基于SVR算法的小麦冠层叶绿素含量高光谱反演

为给小麦的长势监测与农艺决策提供科学依据,利用高光谱技术实现了小麦冠层叶绿素含量的估测。通过分析18种高光谱指数对叶绿素的估测能力,筛选出可敏感表征叶绿素含量的指数REP,利用地面光谱数据为样本集,以最小二乘支持向量回归(least squares support vector regression,LS-SVR)算法建立了小麦冠层叶绿素含量反演模型,其校正决定系数C-R2与预测决定系数P-R2分别为0.751与0.722,在各指数中反演精度最高。进一步分析表明,REP对叶绿素含量以及LAI值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对叶绿素含量估测的影响。利用LS-SVR反演模型完成了OMIS影像叶绿素含量的遥感填图,并以地面实测值进行检验,其拟合模型R2与RMSE值分别为0.676与1.715。结果表明,高光谱指数REP所建立的LS-SVR模型实现了叶绿素含量的准确估测,可用于小麦叶绿素含量信息的快速、无损获取。     

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。     

无人机影像反演玉米冠层LAI和叶绿素含量的参数确定

小型低空无人机（unmanned aerial vehicle, UAV）机动灵活、操作简便,可以按需获取高空间分辨率影像,是育种玉米长势监测的一种重要技术手段。针对UAV影像反演玉米冠层叶面积指数（LAI, Leaf Area Index）和叶绿素含量的参数确定问题,该研究以DJI S1000+无人机为平台,搭载法国Parrot Sequoia相机,获取海南三亚市崖城玉米育种基地的多光谱影像。基于预处理后的UAV影像,采用重采样的方式获得不同分辨率下（0.1～1 m）的不同植被指数,所构建的植被指数包括归一化植被指数（normalized difference vegetation index,NDVI）、叶绿素指数（grassland chlorophyll index,GCI）、比值植被指数（ratio vegetation index,RVI）、归一化红边红指数（normalized difference rededge-red index,NDIrer）、归一化红边绿指数(normalized difference rededge-green index,NDIreg)和重归一化植被指数(renormalized difference vegetation index,RDVI),通过将不同分辨率下的不同植被指数与地面实测数据进行回归分析,以获得各分辨率下植被指数与冠层LAI和叶绿素含量的关系模型及其决定系数,以决定系数的大小为依据来确定玉米冠层LAI和叶绿素含量反演的最优空间分辨率和最优植被指数。通过试验发现,在分辨率为0.6 m时,NDVI与地面实测LAI之间的决定系数R2为0.80,决定系数达到了最大,利用该分辨率下的NDVI反演得到的LAI验证精度R2达到了0.73;在分辨率为0.1 m时,NDIreg与地面实测叶绿素含量之间的决定系数R2为0.70,决定系数达到了最大,利用该分辨率下的NDIreg反演得到的叶绿素含量验证精度R2达到了0.63。因此得出结论：1）植被指数的选择：① 对于玉米冠层LAI的反演来说,不包含绿波段的植被指数的LAI反演精度较高,这说明绿波段对LAI的变化不敏感;② 对于玉米冠层叶绿素含量反演来说,包含红边波段的植被指数的反演精度较高,因此影像的红边波段对叶绿素含量的变化非常敏感。2）UAV影像空间分辨率的选择：反演LAI的最优分辨率是0.6 m,此时NDVI与实测LAI的决定系数达到最大;反演冠层叶绿素含量的最优分辨率是0.1～0.3 m范围内,此时NDIreg与实测叶绿素含量的决定系数达到最大。该研究可为UAV反演玉米表型参数时的分辨率和植被指数选择提供参考。     

利用随机森林法协同SIF和反射率光谱监测小麦条锈病

小麦受到条锈病菌侵染后,作物的光合能力及色素含量等均会发生变化,日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)对作物光合生理的变化比较敏感,而反射率光谱则受作物生化参数的影响较大,为了提高小麦条锈病的遥感探测精度,该文利用随机森林(random forest,RF)等机器学习算法开展了协同冠层SIF和反射率微分光谱指数的小麦条锈病病情严重度的遥感探测研究。首先利用3FLD(three bands fraunhofer line discrimination)算法提取了冠层SIF数据,然后结合对小麦条锈病病情严重度敏感的11种反射率微分光谱指数分别基于RF和后向传播(back propagation,BP)神经网络算法构建了反射率微分光谱指数与冠层SIF协同的小麦条锈病病情严重度预测模型。研究结果表明:RF算法构建的小麦条锈病病情严重度预测模型优于BP神经网络算法,3个样本组中RF模型病情指数(disease index,DI)估测值与实测值间的决定系数R2平均为0.92,比BP神经网络模型(R2的平均值为0.83)提高了11%,均方根误差(root mean square error,RMSE)平均为0.08,比同组BP神经网络模型(RMSE的平均值为0.12)减少了33%,RF算法更适合于小麦条锈病病情严重度的遥感探测。在反射率微分光谱指数中加入冠层SIF数据后,RF模型和BP神经网络模型精度均有所改善,其中RF模型估测值与实测值间的平均R2提高了4%,平均RMSE减少了22%,BP神经网络模型估测值与实测值间的平均R2提高了14%,平均RMSE减少了28%,综合利用冠层SIF和反射率微分光谱指数能够改善小麦条锈病病情严重度的遥感探测精度。研究结果可为进一步实现作物健康状况大面积高精度遥感监测提供新的思路。     

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。     

基于无人机高光谱影像的马铃薯叶绿素含量估测

  【目的】  叶绿素含量高低反映植被的健康状况与光合能力。研究准确、有效地将冠层影像反演为叶绿素含量的技术参数,以便经济快速、实时地监测作物生长状况。  【方法】  田间试验于2018—2020年在内蒙古阴山北麓马铃薯主产区进行,设置氮肥梯度处理,在马铃薯块茎膨大期和淀粉积累期,测定试验地马铃薯植株SPAD值,通过线性关系将其转化成叶绿素含量。利用无人机为平台搭载S185成像光谱仪获取马铃薯试验区高光谱影像,并从中提取马铃薯冠层光谱反射率。将3年田间试验所获取的125个样本点数据按80%、20%的比例随机划分为训练集与验证集。用训练集数据建立了8个比率、归一化光谱指数,通过波段优化算法建立优化光谱指数和马铃薯关键生育期叶绿素含量的相关性与估测模型,并用验证集数据检验所建立模型的精度,最后利用所构建的估测模型制作马铃薯叶绿素含量分布图。  【结果】  根据训练集数据,马铃薯植株叶绿素含量分布范围在10.58～23.14 mg/g,平均叶绿素含量为19.80 mg/g,变异系数为14.9%;根据验证集数据,马铃薯植株叶绿素含量分布范围在12.80～23.73 mg/g,平均为19.59 mg/g,变异系数为17.0%。基于绿光波段建立的叶绿素光谱指数(CI_green)和归一化光谱指数550 (ND550)均与马铃薯叶绿素含量具有较好相关性(R2分别为0.48、0.61),但作物种类及生育时期的影响降低了估测的准确性。通过优化波段586、462 nm和586、498 nm计算的优化比率光谱指数(RSI)和优化归一化光谱指数(NDSI)能够明显提高模型准确性,具备良好的线性拟合效果,决定系数R2分别由0.48和0.61提高到0.82和0.83。经验证后,估测模型预测值与实测值接近1∶1线,决定系数R2分别为0.77和0.79,均方根误差RMSE较低。通过反演马铃薯叶绿素含量分布图可知,优化光谱指数(NDSI)模型反演效果较好,叶绿素含量分布范围为18～21 mg/g,与实测值相符合。  【结论】  本研究优化光谱指数RSI和NDSI最佳敏感波段分别为586、462和586、498 nm,此波段范围内RSI和NDSI与马铃薯关键生育期叶绿素含量相关性最优,通过波段优化算法重新构建的优化光谱指数预测模型可靠性及精度显著高于已有光谱指数,决定系数分别为0.82和0.83,且验证效果较好。应用两种光谱指数对研究区高光谱影像进行叶绿素反演估测,生成的田间马铃薯叶绿素含量分布图显示优化光谱指数NDSI估测效果最好,为光谱指数估测马铃薯关键生育期叶绿素含量提供了理论支持。     

不同播期冬小麦叶绿素含量的冠层光谱响应研究

为了探究不同播期条件下冬小麦叶绿素含量的冠层光谱响应规律,依据本区域的推广种植播期,本试验设置4个播期,获取其冠层光谱及相关数据,并利用统计学方法对4个播期试验数据进行融合分析,模拟一个具有普适性的混合播期。结果表明,在4个播期和模拟混合播期下所建立的叶绿素含量光谱监测模型中,以播期10月6日的DVI(780,670)所建立的叶绿素含量光谱模型最好,其R2可达0.7835。利用同年的试验数据对模型进行检验,其预测值和实测值的R2可达0.8617,且RE和RMSE最小,表明播期10月6日是对冬小麦叶绿素含量进行预测的最佳播期,依此所建立的冬小麦叶绿素含量光谱监测模型是可行的。同时,所建立模拟混合播期模型的决定系数可达0.6713,实测值和预测值的验证R2可达0.8342,RE和RMSE也较小,说明该模拟混合播期模型能够较准确地预测各种播期条件下的叶绿素含量,因此,模拟混合播期模型在现实的应用中具有较好的适用性和普适度。研究结果可为冬小麦品质的大尺度遥感监测和小麦生产的宏观管理调控提供一定的理论依据。     

高光谱数据估测稻麦叶面积指数和叶绿素密度

该研究利用高光谱遥感技术分析水稻和小麦两种作物不同生育期的冠层光谱及其叶面积指数和叶绿素密度的变化,比较高光谱植被指数与两种作物的叶面积指数和叶绿素密度之间的关系,最后确定估算两种作物的叶面积指数和叶绿素密度最佳植被指数。结果表明：水稻和小麦两作物的叶面积指数和叶绿素密度在整个生育期内的变化规律基本一致,即先升高后下降的趋势,但两作物叶绿素密度与叶面积指数最大值出现的时期不同;稻麦两作物在整个生育期内的光谱反射率曲线,在可见光区域（400～700 nm）变化无明显规律,在近红外区域（700～1 000 nm）,生育前期反射率由低到高,到生育后期则由高到低,其中最大值分别出现在抽穗期和灌浆期左右;通过14种植被指数与两作物的叶面积指数和叶绿素密度相关性比较分析得知,二次修正土壤调节植被指数（MSAVI2）与水稻农学参数相关性最好,相关系数r＞0.91,而小麦在800 nm处的光谱反射率(R800)与其农学参数相关性最好,相关系数r＞0.92;并利用线性回归的方法,建立了估算两作物叶面积指数和叶绿素密度的模型,决定系数R2＞0.85。这样为不同环境条件下（水作和旱作）农作物的动态监测和科学管理及决策提供了技术支持。     

低温胁迫下冬小麦叶片叶绿素含量的高光谱估算

利用一次寒潮降温过程,以苗期12个品种的冬小麦为研究对象,测定其低温逆境下叶片光谱反射率和SPAD(Soil and Plant Analyzer Development,SPAD)值。以2020年12月28日（最高/最低温为15℃/3℃）的观测值为胁迫前数据,12月31日（最高/最低温为1℃/−9℃）的观测值为低温胁迫后数据,分析低温胁迫前后小麦叶片原始光谱和SPAD值的变化规律。在多种光谱参数中,采用相关分析方法遴选出5个与SPAD值密切相关的特征变量,分别建立低温胁迫前、后以原始光谱数据、一阶光谱导数和三种植被指数为自变量的小麦叶片叶绿素含量反演模型,并进行交互验证,筛选出低温胁迫后小麦叶绿素含量的最优反演模型。结果表明：（1）与胁迫前相比,低温胁迫后小麦叶片SPAD整体呈上升趋势,光谱反射率在叶绿素吸收较好的可见光区域有所降低,叶片表现出受冻特征;（2）构建的低温胁迫前后两种混合模型,交互验证后精度较低,表明常温下小麦叶绿素含量估算模型并不适用于遭受低温胁迫后的小麦叶绿素估算,需单独建立低温胁迫后的估算模型;（3）利用光谱数据构建冬小麦低温胁迫下叶绿素含量反演混合模型中,以一阶光谱导数在694nm处建立的模型估算效果最优,拟合度（R2）为0.694,均方根误差（RMSE）为3.191,说明利用小麦叶片光谱特征波段建立低温胁迫下叶片叶绿素含量反演模型的方法是可行的。研究结果可为多品种冬小麦叶片叶绿素含量无损监测提供参考。     

基于Hyperion影像的玉米冠层叶绿素含量估算

采用高光谱卫星数据进行玉米叶片和冠层尺度的叶绿素含量估算,对现代农业技术的发展有重要意义。首先,采用以α为倾斜度参数的双曲正切S型函数为基础的误差反向传播(back propagation,BP)算法前馈神经网络(hyperbolic tangent sigmoid function-back propagation,Htsf-BP)构建叶片尺度的叶绿素含量高光谱遥感估算模型;以几何光学辐射传输模型(4-scale模型)为理论依据,对叶片和冠层尺度的光谱转化函数进行推导,实现Hyperion影像冠层尺度光谱到叶片光谱的转化,同时获取叶片尺度叶绿素含量估算结果;最后,结合叶面积指数(leaf area index,LAI)进行冠层尺度叶绿素含量估算。结果表明:当隐含层结点数为6时,Htsf-BP神经网络法对叶绿素的估算精度最高,验证精度达78.68%;在波长750与980 nm处,采用光谱尺度转化方程进行模拟的冠层光谱与实测冠层光谱间的相关系数R2值分别达到了0.784和0.706;实测叶片尺度叶绿素含量与模拟结果间的相关系数R2值达0.726。该方法可为高精度快速估算叶片和冠层尺度玉米叶绿素含量提供参考。     

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。     

叶绿素仪在氮肥推荐中的应用研究进展

叶绿素仪(Chlorophyll.meter)是近年来欧美一些国家在推荐施氮中开始使用的一种新型便携式仪器。这种仪器以叶绿素对红光和近红外光的不同吸收特性为原理来测定植物叶片的相对叶绿素含量,通过叶绿素与叶片全氮的关系来反映作物的氮营养状况,进而确定作物是否缺氮。这种新型仪器的使用为简便、快速、准确地进行氮肥推荐提供了一种新的思路。因此,通过研究不同作物,不同种植条件下叶绿素仪测定值与作物叶片全氮、作物产量之间的相关性,确定叶绿素仪测定值的临界水平,以及不同作物的测定部位、样品采集数量及影响测定准确性的因素,使这种技术尽快地应用于田间生产,有助于推动我国推荐施氮技术的进步。     

应用叶绿素计诊断烤烟氮素营养状况

为探讨叶绿素计在估测烤烟叶绿素和氮浓度上的应用价值,进行了3个田间试验。即:郑州点2003年设施N.51.0.kg/hm2与4个品种NC89、RG17、85048、541;2004年设5个氮肥用量:N.30.04、0.5、51.0、61.5、75.0.kg/hm2与2个品种中烟101、云烟85;玉溪点于2005年设5个氮肥用量:N.02、7.0、54.5、81.8、109.0.kg/hm2与K326品种的试验。测定了不同试验条件下烤烟叶片的叶绿素计(SPAD-502和CCM-200)值和实际叶绿素浓度、全氮浓度,并进行了三者关系分析。结果表明,应用叶绿素计监测烤烟叶片最佳测定部位为完全展开叶的中部。叶绿素计测定值因年份、地点、氮肥水平、叶位、同一叶片不同的部位而异。叶绿素计值与叶绿素浓度、叶片全氮浓度之间有稳定的极显著相关性。叶绿素计SPAD-502的SPAD值和CCM-200的CCI值与叶绿素浓度之间的决定系数分别为0.8755(P0.001)和0.9499(P0.001)。SPAD计值(SPAD)与全氮浓度(N)之间回归方程为N=0.0265SPAD+0.9601(R2=0.7649,P0.001),经检验该模型具有较好的精确性和普适性,利用叶绿素计进行烤烟氮素营养监测是可行的。     

激光诱导叶绿素荧光强度与激光强度关系

为满足激光诱导叶绿素荧光无损检测技术的发展需要,该文利用反射式激光诱导叶绿素荧光光谱分析技术对黄瓜活体叶片的叶绿素荧光强度与激发光强度关系进行试验研究。通过中心波长为473和660 nm 2种激发光的4种激发强度（2.50、5.00、7.50、10.00 mW）对具有不同生理信息（叶绿素含量、叶片含水率）的黄瓜活体叶片进行荧光激发,并利用MATLAB软件对685 nm和732 nm两个峰位的荧光强度进行分析。结果显示：各峰位荧光强度与激发光强度成极显著线性关系;叶片叶绿素含量对荧光强度与激光强度关系影响显著,各峰位荧光变化梯度与叶绿素含量具有较好的线性关系,但叶片含水率却影响不大;以此研究为基础,建立了具有叶绿素含量参数的荧光强度与激发光强度关系数学模型,模型相对预测误差小于0.2%,可靠性好,能较真实准确地反映荧光强度与激发光强度的关系。     

A comparison between different chlorophyll content meters under nutrient deficiency conditions

Chlorophyll content meters have been used successfully to estimate foliar chlorophyll content in various plant species in non-destructive way, especially to study stress physiology and abiotic stresses, such as nutrient deficiency. The main aim of this work was to compare the records of different chlorophyll content meters with the results obtained by the destructive method under the deficiency of main macronutrients in plants growth medium. Four devices (CL-01, SPAD-502, Dualex, and CCM-200) were used to estimate chlorophyll content in maize and tomato plants. In maize plants, all devices validated high accuracy for potassium and nitrogen deficiency and low accuracy for phosphorous and magnesium. In tomato, they showed a high degree of accuracy for calcium, potassium, and iron deficiencies, and low accuracy for phosphorus deficiency. All devices proved to be suitable to provide a reasonably estimation of chlorophyll content under optimal nutrient conditions. However, under nutrient deficiency conditions, tested devices showed different values for the same plant under the same nutrient deficiency. This suggest that, these devices should be validated by a sampling destructive method under such conditions.     

判断玉米幼苗缺氮程度的叶绿素荧光动力学指标

为灵敏检测和判断作物的缺氮程度,科学指导施肥,分析了不同程度缺氮条件下玉米叶片光合活性变化和生长生理变化。结果表明: 随着缺氮程度的加重,玉米叶片光合色素和可溶性蛋白含量都显著下降; 叶片的光合能力显著降低,表现为玉米整株鲜重减小,根冠比增大,说明缺氮对玉米生长和叶片活性具有显著影响。叶绿素荧光动力学结果显示,缺氮处理的玉米叶片Fv/Fm、Fm/Fo、Sm、ETo/CSo、RC/CSo都显著低于对照,并随着缺氮程度的加重而逐渐减小,其中Sm对缺氮最为敏感,而ABS/CSo、TRo/CSo、DIo/CSo等荧光参数对缺氮不敏感。分析Sm与培养介质中氮素浓度的相关性看出,二者关系类似酶动力学曲线,表明叶绿素荧光动力学参数能灵敏检测出缺氮玉米叶片光合活性的变化,可作为判断玉米缺氮程度的指标。     

基于高光谱反射率的棉花冠层叶绿素密度估算

为了进一步提高棉花叶绿素密度高光谱估算精度,该研究以棉花冠层叶绿素密度以及冠层高光谱反射率为数据源,在分析叶绿素密度与原始高光谱反射率(R)、一阶导数光谱反射率(DR)、已有光谱指数及全波段组合指数相关性的基础上,采用线性及多元逐步回归技术构建了叶绿素密度高光谱诊断模型,系统对比分析了以上4种光谱形式用于棉花冠层叶绿素密度诊断的精度。结果表明:1)基于一阶导数光谱反射率的估算模型精度明显优于原始光谱反射率;2)基于比值指数或归一化指数形式的估算模型精度及稳定性要优于单波段或多波段的线性模型;3)单波段变量DR756、全波度组合比值指数DR635/DR643以及归一化指数(DR1055-DR684)/(DR1055+DR684)均可较好的实现叶绿素密度估算,其中由DR635/DR643为自变量的模型所得到棉花冠层叶绿素密度估算值与实测值拟合最好,相关系数达到0.821。该研究可为高光谱技术在棉花冠层叶绿素密度诊断中的更好应用提供参考。     

萝卜缨叶绿素超声辅助提取工艺优化

为优化超声波辅助提取萝卜缨叶绿素的工艺条件,在单因素试验的基础上,以提取温度、超声波功率、液料比、提取时间为考察因素,采用Box-Behnken试验设计进行了工艺参数优化。结果表明,各因素对萝卜缨叶绿素得率的影响由大到小依次为：液料比、提取温度、超声波功率、提取时间;其较佳提取工艺条件为：提取温度73℃、超声波功率 175 W、液料比13 mL/g、提取时间为46 min。在此条件下,萝卜缨叶绿素的平均得率为0.413%,回归得出的模型预测效果较好。试验结果可为萝卜缨叶绿素的提取提供技术参考。     

叶绿素仪在夏玉米氮营养诊断中的应用

叶绿素仪(SPAD-502)的出现使通过无损伤的田间速测对作物进行氮营养诊断成为可能。采用简单的试验和研究方法在田间条件下研究了叶绿素仪应用于夏玉米氮营养诊断的可行性。研究结果表明,应用叶绿素仪监测夏玉米氮营养状况的最佳测定部位为最上部完全展开叶的中部,该部位叶绿素仪测定值与作物全氮、施氮量及产量之间均有较好的相关性。由于作物品种对叶绿素测定影响很大,需要通过相对叶绿素仪读数的方法对其进行校正,校正后叶绿素仪对夏玉米追肥推荐中营养状况的预测精度为66.7%。     

光对采后果蔬叶绿素降解动力学研究

叶绿素对光不稳定,易降解,为探讨引起该类色素降解的主要因素,并在生产、加工及贮藏中予以克服和避免,更好地保证产品在货架期内的感官品质,提高经济效益。该试验利用紫外分光光度计、全自动色差计(CIE-L*a*b*)和高效液相色光谱法定量分析叶绿素光降解的变化情况,并对叶绿素光降解动力学过程进行了分析。结果表明:叶绿素光降解反应符合一级动力学模型;紫外线对叶绿素有很强的破坏作用,可见光中蓝光、红光对该色素降解作用次之,而红外线对叶绿素破坏作用较小;光照强度为500、1000、1500、2000、2500、3000、3500、4000、4500、5000 lux,温度为25℃的条件下,叶绿素降解半衰期分别为16.9、14.1、11.5、9.8、8.8、8.2、7.1、6.0、5.2、4.0 h;相同条件下叶绿素a的降解速率约为叶绿素b降解速率的3～4倍;叶绿素在温度60℃以下降解不明显;氧气在叶绿素光降解过程中有着非常重要的作用。本试验结果对绿色果蔬包装材料的选择和产品感官品质控制有一定的参考价值。