高光谱技术分析茶树叶片中叶绿素含量及分布_赵杰文

合集下载

基于高光谱参量茶叶叶绿素含量估算模型研究

基于高光谱参量茶叶叶绿素含量估算模型研究
o f t e a p l a n t“ T i e g u a n y i n ”we r e o b t a i n e d a n d t h e s p e c t r a l p a r a me t e r mo d e l or f e s t i ma t i n g c h l o r o p h y l l c o n t e n t w a s e s t a b l i s h e d . T h e r e s u l t s s h o we d t h a t t h e e s t i ma t i o n a c c u r a c y o f t h e mo d e l e s t a b l i s h e d b y DV 6 4 0 p a r a me t e r s o f t h e i f f t h a n d s i x t h l e a v e s c o u l d r e a c h a h i g h e r v lu a e o f 9 3 %. Ke y wo r d s :Hy p e r — s p e c t r a l r e mo t e s e n s i n g ;T i e g u a n y i n;t e a p l a n t ;c h l o r o p h y l l ;mo d e l
K O N G Q i n g — b o ,Z H A N G Q i n g , Z H A N G Mi n g — q i n g , L I J u a n ( I n s t i t u t e o fS o i l a n d F e r t i l i z e r , F u j i a n A c a d e m y fA o g r i c u l t u r a l S c i e n c e s , F u j i a n P r o v i ce n 3 5 0 0 1 3 )

叶绿素高光谱

叶绿素高光谱

叶绿素高光谱
叶绿素高光谱(Chlorophyll Hyperspectral)是一种通过波长范围广泛、具有高分辨率的光谱数据来研究叶绿素在不同波长下的吸收和反射特性的技术。

叶绿素是植物中起关键作用的色素,对光的吸收和光合作用至关重要。

叶绿素高光谱技术通常通过使用光谱仪和高光谱图像设备来获取植物叶片或植被表面的光谱数据。

这些设备可以分析植物在可见光和近红外光谱范围内的反射和吸收特性。

通过收集大量高分辨率的光谱数据,可以提供详细的关于叶绿素在不同波长下的光谱特性的信息。

叶绿素高光谱技术在植物学、农业、生态学、环境科学和遥感等领域中广泛应用。

以下是一些叶绿素高光谱技术的应用领域:
1.农业生态学:通过分析植物叶片的光谱数据,可以了解植
物的生理状况、生长状态和营养状况,进而指导农业决策,例如作物施肥、灌溉和病虫害监测等。

2.植被监测:通过获取植被表面的高光谱数据,可以监测植
被的生长情况、叶绿素含量和健康状况。

这对于环境保护、植物生长模型和生态系统研究具有重要意义。

3.环境污染监测:叶绿素高光谱技术可以帮助检测水体和土
壤中的叶绿素含量,从而评估环境污染程度和水质状况。

4.遥感应用:叶绿素高光谱技术可应用于遥感图像的分析和
解译,提供远程监测和研究植被相关的信息,如陆地利用、植被类型和景观变化等。

叶绿素高光谱技术的广泛应用提供了对植物和生态系统的深入理解,有助于推动农业、生态环境保护和可持续发展等相关领域的研究和应用。

近红外光谱及高光谱技术在茶叶上的应用

近红外光谱及高光谱技术在茶叶上的应用
1 1 , 2 Y UY i n g j i e ,S U NWe i j i a n g
( 1 . C o l l e g eo f H o r t i c u l t u r e ,F u j i a nA g r i c u l t u r ea n dF o r e s t r yU n i v e r s i t y ,F u z h o u ,F u j i a n3 5 0 0 0 2 ,C h i n a ; 2 . A n x i C o l l e g e ,F u j i a nA g r i c u l t u r ea n dF o r e s t r yU n i v e r s i t y ,A n x i ,F u j i a n3 6 2 0 0 0 ,C h i n a ) o f T e aS c i e n c e A b s t r a c t :A s a g r e e n ,r a p i d ,e f f i c i e n t a n da c c u r a t e n o n d e s t r u c t i v e m e a s u r e m e n t ,s p e c t r o s c o p i c t e c h n o l o g y h a s g r a d u a l l y s h o w ni t s g r e a t p o t e n t i a l i np h y s i c a l a n dc h e m i c a l t e s t i n g ,q u a l i t y e v a l u a t i o no f t e a a n dt e a p r o d u c t s .T h e i m p o r t a n t a p p l i c a t i o n s a n dr e s e a r c h p r o g r e s s o f n e a r i n f r a r e ds p e c t r o s c o p y a n dh y p e r s p e c t r a l t e c h n o l o g y i nt e a s c i e n c e w e r e s u m m a r i z e d , i n c l u d i n g t h e q u a n t i t a t i v e a n a l y s i s o f t h ec o m p o s i t i o n s o f t e a ,t h ei d e n t i f i c a t i o no f v a r i e t i e s ,o r i g i n s a n ds p e c i e s o f t e a ,t h ed i s c r i m i n a t i o no f t e ac l a s s e s ,e t c .T h e f u r t h e r r e s e a r c hd i r e c t i o n s a n di t s a p p l i c a t i o np r o s p e c t s w e r ea l s oa n a l y z e d . K e yw o r d s :n e a r i n f r a r e ds p e c t r o s c o p yt e c h n o l o g y ;h y p e r s p e c t r a l t e c h n o l o g y ;t e a ;q u a l i t ye v a l u a t i o n

高光谱图像和独立分量分析植物叶面叶绿素分布的方法[发明专利]

高光谱图像和独立分量分析植物叶面叶绿素分布的方法[发明专利]

专利名称:高光谱图像和独立分量分析植物叶面叶绿素分布的方法
专利类型:发明专利
发明人:赵杰文,邹小波,殷晓平,石吉勇,黄星奕,蔡健荣,陈全胜
申请号:CN200910034792.3
申请日:20090908
公开号:CN101692037A
公开日:
20100407
专利内容由知识产权出版社提供
摘要:高光谱图像和独立分量分析植物叶面叶绿素分布的方法,涉及一种植物叶面叶绿素分布的预测方法。

按照下述步骤进行:高光谱图像预处理、独立分量分析和选择、计算植物叶面叶绿素分布。

其中所述的高光谱图像预处理包括高光谱图像标定和光谱提取;所述的独立分量分析和选择包括:利用独立分量法分析计算出独立分量,然后根据回归分析结果选择最佳独立分量;所述的植物叶面叶绿素分布的计算指利用选择的最佳独立分量和模型,计算出叶面各点的叶绿素含量值,组成叶绿素分布图。

本发明在不损伤叶面的前提下,得到的叶绿素含量的分布图,不仅可以体现叶片局部的叶绿素含量,而且可以获得到整个叶面叶绿素的分布情况,为植物的营养状况智能判断提供了依据。

申请人:江苏大学
地址:212013 江苏省镇江市学府路301号
国籍:CN
代理机构:南京知识律师事务所
代理人:汪旭东
更多信息请下载全文后查看。

基于光谱指数的植物叶片叶绿素含量的估算模型

基于光谱指数的植物叶片叶绿素含量的估算模型

基于光谱指数的植物叶片叶绿素含量的估算模型宫兆宁;赵雅莉;赵文吉;林川;崔天翔【摘要】叶绿素是光合作用能力和植被发育阶段的指示器,是监测湿地植被生长健康状况的重要指标之一;高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法.为保证被探测叶片面积相同,消除背景反射、叶片表面弯曲造成的光谱波动及叶片内部变异造成的影响,研究采用Field Spec 3光谱仪加载手持叶夹式叶片光谱探测器,测定野鸭湖湿地典型植物的叶片高光谱反射率数据,同时通过分光光度计室内测定相应叶片的叶绿素含量.采用相关性及单变量线性拟合分析技术,建立二者的关系模型,包括叶绿素含量与“三边”参数的相关模型以及比值光谱指数(SR)模型和归一化差值光谱指数(ND)模型,并采用交叉检验中的3K-CV方法对估算模型进行模型精度检验.结果表明:植物叶片叶绿素含量与“三边”参数大多都呈极显著相关,相关系数最大达到0.867;计算光谱反射率组成的比值(SR)和归一化(ND)光谱指数与叶绿素含量的决定系数,总体相关性比较高,较好的波段组合均为550-700nm与700-1400nm以及550-700nm与1600-1900nm,与叶绿素含量相关性最好的指数分别是SR(565nm,740nm)和ND(565nm,735nm).并通过选取相关性最佳的光谱特征参数,分别基于“三边”参数和ND模型指数构建了植物叶片叶绿素含量的估算模型.其中,基于红边位置(WP_r)光谱特征参数和ND(565nm,735nm)光谱指数建立的叶绿素含量估算模型,取得了较好的测试效果,检验拟合方程的决定系数(R2)都达到0.8以上,估算模型分别为y=0.113x-78.74,y=5.5762x +4.4828.通过3K-CV方法进行测试和检验,植物叶绿素含量估算模型均取得了较为理想的预测精度,预测精度的分别为93.9%及90.7%.高光谱遥感技术对植被进行微弱光谱差异的定量分析,在植被遥感研究与应用中表现出强大优势,为植物叶绿素含量诊断中的实际应用提供了重要的理论依据和技术支持.【期刊名称】《生态学报》【年(卷),期】2014(034)020【总页数】10页(P5736-5745)【关键词】叶绿素含量;高光谱模型;“三边”参数;光谱指数;北京野鸭湖湿地植物【作者】宫兆宁;赵雅莉;赵文吉;林川;崔天翔【作者单位】首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048;首都师范大学资源环境与旅游学院,北京100048;三维信息获取与应用教育部重点实验室,北京100048;资源环境与地理信息系统北京市重点实验室,北京100048;北京市城市环境过程与数字模拟国家重点实验室培育基地,北京100048【正文语种】中文【中图分类】基础科学第 34 卷第 20 期 2014 年 10 月生态学报 ACTA ECOLOGICA SINICAVol.34,No.20 Oct., 2014http: / /www.ecologica.cn基金项目: 863 计划课题( 2012AA12A308) ; 国家青年科学基金项目( 41101404) ; 国家基础测绘项目( 2011A2001) ; 北京市教委科技计划面上项目(KM201110028013) ; 国土资源部重点实验室开放基金( KLGSIT2013-04) ; 国家国际科技合作专项资助( 2014DFA21620)收稿日期: 2013-01-25;网络出版日期: 2014-03-11*通讯作者Corresponding author.E- mail: 880215zyl@163.comDOI:10.5846/stxb201301250160宫兆宁,赵雅莉,赵文吉,林川,崔天翔.基于光谱指数的植物叶片叶绿素含量的估算模型.生态学报, 2014,34( 20) : 5736-5745.Gong Z N,Zhao Y L,Zhao W J,Lin C,Cui T X.Estimation model for plant leaf chlorophyll content based on the spectral index content.Acta EcologicaSinica, 2014, 34( 20) : 5736-5745.基于光谱指数的植物叶片叶绿素含量的估算模型宫兆宁1, 2, 3, 4 ,赵雅莉 1,2, 3, 4, * ,赵文吉 1,2, 3, 4 ,林川 1, 2, 3, 4 ,崔天翔 1,2, 3, 4( 1.首都师范大学资源环境与旅游学院,北京 100048; 2.三维信息获取与应用教育部重点实验室,北京 100048;3.资源环境与地理信息系统北京市重点实验室,北京 100048;4.北京市城市环境过程与数字模拟国家重点实验室培育基地,北京 100048)摘要: 叶绿素是光合作用能力和植被发育阶段的指示器,是监测湿地植被生长健康状况的重要指标之一; 高光谱遥感技术可以为植物叶绿素含量的定量化诊断提供简便有效、非破坏性的数据采集和处理方法。

茶树叶绿素生物合成及其检测与提取研究进展

茶树叶绿素生物合成及其检测与提取研究进展

茶树叶绿素生物合成及其检测与提取研究进展王让剑【摘要】Current status of the distribution, structure, property, biosynthesis, detection and extraction of chlorophyll in tea is reviewed. Possible biosynthesis mechanism and applications of the tea chlorophyll for chemical, pharmaceutical and food industries are presented. The discussion includes:①Research in the genetic mechanism and related functional genes of tea chlorophyll is still in the initial stage. Increased attention and efforts by the scientists will be required. Utilization of models in studying chlorophylls of other plants might be necessary for the study on tea as well. ②Understanding the relationship between the chlorophyll and the aroma and taste of tea would provide a guideline for effective t ea breeding.③Chlorophyll extraction and value-added product development would improve the profit margins and warrant a sustainable and healthy tea industry for the nation for the years to come.%对茶树叶绿素的分布、结构、性质、生物合成及其检测方法、提取方法研究现状进行了概述,并对茶树叶绿素的生物合成机理及在化工、医药和食品领域中的应用前景进行了展望.提出3点建议:①茶树叶绿素遗传机制和相关功能基因研究尚不够深入,仍处在起步阶段,模式植物叶绿素相关研究可为茶树参考.②探索茶树叶绿素与茶叶香气、滋味品质之间的关系可为茶树品质育种提供依据.③提取茶树叶绿素及开发相关深加工产品是提高我国茶叶经济效益,保障茶产业可持续和健康发展的有效途径之一.【期刊名称】《福建农业学报》【年(卷),期】2012(027)012【总页数】8页(P1401-1408)【关键词】茶树;叶绿素;生物合成;检测;提取【作者】王让剑【作者单位】福建省农业科学院茶叶研究所,福建福安355015【正文语种】中文【中图分类】S571.1茶树叶绿素是茶树叶绿体内光合途径中的重要色素,在光合作用的能量捕获及传递中扮演着重要角色,是决定茶树光合效率的重要因素,与茶叶产量和品质密切相关[1-2]。

高光谱技术分析茶树叶片中叶绿素含量及分布

高光谱技术分析茶树叶片中叶绿素含量及分布

高光 谱技 术分 析茶 树 叶片 中叶绿 素含 量及 分布
赵杰 文 ,王开亮 ,欧 阳琴 ,陈全胜
1 .江 苏 大学 1 103
2 .中国农业科学院农业资源与农业 区划所 , 农业部作物营养与施肥重点开放实验室 ,北京 10 8 00 1
结果显示 , 二次土壤调节植被指数算法提取 的特征参数最佳 ,预测模 型校正集和 预测集 的相 关系数 尺分别 为 0 8 33和 0 8 23 最小均方根误差分别为 9 9 8和 8 6 1 最后根据预测模型估计叶片上任意像 素下 叶 . 4 . 3 , .1 .0。 绿素 的含量 , 并通过伪彩手段描述叶片中叶绿素含量 的分布 。 研究结果表 明, 利用高光谱成像技术分析茶树 叶片 中叶绿素含量及其分 布是可行 的。 关键词 高光谱成像技术 ;茶树叶片 ; 叶绿素 ; 二次土壤调节植被指数


植物叶片叶绿素含量及分布是植物营养信 息表达 的一个重要 指标 。以茶树为研究 对象 ,利用高光
谱技术分析茶树叶片中叶绿素含 量及其分布 。 过采集茶树 鲜叶 的高光 谱 图像 ,利用 7种不 同的算法从 高 通 光谱数据 中提取相应的特 征参数 ,并根据特征参数和 叶绿素含量的参考测量值 分别拟合 出相应 的预测模型 。
12 数 据 采集 .
方法是分光光度计法 , 该方法 步骤 繁琐 ,费时费力 。近年 但 来 ,便携式 叶绿素仪和遥感技术在叶绿素含量的检测上得 到 越来越多的关注_ ] 2 。尽管这些 方法 与传统 的叶绿 素检测方 法相 比具有显著优势 , 但也表现出一定 的缺陷。 高光谱成像技术集 光谱分析和图像处理 于一身 , 已在 现 军事 、医药 和精细农业领域得到 了广泛 的应用 。由于高光谱 成像技术是光谱分析技术 和图像处理技术在技术层 面上 的融 合技术 , 基于这两种技术的优势 ,高光 谱成像技 术不仅能研 究对象的 内部成分 含量 , 还可对其分布进 行可视化 分析 。 本 研究 以茶树为研究对象 , 采集茶树叶片 高光谱 图像 数据 , 提 取相应的光谱特征变量 , 并与常规方法检测 得到的叶绿素含 量相关联 , 建立茶树叶片叶绿素含量预测模 型 ; 后通过模 最

高光谱叶绿素测定

高光谱叶绿素测定

高光谱叶绿素测定
高光谱叶绿素测定是一种使用高光谱遥感技术测量植被叶绿素含量的方法。

叶绿素是植物中起关键作用的光合色素,可以反映植物叶片生长状态、光合作用效率和氮素含量等指标,因此在农业、环境保护和生态研究等领域具有重要应用价值。

高光谱叶绿素测定是通过对植被反射光谱进行分析,从中提取叶绿素相关的信息,根据光与物质的相互作用规律来确定叶绿素含量。

具体操作步骤为:首先利用高光谱遥感仪器获取植被的光谱反射数据,然后利用光谱分析方法对数据进行处理和分析,提取叶绿素特征波段,并建立叶绿素含量与光谱特征之间的数学模型。

最后,结合实测数据,利用建立的模型对未知区域或大面积地块的叶绿素含量进行预测或估算。

高光谱叶绿素测定具有非接触性、高精度、高效率和一次观测多参数等优势,可以实现对大面积植物叶绿素含量的精确测量和空间分布分析。

它可以应用于农作物生长监测、生态环境评估、病虫害监测和水体富营养化监测等领域,对于提高农业生产效益、保护生态环境和实现可持续发展具有重要意义。

基于UHD185成像光谱仪的茶叶叶绿素含量反演

基于UHD185成像光谱仪的茶叶叶绿素含量反演
(1. 武汉大学 资源与环境科学学院,湖北 武汉 430079)
摘 要 :UHD185 成像光谱仪可分析茶叶中叶绿素的含量,从而快速、无损地鉴定茶树的健康状况和茶叶的品质。以华中农业
大学茶园为研究区,通过无人机搭载 UHD185 成像光谱仪进行光谱测量和叶绿素含量测定,利用偏最小二乘法回归(PLSR)、
本文以华中农业大学茶园具有代表性的 8 种茶树 为研究目标,使用搭载于无人机平台上的新型高光谱 成 像 光 谱 仪 UHD185 获 取 茶 树 的 冠 层 高 光 谱 数 据。 UHD185 具有全画幅、非扫描、实时成像的特点,以及 革命性的全画幅高光谱成像技术,实现了快速光谱成 像而无需扫描成像,能提供无伪影的清晰高光谱成像。
1 数据来源与处理
1.1 研究区概况 本文实验区为湖北省武汉市华中农业大学茶园的
一部分,毗邻南湖,包含 8 种茶树品种,分别为台茶 12 号、福安大白、乌牛早、迎霜、福鼎大白、铁观音、 黄旦和梅占。 1.2 光谱仪与搭载平台
高光谱影像的获取采用德国的 Cubert Gmbh 公司
研 发 的 Cubert UHD185 型 成 像 光 谱 仪。 该 光 谱 仪 能 在 1/1 000 s 内 得 到 450~950 nm 波 长 范 围 的 138 个 波 段,且无需 IMU 和后期数据校正。UHD185 的优点为 : ① 可见—近红外波段全幅画高光谱成像 ;②极短的积 分时间,无运动伪影 ;③可通过 WiFi 远程控制所有 参数 ;④地面站可实时预览光谱 ;⑤开源代码,易于 系统集成。UHD185 的主要特征参数为 :光谱范围是 450~998 nm,光谱分辨率为 4 nm,视场角为 30°,波 段数为 138 个,实时显示,机身质量为 470 g。搭载机 型为小型八旋翼无人机 DJIS1000+,采用 V 型 8 旋翼设 计,在提供充裕动力的同时也做到了动力冗余,配合 DJI 飞控使用时,即使某一轴意外停止工作也能最大幅 度地保证无人机处于稳定状态。 1.3 数据获取与处理 1.3.1 光谱数据获取

安吉白茶叶绿素含量的规律性研究

安吉白茶叶绿素含量的规律性研究



0 .8 80 8 2 0 .4 O 1 l . 3 O .4 1 . 3 2 o 7 1 O - 8 0 . 8 9 1 l . 1 1O 1 1 12 1 -5
安 吉 白茶 叶绿 素含量 较低 ,随着 时 间的变化 逐步增
王 世 斌
( 陵科 技 学 院 ,江 苏 南京 金 20 3 ) 10 8

要 :该 研 究 通 过 对 不 同时 期 、不 同 部 位 的 安 吉 自 茶 新 梢 叶 片 的 叶绿 素 含 量 的测 定 ,分 析 1年 中 其 含 量
随 时 间 的变 化 情 况 以及 与 叶 色 、气 温 的 关 系 。 结 果 表 明 , 春 季 安 吉 白茶 各 部 位 叶 片 的 叶 绿 素 含 量 均 较 低 ,随 着
均 温度 达 l 9℃ 以上 时 ,叶色慢 慢及残渣 数次 ,最后 连 同残 渣一起 倒入漏 斗 中 。
用滴 管吸 取 乙醇 ,将滤 纸上 的叶绿 体色 素全部
洗入 容量 瓶 中 ,直至 滤纸 和残渣 中无绿 色为止 ,最 后 用 乙醇 定容 至 2 ,摇匀 。 5mL 把 叶绿 体色 素 提取 液 倒 入光 径 1e 的 比色杯 m 内 ,以 9 % 乙 醇 为 空 白 , 在 波 长 6 5 6 9 5 6, 4,
12 4 ,16 55和 2 0 09m .4 5 .0 . 3 g・ ~,分别 是 3月 g 底 叶片含量 的 2 8 . . ,2 0和 16倍 。 .
从 图 2看 出 ,安 吉 白茶 叶 绿 素 含 量 在 7月 至 1 之 间 ,第 1 0月 ,3和 5叶叶绿 素 含 量变 化 是 缓慢 上 升 ,到 1 0月 1 1日第 1 ,5叶含量 较 高 ,达 到 ,3

利用高光谱图像技术评判茶叶的质量等级

利用高光谱图像技术评判茶叶的质量等级
( School of Food &Biological Engi nee r i ng , J i a ngs u U n i ve rsi t y , Zhe n ji a ng , J i a ngs u 212013 , Chi n a ) A bs t r act The tea qualit y level was es timated wit h hyp ersp ect ral imaging technology. A hyp ersp ect ral imaging s ys tem based on sp ect rometer was developed to pe rform acquisition of hyp ersp ect ral imaging data. The p rincipal comp onent analysis ( PCA) was pe rformed to select t hree op timal bands images . Then , six text ure feat ures (i . e . , mean , s tandard deviation , s moot hness , t hird moment , uniformit y , and e nt rop y ) based on t he s tatis tical moment we re ext racted f rom each op timal band image , t hus 18 variables for each tea sample in all . Finally , PCA was pe rformed again to comp ress 18 feat ures variables , and 8 p rincipal comp one nts ( PCs ) were ext racted as t he inp ut of back p ropagation (B P) neural net . Expe rime ntal res ults s howed t hat discriminating rate was 97 % in t he t raining set and 94 % in t he p rediction set . Ove rall res ults s ufficiently demons t rate t hat t he hyp ersp ect ral imaging technology can be used to estimat e tea qualit y level . Key w or ds hyp ersp ect ral imaging ; p rincipal comp one nt analysis ; back p ropagation neural net ; tea ; es timation670ຫໍສະໝຸດ 光 学 学 报28 卷

高光谱数据与叶绿素含量及植被指数的相关性研究进展

高光谱数据与叶绿素含量及植被指数的相关性研究进展

高光谱数据与叶绿素含量及植被指数的相关性研究进展朱凌红;周澎;王忠民;邵志刚【摘要】based on the previous work, summed up the study direction on plant chlorophyll content and vegetation index which both based on hyperspectral data in recent years, discussed the problems and development trend. The results showed:(1)in the future, it would still a focus work to screen the sensitive bands for chlorophyll content, especially the sensitive bands of different plants;(2)it would be an important trend for quantitative inversion to chlorophyll content;(3)the study of"red edge"would continue provide technical support for the amount of chlorophyll and quantitative re-trieval of chlorophyll;(4)it should be standardize for vegetation index which use in different vegetation types, and it should be try to make into product.%在前人工作的基础上,总结了最近几年来,基于高光谱数据的植物叶绿素含量、植被指数的研究进展,探讨了其存在的问题与发展趋势。

茶叶外形品质的高光谱图像量化分析

茶叶外形品质的高光谱图像量化分析
( 1 . C o l l e g e o f E n g i n e e i r n g , J i a n g x i A g i r c u l t u r a l U n i v e r s i t y , N a n c h a n g 3 3 0 0 4 5 , C h i n a ; 2 . C o l l e g e o f S o f t -
集样本 的相关 系数 为 0 . 8 5 9 , 预测 均方 根误差 为 3 . 6 1 1 。在 预测 集 中 , 对模 型 的预 测值 与实 际评 分 值进 行 t 检验时 , 预测值 与实际值无显 著差异 , 说 明所建模 型是 准确可靠 的。 关键 词 : 茶叶外形 ; 高光谱 图像 ; B P神经 网络 ; 主成分分析
i ma g i n g s y s t e m b a s e d o n s pe c t r o me t e r .Th r e e f e a t u r e i ma g e s a t 7 68.7 4 n m, 8 2 7. 5 4 n m a nd 8 86.8 3 n m we r e o p t i mi z e d b y p in r c i pa l c o mp o n e n t a n a l y s i s me t h o d f r o m r a w h y p e r—s p e c t r a l i ma g e s .Co l o r f e a t u r e a n d t e x t u r e f e a t u r e we r e e x t r a c t e d ro f m e a c h f e a t u r e i ma g e, a nd 9 0 f e a t u r e v a ia r b l e s i n a l l we r e o bt a i n e d ro f m t h e t h r e e f e a t ur e i ma g e s . Th e mo d e l b e t we e n t h e f e a t u r e v a r i a b l e s a nd s e ns o r y s c o r e s o f t e a a p p e a r a n c e wa 5 ( 2 ) : 4 1 3— 4 1 8

高光谱叶绿素测定义

高光谱叶绿素测定义

高光谱叶绿素测定义高光谱叶绿素测量利用的是高光谱成像技术。

高光谱成像技术可以获取对象在多个光波段上的光谱信息,并通过对获取的光谱数据进行分析和处理,得出目标物质的含量或特性。

在叶绿素测量中,高光谱成像技术能够获取叶片表面或植物组织的光谱数据,进而分析叶绿素含量以及其他相关参数。

高光谱叶绿素测量可以通过多种传感方式进行。

其中,最常用的是基于光电二极管阵列的无源成像传感方式。

这种方式通过将被测叶片放置在光电二极管阵列下方,通过照射叶片并记录反射光谱,以获取叶绿素含量和荧光参数。

另外,还可以使用一些主动光源来提供照明光,以进一步提高测量的精度和准确性。

高光谱叶绿素测量可以获得一系列有关叶绿素含量和荧光参数的信息。

通过分析叶绿素的光谱吸收特征,可以计算出叶绿素含量。

这对于研究植物的光合作用、叶绿素荧光发射特性以及植物的生理状况具有重要意义。

叶绿素荧光参数包括最大荧光、暗氧化荧光、有效量子产量和非光化学稳定性等指标,可以反映植物的光合效率、抗氧化能力和应对环境压力的能力。

高光谱叶绿素测量在农业、植物生理研究、环境保护等领域具有广泛的应用前景。

在农业中,可以通过测量叶绿素含量和荧光参数来评估植物的生长状况和营养状况,并制定相应的施肥和灌溉策略。

在植物生理研究中,可以利用高光谱叶绿素测量来研究植物对逆境的响应机制,如光胁迫、干旱和病虫害等。

在环境保护方面,高光谱叶绿素测量可以用于监测水体中藻类的生物量和水质状况,对于水体环境的管理和保护具有重要意义。

总之,高光谱叶绿素测量是一种用于测量叶绿素含量和荧光参数的先进技术,具有广泛的应用前景。

它可以在农业、植物生理研究和环境保护等领域中发挥重要作用,并为相关领域的科学研究和实践提供有力支持。

高光谱技术分析茶树叶片中叶绿素含量及分布

高光谱技术分析茶树叶片中叶绿素含量及分布

第!"卷!第#期!!!!!!!!!!!!光谱学与光谱分析$%&'!"!(%'#!))B "#,B "B #-""年#月!!!!!!!!!!!!.)/012%30%)4567.)/0125&865&4393:/;2<524!#-""!高光谱技术分析茶树叶片中叶绿素含量及分布赵杰文" 王开亮" 欧阳琴" 陈全胜#""A 江苏大学食品与生物工程学院!江苏镇江!#"#-"!!!!!!!!!!!!!!!!!!!!!#A 中国农业科学院农业资源与农业区划所!农业部作物营养与施肥重点开放实验室!北京!"---*"摘!要!植物叶片叶绿素含量及分布是植物营养信息表达的一个重要指标%以茶树为研究对象!利用高光谱技术分析茶树叶片中叶绿素含量及其分布%通过采集茶树鲜叶的高光谱图像!利用?种不同的算法从高光谱数据中提取相应的特征参数!并根据特征参数和叶绿素含量的参考测量值分别拟合出相应的预测模型%结果显示!二次土壤调节植被指数算法提取的特征参数最佳!预测模型校正集和预测集的相关系数.分别为-'*>!!和-'*!#!!最小均方根误差分别为+'+"*和*'=-"%最后根据预测模型估计叶片上任意像素下叶绿素的含量!并通过伪彩手段描述叶片中叶绿素含量的分布%研究结果表明!利用高光谱成像技术分析茶树叶片中叶绿素含量及其分布是可行的%关键词!高光谱成像技术)茶树叶片)叶绿素)二次土壤调节植被指数中图分类号 ^I !+"'>!!文献标识码 8!!!#$% "-'!+=> L'9336'"---,-B +! #-"" -#,-B "#,->!收稿日期#-"-,-B ,"= 修订日期 #-"-,-*,##!基金项目 国家自然科学基金项目"!-*--===!!-+?"=*B $!江苏省自然科学基金项目"Y D #--+#"=$和农业部作物营养与施肥重点实验室开放基金项目资助!作者简介 赵杰文!"+>B 年生!江苏大学食品与生物工程学院教授"通讯联系人!!/,N 59&-0J /6L 956Q -B "*'45J %%A 0%N A 06引!言!!叶绿素是植物体进行光合作用&进行第一性生产的重要物质!叶绿素含量能间接反映植物的生长状况与光合作用能力."/)同时!叶片中叶绿素含量及其分布与植物的营养缺素状况密切相关!因此!植物叶片中叶绿素含量及分布可作为评判植物营养生理状态的一个重要指标%常规的叶绿素测定方法是分光光度计法!但该方法步骤繁琐!费时费力%近年来!便携式叶绿素仪和遥感技术在叶绿素含量的检测上得到越来越多的关注.#,>/%尽管这些方法与传统的叶绿素检测方法相比具有显著优势!但也表现出一定的缺陷%高光谱成像技术集光谱分析和图像处理于一身!现已在军事&医药和精细农业领域得到了广泛的应用%由于高光谱成像技术是光谱分析技术和图像处理技术在技术层面上的融合技术!基于这两种技术的优势!高光谱成像技术不仅能研究对象的内部成分含量!还可对其分布进行可视化分析%本研究以茶树为研究对象!采集茶树叶片高光谱图像数据!提取相应的光谱特征变量!并与常规方法检测得到的叶绿素含量相关联!建立茶树叶片叶绿素含量预测模型)最后通过模型估计出叶片上任意像素下的叶绿素含量!通过伪彩手段描述叶片上叶绿素的分布状况!以便于从图像角度更直观分析茶树营养状况.!/%"!材料与方法!&!!试验材料试验所用的样本茶树叶片!分别从镇江市京口区!个不同茶园中的不同茶树上随机采集得到的!剔除了病虫害叶片!一共采集了+-个叶片样本%其中=-个样本校正集用于模型校正!另外一组为!-个样本用于模型的验证%!&;!数据采集高光谱图像数据是基于光谱仪的高光谱图像系统采集得到的%基于图像光谱仪的高光谱图像采集系统由基于图像光谱仪的高光谱摄像机"R N .)/01%2!$"-V !芬兰$!一套"B -a 光纤卤素灯":9;/2,b 91/G @+B -R &&<N 9651%2!G %&56C /66/2R 6,7<3129/3R 60!U 8!美国$!一套包括控制装置的移动平台"M %&9`!.@!--#"8!北京$和计算机等部件组成!如图"所示%!!试验数据采集过程中!将茶树叶片平铺在白色底板的输送台上进行高光谱图像采集%设定高光谱系统摄相机曝光时间为B -N 3!输送装置的速度为"'#BN N ,3c "%试验采用的高光谱摄像头的图像分辨率为>--g"#*-!光谱范围是>-* )"""?6N!采样间隔为-'=?6N%'()&!!J?7-127-.310,(:0)-2?23-:602-<+827-.31+:-3-1!&=!高光谱图像标定由于光源的强度分布不均匀及暗电流噪音的存在!造成在光源强度分布较弱的波段下获得的图像含有较大的噪音%因此!需要对所获得的高光谱图像进行黑白标定.!!B!=/%在与样品采集相同的系统条件下!扫描标准白色校正板得到全白的标定图像C!关闭相机快门进行图像采集得到全黑的标定图像=!完成高光谱图像的标定!使采集得到的绝对图像R 变成相对图像..#/'#;=#C#;=#""$ !&F!数据计算表"列出波段比植被指数2519%\/Q/1519%6967/`"F$R$&归一化植被指数6%2N5&9O/779H H/2/60/\/Q/1519%6967/`"(G, $R$&重规一化植被指数2/6%2N5&9O/779H H/2/60/\/Q/1519%6 967/`"F G$R$&叶绿素吸收比指数0J&%2%)J4&&5;3%2)19%625, 19%967/`"@8F R$&二次土壤调节植被指数U%79H9/73/0%67 3%9&,57L<31/7\/Q/1519%6967/`"U.8$R#$&三角植被指数129, 56Q<&52\/Q/1519%6967/`"^$R$和四点线性内插法H%<2,)%961 961/2)%&519%6N/1J%7":I R$等七种不同的高光谱图像数据处理算法%本研究通过这七种算法分别提取相应的特征参数!并与叶绿素参考测量结果进行拟合建立叶绿素含量的回归模型%试验以叶绿素含量参考测量值与模型预测值之间的相关系数".!如式"#$$和均方根误差"F U.V!如式"!$$作为评价各种方法的有效指标%F U.V/,"0/""H0;X H0$#槡""#$./";,"0/""H0;X H0$#,"0/""H0;9H0$槡#"!$506,-!!M,)+1(39:+4<(44-1-8327-.310,7010:-3-12算法计算公式F$R F$R f (R F F/((G$R(G$R f (R F c F/( (R F k F/(F G$R槡F G$R f(G$R gG$R@8F R @8F R f@8F.?--.=?-!@8F/["M<=?-<.=?-<N$[0"M#<"$-'B M/".?--;.B B-$0"B-!N/.B B-;M P B B-U.8$R#U.8$R#/"##"(R F<"$;"#(R F<"$#;*"(R F c F/(槡./$^$R^$R f-'B."#-"(R F c W2//6$c#--"F/(;W2//6$/:I R:I R f=+B k>BF S D;.=+B .?>-;."$=+B!F S D/".==B<.?*=$0# !注-(R F&W2//6和F/7分别为近红外&绿光和红光波段%.?--为?--6N波段的反射率光谱数据!以此类推%#!数据处理和分析;&!!高光谱图像信息选择针对每个样本的高光谱图像!为了避开茶树叶片的主脉!在主叶脉的一侧选取一个B-""--像素的矩形作为感兴趣区域F/Q9%6%H R61/2/3196Q"F[R$!如图#"5$所示%然后再计算该F[R内的平均光谱!如图#";$所示%从图#";$可以看出在>B-6N以下和*B-6N以上光谱值超过检测器的范围存在能量溢出!并且呈现一定的噪音%另外!叶绿素的吸收光谱主要集中在>--)?--6N范围内%综上所述!本研究截取>B-)*B-6N范围内的平均光谱进行下一步分析%;&;!叶绿素含量参考测定结果叶绿素含量的测定与高光谱图像的同步采集%采用紫外分光光度计测量法.?!*/%表#列出了叶绿素含量均值&范围和标准偏差%!"B第#期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析'()&;!C7-.310,71+4(,-41+:39-9?7-127-.30,(:0)-+42+:-1-)(+8(83-07,08322,-0P-2506,-;!#-2.1(73(P-2303(23(.24+120:7,-:-02/1-:-83样本数范围0.N Q,""--Q$c"/均值0.N Q,""--Q$c"/标准偏差校正集=->+'-=-?)"#"'!*>B*B'?>?*"*'#+*-预测集!-=-'!"#=)"#"'">=>*#'>#=#"B'#>*>;&=!预测模型建立及比较在叶绿素含量预测模型建立前!首先通过F$R!:I R和U.8$R#等七种算法分别提取相应的特征参数!再与叶绿素参考测量结果进行拟合建立叶绿素含量的回归模型%拟合模型的方程及其校正和预测的结果如表!所示%综合比较模型预测集中相关系数".$与最小均方根误差2%%1N/563P<52//22%2"F U.V$%从表!可以看出!U.8$R#模型预测集中.值最高!F U.V值最低)同时!该模型校正和预测的结果较为接近!因此U.8$R#模型不仅预测精度高!且稳定性好%因此U.8$R#模型作为本试验的最佳模型被用来估计叶绿素含量%506,-=!I9,+1+79?,,.+83-83:+<-,+43-0,-0P-2方程类型拟合模型校正集..R E8预测集..R E8@8F R7"#9.'$/;-'!B"P#9.'<"#B'?-'*"#="-'?B-'?!-#"-'= :I R7"5!'$/*'B!P5!';=-?!-'???#""'="-'?>!-"-'!+ U.8$R#7"R E9&'#$/;B-'#P R E9&'#<=+'+?-'*>!!+'+"*-'*!#!*'=-" (G$R7"O6&'$/;!B-'+P O6&';-'>"B#-'*>=>+'*#*-'*!#"*'=-?F G$R7".6&'$/"='*+P.6&';B#'B#-'*>!B+'+"!-'?+>++'>"B F$R7".&'$/;#?-'+P.&'<#B-'>-'*>==+'*#--'*#+-*'=*-^$R7":&'$/;-'-?+#>P:&'<""*'!-'*>B++'*>#-'?+?#+'!=+;&H!叶绿素含量分布预测试验提取茶树叶片高光谱三维数枯块中任意像素下的光谱信息!将其代入U.8$R#模型估算出该像素的叶绿素含量值%计算出茶树叶片中每个像素下的叶绿素含量!不同叶绿素含量利用不同的色泽加以描述!以形成一张伪彩图片如图!所示%从图!!叶绿素较均匀的分布在叶脉两侧!叶脉中叶绿素含量低于叶肉中叶绿素含量%叶片首端叶绿素含量高于末端叶绿素含量%由于茶树叶片本身叶脉较为细密!且表面含有蜡质层!再加高光谱图像本身分辨率等问题!因此该伪彩图片仅能区分出其主叶脉分布情况%另外!叶片边缘蓝紫色部分并不仅仅是叶绿素含量的真实估计!其主要是由叶片边缘起伏造成光反射不均等原因所致%从总体上看!根据U.8$R#预测模型可以较为准确地估算出叶片表面叶绿素的分布情况%叶片上叶绿素含量的分布研究可以为进一步为分析植物的营养信息服务%'()&=!#(231(6/3(+8+439-.9,+1+79?,,+839-,-04!!结!论.?!*/!!利用实验室自主研制的高光谱图像采集系统获取茶树叶>"B光谱学与光谱分析!!!!!!!!!!!!!!!!!!!第!"卷片样本的高光谱图像信息!选择指定区域并提取指定区域内的平均光谱信息%通过F $R &:I R 和U .8$R #等?种算法分别提取相应的特征参数!进而同样本所对应的叶绿素浓度建立拟合模型并比较结果%建模结果表明!U .8$R #预测模型结果最好%利用U .8$R #预测模型计算出茶树叶片每一像素点下的叶绿素浓度并画出叶绿素含量分布图%为进一步利用图像处理判断植物的营养素信息提供参考依据%@-4-1-8.-2."/!U 56/153_!W 25N N 519T %)%<&%3W !D 4)52933938A C %<265&%H I &561I J 439%&%Q 4!"++*!"B !-!A .#/!E d Vb 9,J %6Q !_8(Wb 96,O J 56Q "薛利红!杨林章$A ^25635019%63%H 1J /@J 96/3/.%09/14%H8Q 290<&1<25&V 6Q 96//296Q "农业工程学报$!#--*!#>"+$-"=B A .!/!@X V (e <56,3J /6Q !W d [M J 9,N 96Q !M X 8[C 9/,K /6!/15&"陈全胜!郭志明!赵杰文!等$A C A R 6H 252/7U 9&&9N A a 5\/3"红外与毫米波学报$!#--+!#*"B $-!B ?A .>/!W/2291I %&7/2!W /29/a 8U !$56G /2X /9L 7/6!/15&A C A (/52R 6H 252/7.)/012%30%)4!#--!!"""!$-"+!A .B /!@X V (e <56,3J /6Q !M X 8[C 9/,K /6!@8R C 956,2%6Q !/15&"陈全胜!赵杰文!蔡健荣!等$A 8015[)1905.96905"光学学报$!#--*!#*">$-==+A.=/!Ed a /9!a 8(WG %6Q ,H /6Q A "徐!玮!汪东风$A :%%7@J /N 93124"食品化学$A Y /9L 96Q -@J /N 905&R 67<3124I 2/33"北京-化学工业出版社$!#--*A >B A.?/!Y 2%Q /5(X !b /;&560;V A F /N %1/./6396Q %H V 6\92%6N /61!#---!?=-"B =A .*/!U%3/38O %6Q @J %!8672/KD.T 97N %2/A F /N %1/./6396Q %H V 6\92%6N /61!#--=!"-"-"*"A *-02/1-:-83+4I 9,+1+79?,,I +83-8308<#(231(6/3(+8(85-0K ,08322W -04\2(8)J ?7-127-.310,%:0)(8)5-.98(^/-M X 8[C 9/,K /6"!a 8(WD 59,&956Q "![d _8(We 96"!@X V (e <56,3J /6Q#""A .0J %%&%H :%%7567Y 9%&%Q 905&V 6Q 96//296Q !C 956Q 3<d 69\/23914!M J /6L 956Q!#"#-"!!@J 965#A @J 96/3/8057/N 4%H8Q 290<&1<25&.09/60/3!R 63191<1/%H8Q 290<&1<25&F /0%<23/3567F /Q 9%65&I &56696Q !D /4b 5;%251%24%H I &561(<12919%6567:/219&9O 519%6!U 9693124%H8Q 290<&1<2/!Y /9L 96Q !"---*"!@J 965M 62310.3!@J &%2%)J 4&&0%61/61567793129;<19%696)&56123&/5\/393569N )%21561967/`96/319N 519%6%H )&5616<12919%696H %2N 5,19%6A R 61J /)2/3/61K %2T !0J &%2%)J 4&&0%61/61567793129;<19%6961/5)&56123&/5\/3K /2/N /53<2/7;4J 4)/23)/0125&9N 5Q 96Q 1/0J 69P</A :9231!J 4)/23)/0125&9N 5Q /7515K /2/05)1<2/7H 2%N1/5)&56123&/5\/3)1J /63/\/6T 9673%H 5&Q %291J N 3K /2/<3/71%/`125011J /0J 52501/293190)525N /1/23H 2%NJ 4)/23)/0125&9N 5Q /)H 965&&4!3/\/6H 911/7N %7/&3K /2/7/\/&%)/7<396Q 1J /0J 52501/293,1903\/01%235671J /2/H /2/60/N /53<2/N /613%H 0J &%2%)J 4&&0%61/6132/3)/019\/&4A V `)/29N /615&2/3<&133J %K /71J 511J /U .8$R #N %7/&933<)/29%21%%1J /2N %7/&3!5671J /2/3<&13%H 1J /U .8$R #N %7/&K 5350J 9/\/753H %&&%K 3-.f -'*>!!567F U .V f +'+"*961J /05&9;2519%63/1).f -'*!#!567F U .V f *'=-"961J /)2/79019%63/1A :965&&4!1J /0J &%2%)J 4&&0%61/61%H /50J )9`/&969N 5Q /K 53/319N 51/7;41J /H 911/7N %7/&!5671J /793129;<19%6%H 0J &%2%)J 4&&0%61/61961J /1/5)&56123&/5HK 537/3029;/7;4)3/<7%,0%&%2N 5)A ^J 9331<743<H H 909/61&47/N %631251/71J 511J /0J &%2%)J 4&&0%61/61567793129;<19%6961/5&/5H 056;/N /53<2/7;4J 4)/23)/0125&9N 5Q 96Q 1/0J 69P </A R -?B +1<2!X 4)/23)/0125&9N 5Q /)^/5&/5\/3)@J &%2%)J 4&&)U %79H 9/73/0%673%9&,57L <31/7\/Q /1519%6967/`"U .8$R #$"F /0/9\/7U 54"=!#-"-)500/)1/78<QA ##!#-"-$!!"@%22/3)%6796Q 5<1J %2B"B 第#期!!!!!!!!!!!!!!!!!!!!光谱学与光谱分析。

亚热带典型常绿阔叶树种叶片叶绿素含量与其高光谱特征间的关系

亚热带典型常绿阔叶树种叶片叶绿素含量与其高光谱特征间的关系

亚热带典型常绿阔叶树种叶片叶绿素含量与其高光谱特征间的关系宋晓东;江洪;余树全;周国模;常杰;江子山;江波【摘要】叶绿素在植物的生理生态过程中非常重要.利用高光谱数据,揭示光谱反射率上特征光谱与叶绿素含量间的关系将有助于理解叶绿素光谱反射特征的规律.选取了6种亚热带常绿阔叶树种,抽取一定数量的叶片样品,分别测量了叶片的光谱反射率及其叶绿素含量,并建立了光谱反射率曲线上的红边位置附近的光谱反射率和叶绿素总量间的回归模型.结果显示:对所研究的树种而言,红边位置处一窄波长范围内的平均光谱反射率与叶绿素总量间的相关性普遍较高,回归效果显著.从高光谱遥感的角度结合植物的生理生态特点分析了其机理.建立的有关红边位置处的光谱反射率与叶绿素总量间的回归模型普遍具有较高的拟合度,其应用前景较好.【期刊名称】《生态学报》【年(卷),期】2008(028)005【总页数】5页(P1959-1963)【关键词】叶绿素;高光谱;红边【作者】宋晓东;江洪;余树全;周国模;常杰;江子山;江波【作者单位】南京大学国际地球系统科学研究所,南京,210093;南京大学国际地球系统科学研究所,南京,210093;浙江林学院国际空间生态与生态系统生态研究中心,杭州,3113003;浙江大学生命科学学院,杭州,310058;浙江林学院国际空间生态与生态系统生态研究中心,杭州,311300;浙江林学院国际空间生态与生态系统生态研究中心,杭州,311300;浙江大学生命科学学院,杭州,310058;南京大学国际地球系统科学研究所,南京,210093;浙江省林业科学研究院,杭州,310050【正文语种】中文【中图分类】Q945;Q948叶绿素a、b作为植物光合作用过程中最重要的色素,与植被的光能利用及转化效率密切相关[1]。

同时,其含量的高低具有多重指示意义:一方面,由于与叶片氮含量间存在较好的相关,可表征植物的营养状况;另一方面,还可作为植物受胁迫及外界环境因子干扰状态下的指示器[1]。

快速测定植物叶片叶绿素含量方法的探讨

快速测定植物叶片叶绿素含量方法的探讨

第19卷,第4期光 谱 实 验 室V o l .19,N o .42002年7月Ch inese J ou rnal of S p ectroscop y L aboratoryJuly ,2002快速测定植物叶片叶绿素含量方法的探讨①联系人,电话:(0576)5157136作者简介:杨敏文(1965—),女,浙江省台州市人,高级讲师,华东师范大学2001年在职教育硕士,从事化学教学与研究。

收稿日期:2002201201杨敏文①(台州职业技术学院医学院 浙江省台州市高等教育园区 318000)摘 要 本文应用分光光度法研究了3种提取溶剂对测定植物叶片叶绿素含量的影响,结果表明,用不同提取溶剂提取叶绿素,提取液吸收光谱相似。

其中丙酮2乙醇提取法速度快,叶绿素得率高、稳定性好,精密度高,并提出了一种快速测定叶绿素含量的方法。

关键词 叶绿素含量,测定,方法,叶片。

中图分类号:O 657.32 文献标识码:A 文章编号:100428138(2002)04204782041 前言植物叶片叶绿素含量与光合速率、营养状况等密切相关,实践上通常测定叶绿素含量以表征植物生长状况,也往往把叶色变化作为看苗诊断和肥水管理的重要指标。

叶绿素含量测定方法主要有分光光度法和活体叶绿素仪法两大类[1],最近又发展了光声光谱法[2]。

其中,应用最为广泛的是分光光度法。

用得较多的是由M ack inney [3]提出经A rnon [4]解释和推导的A rnon 法以及80年代初提出的乙醇提取法[5],本试验提出另一种提取溶剂——丙酮2乙醇混合法提取叶绿素,以常规的A rnon 法(提取溶剂为80%丙酮)和乙醇提取法作对比,就3种提取液对测定植物叶片叶绿素含量的影响进行了研究比较,并提出了一种快速测定叶绿素含量的方法。

2 实验部分2.1 仪器与试剂UV 2401PC 型紫外可见分光光度计(日本岛津,狭缝宽度012nm ,吸光池厚1c m ),FSH 2 高速电动匀浆器(金坛望华科教仪器厂),FA 1004A 型电子天平(上海精天电子仪器厂)。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

看 出在450nm 以下和850nm 以上光谱值超过检测器的范围 存在能量溢出,并且 呈 现 一 定 的 噪 音。另 外,叶 绿 素 的 吸 收 光谱主要集中在400~700nm 范 围 内。综 上 所 述,本 研 究 截 取450~850nm 范围内的平均光谱进行下一步分析。 2.2 叶 绿 素 含 量 参 考 测 定 结 果
index(RDVI)、叶 绿 素 吸 收 比 指 数 chlorophyll absorption ra-
tio index(CARI)、二 次 土 壤 调 节 植 被 指 数 Modified second
soil-adjusted vegetation index(MSAVI2)、三 角 植 被 指 数 tri-
校正集 预测集
样本数 60 30
Table 2 Descriptive statistics for sample measurement
范 围/[mg· (100g)-1] 49.060 7~121.384 5
均 值/[mg· (100g)-1] 85.747 8
60.312 6~121.146 4
MSAVI2
MSAVI2 =
1 2
[2(NIR+1)-
槡(2NIR+1)2 -8(NIR-Red)]
TVI
TVI= 0.5[120(NIR- Green)-200(Red- Green)]
FPI
( ) FPI=695+45
Rre-R695 R740-R695
Rre = (R665+R78技 术 ;茶 树 叶 片 ;叶 绿 素 ;二 次 土 壤 调 节 植 被 指 数 中 图 分 类 号 :TP391.4 文 献 标 识 码 :A DOI:10.3964/j.issn.1000-0593(2011)02-0512-04
引 言
述叶片上叶绿素的分布状况,以便于从图 像 角 度 更 直 观 分 析 茶 树 营 养 状 况[3]。
error(RMSE)。从表3可以看 出,MSAVI2 模 型 预 测 集 中 R 值最高,RMSE 值最低;同 时,该 模 型 校 正 和 预 测 的 结 果 较 为接近,因此 MSAVI2模 型 不 仅 预 测 精 度 高,且 稳 定 性 好。 因此 MSAVI2模型作 为 本 试 验 的 最 佳 模 型 被 用 来 估 计 叶 绿 素含量。
CARI
Table 1 Algorithm of different spectral parameters 计算公式
RVI=
NIR Red
NDVI=
NIR- Red NIR+ Red
RDVI= 槡NDVI×DVI
CARI= CARRR760700 CAR =|(a+670+R670+b)|/(a2 +1)0.5 a = (R700-R550)/150,b= R550-a×550
叶绿素含量的测定与高光谱图像的 同 步 采 集。采 用 紫 外 分 光 光 度 计 测 量 法[7,8]。表 2 列 出 了 叶 绿 素 含 量 均 值 、范 围 和标准偏差。
514
光谱学与光谱分析 第31卷
Fig.2 Spectral profile from the hyperspectal image of some region in tea plant’s leaves
第3 1卷 ,第2期 光 谱 学 与 光 谱 分 析 2 0 1 1 年 2 月 Spectroscopy and Spectral Analysis
Vol.31,No.2,pp512-515 February,2011
高光谱技术分析茶树叶片中叶绿素含量及分布
Fig.1 Hyperspectral image system based on spectrometer
1.3 高 光 谱 图 像 标 定 由于光源的强度分布不均匀及暗电 流 噪 音 的 存 在,造 成
在光源强度分布较弱的波段下获得的图像含有较大的噪音。 因此 ,需 要 对 所 获 得 的 高 光 谱 图 像 进 行 黑 白 标 定 。在 [3,5,6] 与 样品采集相同的系统条件下,扫描标准白 色 校 正 板 得 到 全 白 的标定图像 W ,关闭相机快门进行图像采集得到全黑的标定 图像 B,完成高 光 谱 图 像 的 标 定,使 采 集 得 到 的 绝 对 图 像 I 变成相对图像R
赵 杰 文1,王 开 亮1,欧 阳 琴1,陈 全 胜2*
1.江苏大学食品与生物工程学院,江苏 镇江 212013 2.中 国 农 业 科 学 院 农 业 资 源 与 农 业 区 划 所 ,农 业 部 作 物 营 养 与 施 肥 重 点 开 放 实 验 室 ,北 京 100081
注:NIR、Green和 Red分别为近红外、绿光和红光波段。R700为700nm 波段的反射率光谱数据,以此类推。
2 数 据 处 理 和 分 析
2.1 高 光 谱 图 像 信 息 选 择 针对每个 样 本 的 高 光 谱 图 像 ,为 了 避 开 茶 树 叶 片 的 主
脉,在主叶脉的一侧选取一个50*100 像 素 的 矩 形 作 为 感 兴 趣区域 Region of Interesting(ROI),如 图 2(a)所 示。然 后 再 计算该 ROI内的平均 光 谱,如 图 2(b)所 示。从 图 2(b)可 以
高光谱成像技术集光谱分析和图像 处 理 于 一 身,现 已 在 军事、医药和精细农业领域得 到 了 广 泛 的 应 用。由 于 高 光 谱 成像技术是光谱分析技术和图像处理技术在技术层面上的融 合技术,基于这两种技术的优 势,高 光 谱 成 像 技 术 不 仅 能 研 究对象的内部成分含量,还可 对 其 分 布 进 行 可 视 化 分 析。本 研究以茶树为研究对象,采集 茶 树 叶 片 高 光 谱 图 像 数 据,提 取相应的光谱特征变量,并与常规方法检 测 得 到 的 叶 绿 素 含 量相关联,建立茶树叶片叶绿 素 含 量 预 测 模 型;最 后 通 过 模 型估计出叶片上任意像素下的叶绿素含 量,通 过 伪 彩 手 段 描
angular vegetation index(TVI)和 四 点 线 性 内 插 法 four-point
interpolation method(FPI)等 七 种 不 同 的 高 光 谱 图 像 数 据 处
理算法。本研究通过 这 七 种 算 法 分 别 提 取 相 应 的 特 征 参 数,
并与叶绿素参考测量结果进行拟合建立叶绿素含量的回归模
1.4 数 据 计 算
Rλ

Iλ -Bλ Wλ -Bλ
(1)
表1列出波段比植被指数ratio vegetation index (RVI)、
归一化植 被 指 数 normalized difference vegetation index(ND-
VI)、重 规 一 化 植 被 指 数 renormalized difference vegetation
摘 要 植物叶片叶绿素含量及分布是植物营 养 信 息 表 达 的 一 个 重 要 指 标 。以 茶 树 为 研 究 对 象,利 用 高 光 谱技术分析茶树叶片中叶绿素含量及其分布。通 过 采 集 茶 树 鲜 叶 的 高 光 谱 图 像,利 用 7 种 不 同 的 算 法 从 高 光谱数据中提取相应的特征参数,并根据特征参数和叶绿素含量的参考测量值分别拟合出相 应 的 预 测 模 型 。 结果显示,二次土壤调节植被指数算法提取的特征参 数 最 佳,预 测 模 型 校 正 集 和 预 测 集 的 相 关 系 数 R 分 别 为 0.843 3 和 0.832 3,最 小 均 方 根 误 差 分 别 为 9.918 和 8.601。最 后 根 据 预 测 模 型 估 计 叶 片 上 任 意 像 素 下 叶 绿 素 的 含 量 ,并 通 过 伪 彩 手 段 描 述 叶 片 中 叶 绿 素 含 量 的 分 布 。研 究 结 果 表 明 ,利 用 高 光 谱 成 像 技 术 分 析 茶 树 叶片中叶绿素含量及其分布是可行的。
* 通 讯 联 系 人 e-mail:chenjiang0518@yahoo.com.cn
第2期 光谱学与光谱分析
513
高光谱摄像头的图像分 辨 率 为 400×1 280,光 谱 范 围 是 408 ~1 117nm,采 样 间 隔 为 0.67nm。
高光谱图像数据是基于光谱仪的高光谱图像系统采集得 到的。基于图像光谱仪的高光谱图像采集 系 统 由 基 于 图 像 光 谱 仪的高光谱摄像机(ImSpector,V10E,芬兰),一套150 W 光纤 卤 素 灯 (Fiber-Lite DC950Illuminator,DolanJenner In- dustries Inc,MA,美 国 ),一 套 包 括 控 制 装 置 的 移 动 平 台 (Zolix,SC30021A,北 京 )和 计 算 机 等 部 件 组 成,如 图 1 所 示。 试验数据采集过程中,将茶树叶片平 铺 在 白 色 底 板 的 输 送台上进行高光谱图像采集。设定高光谱 系 统 摄 相 机 曝 光 时 间为50ms,输送装置的速度为1.25mm·s-1。试验 采 用 的
型。试验以叶绿素含量参考测量值与模型 预 测 值 之 间 的 相 关
系 数(R,如式(2))和均方根误差(RMSE,如式(3))作为评价
各种方法的有效指标。

∑(yi -^yi)2
槡 RMSE =
i=1

(2)

R=
∑(yi -^yi)2
1-
i=1 n
槡 ∑(yi -y珔i)2 i=1
(3)
算法 RVI NDVI RDVI
1 材 料 与 方 法
1.1 试 验 材 料 试验所用的样本茶树叶片,分别从 镇 江 市 京 口 区 3 个 不
同茶园中的 不 同 茶 树 上 随 机 采 集 得 到 的 ,剔 除 了 病 虫 害 叶 片,一共采集了90个叶片样 本。其 中 60 个 样 本 校 正 集 用 于 模 型 校 正 ,另 外 一 组 为 30 个 样 本 用 于 模 型 的 验 证 。 1.2 数 据 采 集
相关文档
最新文档