番茄叶片叶绿素含量光谱估算模型

以番茄品种“金粉2号”为试验材料,在玻璃温室内设置3种土壤水分胁迫水平,以正常灌溉为对照,于2013年3—7月和8—12月两个生长季对番茄进行全生育期持续处理。采用便携式地物光谱仪测定各生育期番茄冠层的光谱反射率,同步测定叶片总叶绿素和叶绿素a含量,并基于3—7月数据计算常见高光谱植被指数,分别建立番茄叶片叶绿素总量和叶绿素a估算模型,用8一12月生长季的试验数据对模拟精度进行检验。结果表明：（1）水分胁迫对番茄叶片总叶绿素、叶绿素a含量和番茄冠层光谱反射率产生明显影响,水分胁迫越严重,叶绿素总量和叶绿素a含量均越低,番茄冠层光谱反射率也越低;（2）随着生育期的推进,番茄总叶绿素和叶绿素a含量均持续增加,而冠层光谱反射率在红光和蓝光波段的反射率逐渐减少;（3）4种估算模型中R670模型的决定系数（R。）最高,效果最佳（P〈0．01）,番茄叶片总叶绿素和叶绿素a最佳估算模型分别为：C_chl（a＋b）=44．83R670＋_670＋7.36,C_chl=39．92R_670＋5．12,均根方误差分别为0．45、0．42mg·g^-1,表明利用高光谱数据估算番茄叶片的叶绿素含量可行。     

基于高光谱特征和偏最小二乘法的春小麦叶绿素含量估算

叶绿素含量是影响作物生长及产量的主要因素。该研究以2017年6月小型试验田获取的抽穗期春小麦叶绿素含量及其对应的光谱反射率为数据源,对红边(627~780 nm)、黄边(566~589 nm)、蓝边(436~495 nm)、绿边(495~566 nm)、吸收谷和反射峰的最大反射率及反射率总和等16个高光谱特征参数与叶绿素含量之间的相关性进行了分析,并结合偏最小二乘回归法(partial least-squares regression,PLSR)对叶绿素含量进行高光谱建模及验证。结果表明:1)对特定的16个光谱特征参数而言,光谱特征参数绿边最大反射率与春小麦叶绿素质量分数之间的决定系数最低(R~20.5);决定系数较高(R~2≥0.5)的光谱特征参数包括蓝边最大反射率、蓝边反射率总和、黄边最大反射率、黄边反射率总和、红边最大反射率、红边反射率总和、绿边反射率总和、820~940 nm反射率总和及最大反射率、500~670 nm归一化吸收深度和560~760 nm归一化吸收深度,其中820~940 nm反射率总和决定系数达到最高(R~2为0.8);2)利用16个特征参量进行PLSR建模后,发现波段范围在820~940 nm的最大反射率及反射率总和所建立的PLSR估算模型为最优模型,其精度参数R~2p=0.8、RMSEp=2.0 mg/g、RPD=3.2。因此,该模型具有极好的预测能力。该研究为相关研究及当地精准农业提供科学支持和应用参考。     

基于高光谱吸收特征参数以及光谱吸收指数的藻类叶绿素a反演分离模型研究

利用ASD地物光谱仪对不同浓度下小球藻、聚球藻及其混合藻的反射光谱进行测量,得到3组藻类在不同叶绿素a（Chl-a）浓度下的反射光谱,同时进行了Chl-a浓度测量。利用Matlab软件神经网络模型中的径向基函数对得到的高光谱数据进行高光谱曲线拟合,在拟合结果基础上,提取小球藻在652nm处、聚球藻在609nm处以及混合藻在652nm和609nm处的光谱吸收指数（SpectralAbsorptionFeatureParameter,SAFP）建立了两种单一藻类的定量模型,单一小球藻Chl-a最优定量模型为吸收峰深度模型Chl-a=10.059e713.97H,聚球藻的Chl-a最优定量模型为吸收峰斜率模型Chl-a=3×1012K2＋1×107K＋56.555。并在对两种单一藻类的定量模型研究基础上用光谱吸收指数对该两种藻的混合藻进行了Chl-a浓度分离。通过对比模型计算结果的均方根误差（RootMeanSquareError,RMSE）,除吸收峰对称度模型分离结果不太理想外,吸收峰深度分离模型、吸收峰斜率分离模型、吸收峰光谱吸收指数（SAI）分离模型的分离结果都很好,分离效果最好的为SAI分离模型。     

基于反射光谱预处理的苹果叶片叶绿素含量预测

以苹果叶片叶绿素含量为研究对象,定量研究了光谱数据预处理方法对光谱特征提取及叶绿素含量预测模型的影响。首先,比较了苹果叶片原始反射率光谱、小波包去噪反射率光谱、反射率一阶差分光谱、先小波包去噪后一阶差分光谱、先一阶差分后小波包去噪光谱这5种光谱的波段间相关系数以及光谱与叶绿素含量间的相关系数,建立了叶绿素含量预测逐步回归模型并对建模结果进行了比较分析。结果表明单纯3层sym8小波包去噪可使光谱曲线平滑,但不会明显提高模型精度;一阶差分虽然放大了局部噪声,但是消除了基线漂移影响,可提高模型精度;先差分后小波包去噪比先小波包去噪后差分具有更高的峰值信号噪声比,更低的均方误差与最大误差,建模结果也显示出同样的结果。因此,先差分后小波包去噪算法可认为是一种有效的苹果叶片叶绿素含量预测光谱预处理方法。利用这一方法建立了苹果叶片叶绿素含量预测模型,获得了较高的预测精度。该研究可用于对苹果树营养状态的评价并指导按需施肥。     

基于高光谱图像的黄瓜叶片叶绿素含量分布检测

植物叶片叶绿素含量及分布是植物营养信息表达的重要指标。为了给大棚黄瓜营养元素的控制提供理论依据,该研究利用高光谱图像建立简单实用的光谱值和叶绿素含量关系的模型,从而实时、无损地检测叶片的叶绿素分布。选取黄瓜叶片的高光谱图像数据块中450~850 nm波段作为研究波段。选取8个具有代表性的植被指数,建立特征波长λ下相应的光谱反射值Rλ与黄瓜叶片叶绿素含量之间的关系模型。结果显示,基于最优指数(R695–705)-1-(R750–800)-1的模型可以很好地预测黄瓜叶片叶绿素的含量,校正集和预测集相关系数r分别为0.8410和0.8286,最小均方根误差RMSE分别为0.2045和0.2190 mg/g。最后根据最优模型预测叶片上任意位置叶绿素的含量,并通过伪彩手段描述叶绿素含量的分布。研究结果表明,利用高光谱图像技术分析黄瓜叶片叶绿素含量及其在叶面上的分布是可行的。另外,该研究确定的最优植被指数所包含的695~705和750~800 nm 2个波段可用于搭建更加简便实用的快速检测叶片叶绿素的便携式多光谱设备。     

不同施氮水平下温室番茄叶片反射光谱特征分析

利用便携式光谱辐射仪测定了温室番茄叶片的光谱反射率,研究了不同施氮水平下特定光谱指数与叶片氮含量、光合速率及产量的关系。结果表明,温室番茄叶片的光谱反射率在可见光波段随供氮水平的升高而降低,在近红外波段随供氮水平的升高而增加。随施氮水平的提高,绿峰的蓝移和红边的红移现象明显,而红谷反射率与光合速率之间的关系可用二次方程拟合,相关系数达0.805。番茄叶片氮含量的敏感光谱波段为580~695 nm,740~900 nm,由695 nm、770 nm两个波段构建的高光谱指数(RVI、NDVI)与叶片氮含量的相关性显著。而基于原始光谱数据对番茄产量的估测也可在温室中得到很好的运用,其中光谱指数RV(I710,680)、VARI700和产量的拟合方程最优。     

温室番茄对水肥耦合的光合特性及叶绿素荧光参数响应

在河西走廊灌漠土日光温室滴灌施肥条件下,采用水肥双因素完全随机区组设计,研究了温室番茄对水肥耦合的光合特性及叶绿素荧光参数响应。结果表明:在番茄结果期,采用W2F1处理的番茄,田间持水率达75%~90%,氮、磷、钾肥以理论施肥水平N 400 kg hm-2+P2O5350 kg hm-2+K300 kg hm-2时,植株的光合速率最高可达到CO228.52μmol m-2s-1,明显高于其他处理;同时水分、肥料的交互作用对番茄产量的影响达显著水平,各处理产量的高低顺序为W2F1W2F2W1F1W1F2W2F3W1F3W3F1W3F2W3F3。在番茄的结果前期、中期和末期,番茄叶片Fo和Fv的变化因不同生长阶段所需养份不同而呈现出不同的变化;以处理W2F2的Fv/Fm和Fv/Fo值最高,Fv/Fm分别为0.73、0.80和0.83,Fv/Fo值分别为2.66、3.97和4.84。     

用于监测柑橘叶片冻害的叶绿素含量光谱反射模型研究

果树叶片的叶绿素含量（SPAD）是植株营养状况的表现,也决定其光合作用能力的强弱,并且越冬前的树体营养状态,对果树抵御极端低温和顺利越冬是一个重要的影响因素,而果树受冻时叶绿素渗出和降解也是冻害发生程度的指标。通过对不同生长期的柑橘叶片进行光谱扫描,采用逐步回归法、红边参数法和光谱指数法分析叶片光谱反射率和叶绿素含量之间的关系,构建了柑橘叶片叶绿素光谱反射模型。结果表明,柑橘叶片叶绿素含量与反射光谱之间有较强的相关性,且两种方法所得模型预测值与实测值的相对误差都小于10%,说明模型具有良好的预测结果。两种方法中,选择波段的逐步回归法比光谱指数法的精度更高,但从建模参数的物理意义和逻辑性方面考虑,推荐光谱指数法建模,该模型可为远距离遥感监测果园营养状况和冻害情况提供参考。     

基于多光谱图像技术的番茄营养素诊断模型

为了快速、准确估测番茄营养水平和生长状态,利用多光谱图像分析技术研究了温室番茄营养素含量和图像特征的相关性。在日光条件下采集了温室番茄叶片多光谱图像,并采用多尺度Retinex算法有效地解决了叶片平整度差异造成的图像质量退化问题。从颜色模型、比值植被指数和归一化差值植被指数出发,自定义了49个多光谱图像特征参数。结合相关性分析和系统聚类分析消除了多光谱图像特征参数的多重共线性,并提取了4个能反映叶绿素含量(SPAD指数)和全氮含量预测模型,其中SPAD指数模型的决定系数(R2)为0.8668,均方根误差(RMSE)为3.997;全氮模型的R2为0.7284,RMSE为0.5130。     

基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算

为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量（soil and plant analyzer development,SPAD）值,分析了一阶微分光谱、高光谱特征参数与 SPAD的相关关系,构建了基于一阶微分光谱、高光谱特征参数和 BP 神经网络的 SPAD 估算模型,并对模型进行验证;再结合主成分回归（principal component regression,PCR）、偏最小二乘回归（partial least squares regression,PLSR）以及传统回归模型与 BP 神经网络模型进行比较。结果表明：SPAD 值与一阶微分光谱在763nm 处具有最大相关系数（R=0.901）;以763 nm 处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片 SPAD 估算;将构建传统回归模型时筛选到的光谱参数作为输入,实测 SPAD 值作为输出,构建 BP 神经网络模型,其建模与验模 R2分别为0.887和0.896,RMSE 为2.782,RE 为4.59%,与其他回归模型相比,BP 神经网络模型预测精度最高,研究表明 BP 神经网络对叶绿素具有较好的预测能力,是估算玉米叶片 SPAD 值的一种实时高效的方法。     

温室有机土栽培番茄营养吸收特性研究

以腐熟玉米秸、麦秸、菇渣或锯末等农产废弃物及有机肥为有机化栽培的有机原料,添加土壤后配成有机土进行了番茄栽培试验,研究了植株对氮、磷、钾的吸收特性。结果表明,不同配方下番茄对氮磷钾的单株吸收量、养分利用率以及养分在植株不同部位的分配不同。全生育期N∶P2O5∶K2O=1∶0.194～0.375∶0.903～1.412。根据番茄产量计算出每生产100kg番茄果实的养分需要量为:N136.7～201.4g,P2O539.9～60.0g,K2O156.7～235.7g。综合不同有机土配比对番茄养分利用率、产量品质的影响,以大粪干+玉米秸+锯沫或菇渣(1∶2∶1)的配方较好。     

基于光谱学和ARM的番茄叶绿素检测仪的开发

为了更加方便、简捷、快速的对温室番茄叶绿素含量进行检测,利用光谱分析技术,开发了一种用于预测温室番茄叶片叶绿素含量的新型作物长势仪。仪器选择527 nm和762 nm两个波长作为特征波长。由一个“Y”型光纤,两个硅光电池,一个信号处理单元,中心处理器及友好的人机交互界面组成。由番茄叶片反射回来的反射光经过“Y”型光纤到达硅光电池的表面,硅光电池可以将此光信号转换成电信号。然后经过信号处理单元的放大滤波转换成可以经CPU处理的电压信号。根据测量得到的光谱反射率可以计算出番茄叶片的光谱系数,再根据光谱系数预测     

利用叶绿素荧光动力学参数识别苗期番茄干旱胁迫状态

为实现作物干旱胁迫状态无损识别,该研究提出了基于叶绿素荧光动力学参数的苗期番茄干旱胁迫状态识别方法.首先利用叶绿素荧光成像系统采集不同干旱胁迫程度的植株冠层叶绿素荧光图像,并将顶层叶片图像像素均值作为该植株的叶绿素荧光参数值;然后,采用连续投影法(Successive Projections Algorithm,SPA...     

Macro-nutrient uptake dynamics in greenhouse tomato crop

This study verified the concentration over time of nitrogen, phosphorus, potassium, calcium, magnesium, and sulfur (N, P, K, Ca, Mg, and S) in the leaves, stems, fruits, and roots of tomato plants. An indeterminate growth variety with ball-type fruits suited for greenhouse cultivation was used. The results showed that the distribution of minerals in the different organs of the plant varies over time. The minerals N, P, and K showed a tendency to decrease their concentration, while the concentration of Ca and S increased and that of Mg remained constant over time. The leaves had the highest concentrations of N, P, K, Ca, and Mg. The concentrations of K, for both leaf and stem, ranged between 20 and 30 g kg^?1. N and K were the most extracted minerals, while P was the least extracted mineral. The information presented in this paper allows a better fertilization plan for growing tomatoes inside greenhouses.     

综合形态与叶片叶绿素含量的番茄壮苗指数筛选

为建立最佳的番茄秧苗壮苗指数,提高秧苗评判的准确度,该文以四叶一心番茄秧苗为研究对象,在测定11项秧苗指标的基础上,利用模糊综合评判法建立番茄秧苗综合评价指数,使用主成分分析进行指标筛选并组合构成多个番茄壮苗指数,通过综合评价指数与壮苗指数的相关分析筛选出适宜的壮苗指数并验证。结果表明：对300株样本进行统计分析,番茄秧苗综合评价指数为0.26～0.79,可全面概括秧苗的整体素质,能客观、准确地评价秧苗健壮程度;通过秧苗单一指标的主成分分析将各指标划分为形态指标、色素指标和株高3个主成分,表明秧苗的质量必须从形态、叶绿素含量和株高这3方面进行评价。从主成分中各选一种指标进行完全随机排列组合成25种壮苗指数,并筛选出与综合评价指数相关性较高且具有代表性的4种壮苗指数;并用3种不同品种番茄秧苗对其进行稳定性验证,其中壮苗指数“（总叶绿素/株高）?全株干质量”与综合评价指数相关性最大为0.797且极显著（P<0.01）,稳定性好、代表性强,可作为衡量番茄秧苗素质的推荐壮苗指数。以番茄秧苗的综合评价指数为分级依据,根据推荐壮苗指数将秧苗质量分为3个等级（等级Ⅰ（壮苗指数≥0.065）为优质苗,等级Ⅱ（壮苗指数：0.030～0.065）为合格苗,等级Ⅲ（壮苗指数≤0.030）为弱苗（幼苗或老苗））,各等级间差异显著,可以作为较好的判别指标。该研究表明可为番茄育苗生产提供参考,也可为其他蔬菜秧苗评判提供参考。     

长江中下游Venlo型温室番茄蒸腾模拟研究

该文针对目前国际上计算作物蒸腾速率的通用Penman-Monteith方程(P-M方程)存在的所需参数即作物叶片气孔阻抗不易获取的问题,首先通过春季和冬季Venlo型温室小气候和番茄(Lycopersicon esculentum Mill.)叶片气孔阻抗以及植株蒸腾量的实验观测,分析并量化番茄叶片气孔阻抗与温室小气候因子之间的关系。然后将其与P-M方程结合,模拟计算了春冬两季温室内番茄作物的累积蒸腾量,并用实测植株蒸腾量检验了模拟的效果。结果表明,在长江中下游地区的春季,两个供试番茄品种叶片气孔阻抗r_s与光合有效辐射PAR的关系为11205/(5.28+PAR)。将该函数关系与P-M方程相结合模拟计算的春冬两季温室内番茄的蒸腾量与实测值的吻合度较高。春季番茄蒸腾量模拟值与实测值之间的决定系数为0.97,标准误为5.50 mm,冬季番茄蒸腾量的模拟值与实测值之间的决定系数为0.99,标准误为1.21 mm。本研究建立的番茄叶片气孔阻抗与太阳辐射的定量关系,解决了在长江中下游地区用P-M方程计算番茄蒸腾速率时所需模型参数(叶片气孔阻抗值)难以获取的困难,为P-M方程在温室番茄水分管理中的实际应用奠定了基础。     

加气灌溉温室番茄地土壤N2O排放特征

加气灌溉引起的土壤中氧气含量改变势必会影响N_2O的产生和排放。为了揭示加气灌溉对秋冬茬温室番茄地土壤N_2O排放的影响,2014年采用静态箱-气相色谱法对加气灌溉土壤N_2O排放进行原位观测,研究秋冬茬温室番茄地土壤N_2O排放对加气灌溉的动态响应。试验采用灌水量(充分灌溉、亏缺灌溉)和加气(加气、不加气)的双因素设计,设置4个处理,分别为加气亏缺灌溉(A1)、不加气亏缺灌溉(CK1)、加气充分灌溉(A2)和不加气充分灌溉(CK2)。结果表明:不同加气灌溉模式下土壤N_2O排放均主要集中在番茄果实膨大期,其他时期排放水平较低。加气和充分供水处理均增加了番茄整个生育期的土壤N_2O排放量,以A2处理最大(120.34 mg/m2),分别是A1和CK1处理的1.89和4.21倍(P0.01),而与CK2处理差异性不显著(P=0.078)。此外,不同灌水水平不加气处理,除N_2O排放主峰值点外,N_2O排放通量与土壤充水孔隙率(water-filled pore space,WFPS)存在指数正相关关系(P0.05),WFPS在46.0%~52.1%时观测到N_2O剧烈释放。可见,加气灌溉增加了温室番茄地土壤N_2O排放,且在亏缺灌溉条件下,加气灌溉对温室番茄地土壤N_2O排放的影响显著。研究结果为评估加气灌溉技术的农田生态效应及设施菜地温室气体减排提供参考。     

采用RNCA-PSO-ELM的水稻叶绿素光谱特征分析与反演

为探索有效的水稻叶绿素光谱特征选择方法与含量反演建模,解决东北粳稻叶绿素含量无人机遥感监测等问题,该研究利用沈阳农业大学卡力玛水稻实验站2018-2020年无人机（Unmanned Aerial Vehicle,UAV）水稻冠层高光谱数据及地面样本数据,设计了基于正则近邻成分分析的光谱特征选择方法,优化了其损失函数与正则化参数,获得水稻叶绿素不同含量的特征波段,并以此为输入,构建粒子群优化极限学习机叶绿素含量反演模型。结果表明：正则近邻成分分析算法具有较好的特征选择能力,其损失函数为均方误差损失函数、正则化参数值为0.306时,特征选择效果最佳,初选出权重非零的16个特征波段;进一步以叶绿素极限学习机反演精度为判据,优选出权重最高的6个特征波段：710、716、508、798、532和708 nm;应用粒子群优化算法优化了极限学习机模型的输入权值和阈值偏差,粒子群算法正交试验种群规模（POP）、惯性权重（IW）、学习因子（C1,C2）和速度位置相关系数（MC）的优选结果分别为50、1.5、1.3、3.5和0.6;基于正则近邻成分分析-粒子群优化极限学习机叶绿素含量反演结果的RMSE和R2分别为9.549 mg/L、0.891。研究结果可为基于无人机平台的高通量作物监测提供理论依据,并为筛选无人机高光谱波段实现作物长势参数快速估测提供参考。     

基于Penman-Monteith方程的温室番茄蒸腾量估算模型

作物的蒸腾是作物生命过程中十分重要的组成部分。为寻求适合于温室栽培条件下番茄植株蒸腾量的计算模型,本文以Penman-Monteith方程为基础,针对温室特定的小气候环境,对番茄冠层整体气孔阻力、空气动力学阻力等参数进行合理修正,建立了包含气象数据、番茄叶面积指数和冠层高度为主要参数的温室番茄蒸腾量估算模型。分别采用2009年5月2-13日（开花坐果期）和2009年6月9-20日（成熟采摘期）2个时段内的实测蒸腾量对模型模拟结果进行验证,2个时段内模型模拟结果的平均相对误差分别为8.48%和9.20%,表明所建模型可以较好地的计算温室番茄的蒸腾量。本研究提出的蒸腾量估算模型对温室番茄作物水分关系的深入研究具有重要参考价值。     

Structural patterns of tomato plants grown in greenhouse

We characterize the growth form of the two types of commercial tomato cultivars. In both types of tomato the branching is sympodial. The difference between cultivars of the indeterminate and the determined type is given by variations in the intensity in which the spatial and temporal pattern of the sympodial growth is expressed. Variations that manifests itself in the relative rate of development of each sympodial unit and in the amount of sympodial shoots that are produced during the plant's lifetime. The inflorescences of tomato plants grown in greenhouse are studied. The main inflorescences variations that have been observed are: the appearance of either dichasial inflorescences or pleiochasial inflorescences; the bracts development at the level of either the branches of the inflorescence or individual flowers; and the proliferation of the apex of the inflorescence.