无损检测冬小麦拔节期叶绿素含量提供技术支持。