油菜叶片气孔导度与冠层光谱植被指数的相关性
叶面积指数与气孔导度的关系
叶面积指数与气孔导度的关系叶面积指数（Leaf Area Index，简称LAI）和气孔导度是影响植物生长和生态系统功能的两个重要因素。
叶面积指数是指单位地面积上植物叶片的总面积，是衡量植物群落结构的重要指标。
而气孔导度则是指植物叶片上气孔的开放程度，是植物进行光合作用和水分蒸腾的关键过程。
叶面积指数与气孔导度之间存在着紧密的关系。
一方面，叶面积指数的增加会导致植物叶片总面积的增加，从而提供更多的光合作用表面积。
这意味着植物可以吸收更多的光能进行光合作用，进而促进生长和生产。
与此同时，叶面积指数的增加还会导致植物整体的蒸腾量增加，从而增加土壤水分的蒸发速率。
这种蒸腾作用可以帮助植物降温，并维持植物体内的水分平衡。
另一方面，气孔导度的大小会直接影响植物的水分蒸腾速率。
较高的气孔导度意味着植物叶片上的气孔开放较大，水分蒸腾速率较快。
这样一来，植物可以通过气孔释放大量的水蒸气，以维持体内的水分平衡。
而较低的气孔导度则会减缓水分蒸腾速率，有助于减少水分的蒸发和损失。
通过调节叶面积指数和气孔导度，植物可以在不同的环境条件下实现生长的适应性。
在干旱环境中，植物可以通过减小气孔导度来降低水分蒸腾速率，从而减少水分的损失。
而在湿润环境中，植物可以通过增加叶面积指数来提高光能的吸收和利用效率，从而促进生长和生产。
叶面积指数与气孔导度之间存在着密切的关系。
通过调节叶面积指数和气孔导度，植物可以适应不同的环境条件，实现生长和生态系统功能的优化。
进一步的研究可以探索叶面积指数和气孔导度之间的相互影响机制，以及它们对植物生长和生态系统功能的综合影响，为植物生态学和生态系统管理提供理论依据。
不同含油量油菜叶片不同生育期的光谱特性研究
不同含油量油菜叶片不同生育期的光谱特性研究作者：熊思刘雨丝张振乾陈浩方希林邬贤梦来源：《湖南农业科学》2016年第09期摘要：高光谱技术广泛应用于无损检测、品质预测及生长情况监控等方面。
为找出不同含油量油菜叶片光谱特性及其差异规律，以含油量不同的甘蓝型油菜近等基因系为材料，采用FieldSpec3地物波谱仪对不同生育期油菜叶片光谱进行研究。
结果表明：含油量高低会影响叶片叶绿素含量，含油量较高的油菜叶片叶绿素含量较高。
各生育期的三种油菜叶片具有相同的反射光谱曲线变化趋势。
不同生育期不同材料间反射率数值也有一定差异，该研究结果可用于早期筛选高油油菜。
关键词：甘蓝型油菜；地物波谱仪，光谱；叶绿素中图分类号：S565.4 文献标识码：A 文章编号：1006-060X（2016）09-0021-03Study on Spectral Characteristics of Different Growth Stages ofDifferent Oil Content Rape LeavesXIONG Si，LIU Yu-si，ZHANG Zhen-qian，CHENG Hao，FANG Xi-lin，WU Xian-meng（College of Agriculture， Hunan Agricultural University， Southem Regional Collaborative Innovation Center for Grain and Oil Crops in China， Changsha 410128， PRC）Abstract：Hyperspectral technology was widely used in non-destructive testing， quality forecasting and growth monitoring， etc. In order to find the law of difference in different spectral characteristics of rape oil content leaf， this study used different oil content rape （Brassica napus）near-isogenic lines as materials to find out the law on the leaves spectral characteristics of different development stages by FieldSpec3 spectrometer. The results showed as follows： the level of chlorophyll content was effected by oil content， and high oil content of rapeseed leaf with a higher chlorophyll content. There were three kinds of rape leaves had show the same reflectance spectroscopy trends， while there have some differences between them on different development stages. This study could be used for screening high oil content rape on early stage.Key words： Brassica napus； feature spectrometers； spectra； chlorophyll近年来，高光谱技术在农作物信息获取的应用日益广泛[1]，如无损检测[2-4]、生长状况监控[5-6]、品质分析[7]等。
用气孔保卫细胞周长鉴定甘蓝型油菜植株倍性水平
维普资讯
上
海
农
业
学
报
１ ８卷
近 似 认 为 Ｌ２ 图 １ ， 此 可 建 立 一 个 椭 圆模 型来 研究 叶 片 气 孔 及 两 个 保 卫 细 胞 组 成 整 体 的外 ／（ ）因 围周 长 值 （ ） Ｌ 。利 用椭 圆 的 周 长 近 似 公 式 Ｌ＝１５ ．７×［ ． １ ５×（ ＋Ｂ）一￣Ａ＋Ｂ］ 算 Ｌ值 。 Ａ ／ 计 这 样 处 理 ， 以不 通 过 荫 蔽 （ 株 遮 荫 ） 理 ， 接 观 测 其 纵 横 径 （ Ａ）从 而 减 少 荫 蔽 处 理 对 可 植 处 直 Ｂ， ， 植 株 生 长 的影 响 。 当 气 孔 发 生 一 定 程度 的 收 缩 变 化 时 ， 外 围 周 长 是 一 定 的 ， 会 随 之 改 变 ， 其 不 而 其 横 径 Ａ会 随 之 变 化 （ ２ 。采 用 荫 蔽 处 理 ， 气 孔 在 收缩 程 度 上 会 存 在 一 定 差 异 ， 而 影 图 ） 各 从
响横径测量值 的准确性 。因此 ， 采用测量外 围周长值 （ ） Ｌ 较测量横径 （ 能更好 地代表 气孔保 Ａ）
卫 细 胞 的大 小 。
注 ： 母 Ｂ、 分 别 代 表 整 个 气 孔 保 卫 细胞 纵 （ ） （ ） ， 同 ； 黑 圈表 示 外 围 圆 周 。 字 Ａ 短 横 长 径 下 粗
维普资讯
上 海农业 学 报
２ ０ ，８ ３ ：５ ３ ０ ２ １ （ ）３ ～ ８
Ａ ｃ ａ Ａｇｒ ｃ ｔ ａｅ Ｓｈａｎ ｔ ｉ ｕｌｕｒ ｇｈａｉ
文 章 编 号 ：０ ０３ ２ （ ０ ２ ０ —５０ １０ ．９ ４ ２ ０ ） ３３ —４
用 气 子 保 卫 细 胞 周 长 鉴 定 甘 蓝 型 油 菜 植 株 倍 性 水 平 Ｌ
3个引种彩叶树种的光响应曲线特性
3个引种彩叶树种的光响应曲线特性**基金项目:福建省林业科技项目资助(闽林科［2017］函3号)；福建省林业厅花卉苗木品种引进与研发创新项目。
作者简介:张迎辉(1979-)，女,山东潍坊人，园林工程师.主要从事园林植物应用研究，(E-mail)41769241@ qq. com o张迎辉(福州植物园，福建福州350012)摘 要:以引种的彩叶树种北美枫香、娜塔栋、彩岑械为研究对象，测定分析3个彩叶树种光合作用相关参数的光响应，绘 制相应的光响应曲线，并对曲线特性进行了分析。
在低光强条件下，各树种净光合速率P"差异较小,随光强增大各树种表 现出较大差异。
3个彩叶树种的气孔导度G$和蒸腾速率Tr 的光响应变化规律基本一致;低光强范围内迅速上升,随着光强增大呈缓慢上升或下降趋势。
3个树种的胞间CO 2浓度Ci 总体先急速下降后趋于平稳，水分利用效率WUE 随光合有效 辐射P4A 的增加呈先上升后下降趋势。
3个树种的光补偿点厶CP 范围为10.233〜16. 631 jimol ・nT?・s",光饱和点厶SP 范围为791.339〜1 099.601 jimol ・m'2・s",均属于阳性植物;娜塔栋的LSP 、厶CP 及最大净光合速率均相对较高,利用强 光的能力更强;北美枫香的LCP 、LSP 及最大净光合速率均相对较低，对弱光的利用能力更强。
关键词:彩叶树种;引种;光合特性;光响应曲线中图分类号:S792.99文献标识码:A文章编号：1004-2180(2019)01 -0001 -04北美枫香(Liquidambar styraciflua )、娜塔栋(Quercus nuttallii )、彩岑械(Cerserrulatum 6 Bicolor J )是近年来引进的树种，具有适应性强、生长迅速、叶型独特、叶色美观等优良特点，多用于城市园林绿化。
北美枫香属金缕梅科(Hamamelidaceae)枫香属(Liquidambar)高大乔木,原产北美,秋季树叶变色期色彩明亮、树 冠整洁⑴，我国多家单位已进行规模标准化引种繁育及种植。
油菜光谱的函数特征分析及叶绿素诊断建模
第36卷第3期湖南理工学院学报(自然科学版)V ol. 36 No. 3 2023年9月 Journal of Hunan Institute of Science and Technology (Natural Sciences) Sep. 2023油菜光谱的函数特征分析及叶绿素诊断建模许健(湖南农业大学信息与智能科学技术学院, 湖南长沙 410128)摘要:作物冠层光谱的特征及其变化是各种作物信息提取的基础, 是作物信息学的核心研究内容之一. 函数型数据分析将观测到的一条光谱看作一个整体, 从函数的角度描述光谱曲线变化特征. 为探索油菜冠层光谱与叶绿素含量的关系, 以24个移栽种植小区和24个直播种植小区的高油酸油菜在苗期、抽薹期和荚果期三个不同生长期的样本为研究对象, 利用函数型主成分分析方法分析不同生长期的油菜冠层光谱的典型变化特征, 发现不同样本在光谱的可见光、近红外、中红外区间都显示出明显差异. 但是, 利用最大信息系数方法做进一步分析发现, 原始的光吸收信息与叶绿素含量之间的关系微弱, 而不同光谱区间吸光度的比值却显示出与叶绿素含量之间有较强的非线性关系. 鉴于这种复杂的非线性关系, 最终利用增强回归树, 基于不同光谱区间吸光度的比值, 建立油菜叶片叶绿素含量的预测模型, 交互验证的均方根误差为5.5%, 接近试验测量误差水平.关键词:油菜; 光谱; 最大信息系数; 增强回归树; 函数型数据分析中图分类号: O213.9 文献标识码: A 文章编号: 1672-5298(2023)03-0016-06Functional Feature Analysis of Rape Spectrum andChlorophyll Diagnostic ModelingXU Jian(College of Information and Intelligence, Hunan Agriculture University, Changsha 410128, China) Abstract: The characteristics and changes of crop canopy spectrum are the basis of crop information extraction and one of the core research contents of crop informatics. Functional data analysis regards the observed spectrum as a whole, and describes the characteristics of spectral curve from the perspective of function. In order to explore the relationship between canopy spectrum and chlorophyll content of rape, we took the samples of high oleic acid rape from 24 transplant planting plots and 24 direct seeding planting plots at three different growth stages: seedling stage, bolting stage and pod stage. First of all, the functional principal component method was used to analyze the typical characteristics of rape canopy spectrum in different growth periods. It was found that there are significant differences among different samples in the visible, near infrared and mid infrared regions of the spectrum. However, further analysis using the maximum information coefficient method found that the relationship between the original light absorption information and the chlorophyll content is weak, while the absorbance ratio in different spectral intervals shows a strong nonlinear relationship with the chlorophyll content. In view of this complex nonlinear relationship, finally, based on the absorbance ratio of different spectral intervals, a BRT model was established for the prediction of the chlorophyll content of rape leaves. The root mean square error of cross validation is 5.5%, which is close to the error level of test measurement.Key words: rape; spectrum; maximum information coefficient; boosted regression trees; functional data analysis0 引言自20世纪90年代起, 精确农业从概念走向实践并开始商业化运营, 作物生长状况实时监测是精确农业众多技术环节中的重要一环. 作物信息科学的重点内容是如何利用作物的信息对其进行无损营养诊断, 光谱分析便是一个有效可行的途径. 对于油菜而言, 冠层光谱特征是描述其营养状况的重要指标. 随着观测技术的进步, 光谱分辨率不断提高, 高光谱技术开始广泛用于作物营养状况实时监测. 高光谱技术中的光谱分辨率大大提高, 光谱波段之间存在很强的自相关现象[1,2]. 此时, 光谱适宜于看成是一条连续的曲线, 而曲线的形状变化特征则蕴含了作物信息. 实际上, 许多植被指数都可以看成是对某个特殊的光谱特征的描述, 比如, 比值植被指数、归一化植被指数、土壤调节植被指数等都重点利用了光谱中的红边特征信息.收稿日期: 2022-07-19基金项目: 湖南省教育厅科学研究项目(19C0939)作者简介: 许健, 男, 博士, 讲师. 主要研究方向: 函数型数据分析第3期 许 健: 油菜光谱的函数特征分析及叶绿素诊断建模 17 基于叶片或冠层反射光谱的分析技术是最近几十年来广为流行的植物营养状况无损监测手段之一. 绿色植物组织的各种色素以及细胞结构特点导致了其反射光谱中会呈现一些独特的形状特征, 比如红边特征[3,4]. 大量研究证实了红边特征与植物的众多生理物理性质有着密切关系, 比如叶面积指数、生物量、叶绿素密度等[5,6]. 从最初的比值型植被指数以及归一化植被指数开始, 各种改进的光谱植被指数不断被构造出来以提取反射光谱中的信息, 进而用于植物的生物物理性质研究[7~9]. 早期的地球资源卫星上搭载的是分辨率较低的多光谱传感器, 随着传感器技术的进步, 高光谱技术的应用逐渐普及, 研究者已经意识到低分辨率的多光谱技术不足以准确探测植被的生物化学性质, 波段宽度在10nm 以下的高光谱则有着广阔的应用前景[9]. 但是, 基于多光谱时代的植被指数构建方式, 使用高光谱数据建模的效果不一定比使用多光谱数据的效果好[5]. 高光谱所携带的信息量显然要比多光谱大得多, 出现这一困境说明高光谱分析方法还需要进一步开发.针对高光谱数据, 有许多研究工作延续了多光谱数据的思路, 如首先挑选出少数几个最优波长, 再对经典的基于多光谱的植被指数进行优化或另外构建新的指数[10~13]. 多光谱分析技术习惯于将各个波段当作相互独立的变量来对待, 这样的假设在处理多光谱数据时是合适的, 比如红光波段和近红外波段看起来很像是两个“相互独立”的信息源, 叶绿素在红光波段和近红外波段的光吸收情况也确实存在显著的差异, 但是类似的看法在处理高光谱数据时是不恰当的. 高分辨率情况下, 相邻的波长变量之间的“实体意义”很难区分清楚, 光谱波长之间存在很强的自相关现象, 哪个波长最优本身是有一定模糊性的. 此时, 光谱更应当看成是一条连续的曲线, 而曲线的形状变化特征则反映了作物的信息[14]. 目前, 已经有一些研究工作探讨了从连续曲线的视角来研究光谱数据[15,16].函数型数据分析(Functional Data Analysis)方法于20世纪80年代开始在统计学领域提出. 以光谱数据为例, 该方法最大的特点是将整条光谱曲线看作一个整体, 从函数角度研究光谱曲线的变化特征. 通过各个波长的“离散”观测值恢复出背后的函数, 即连续光谱曲线, 进而从整体上研究曲线的典型变化特征, 不再仅仅从最优的几个波长提取光谱信息. 从函数的角度研究光谱特征拓宽了光谱信息提取的思路, 如果选择最优波段构建光谱指数可以看成是一种“离散”的思路, 那么基于函数的方法则代表一种“连续”的思路, 避免了因高度相关导致的最优波段挑选的模糊性, 以及由此造成的信息丢失.1 理论与方法1.1 函数型数据分析用{(,),1,2,},j j t y j n = 表示一条光谱观测记录, 其中j t 表示波长, j y 为相应波段位置上的光谱观测值, n 是光谱中所使用的波长个数. 假设所观测到的离散光谱观测值实际上来自一条连续的光谱曲线, 用函数()x t 表示, 则观测值与真实光谱函数的关系为().j j j y x t ε=+ (1)即在j t 位置上观测到的光谱值j y 实际上是由真实的光谱值()j x t 加上一个观测误差j ε而得到. 函数型数据分析方法首先要根据观测到的光谱估计出真实的光谱曲线函数()x t . 一般的, 一条光谱观测值就可以估计出一个函数, 为了提高估计精度, 也可以同时使用实验中在某个观测点上的若干重复光谱观测值来估计同一个函数. 误差项j ε的方差在所有波长j t 上相同或不同, 要根据实际情况决定, 具体的估计方法参考文[17].函数型主成分分析(Functional PCA)[18,19]是探索函数曲线典型变化特征的一个非常有用的方法. 在函数型PCA 中, 一个数据样本即为一个函数, 计算出的主成分也是函数, 画出来是一条曲线, 表示的是在一组函数(即若干条曲线)中出现最多的曲线变化特征, 因此函数型PCA 可以用来识别光谱或导数光谱中的典型变化特征.18 湖南理工学院学报(自然科学版) 第36卷1.2 增强回归树增强回归树(Boosted Regression Trees, BRT)是Schapire[20]于2002年提出的一种机器学习方法, 它融合了两类算法——分类回归树与boosting, 通过boosting 整合大量的分类回归树模型来改进单独一棵树的性能.与bagging方法所使用的直接对大量普通模型取平均不同, boosting是逐步序列式进行的, 在建立下一棵树时会以更高的权重考虑在之前已经建立的树上表现不够好的那些样本, 强调在这部分样本上改进预测性能, 通过这种方式, boosting不仅能够减小预测方差, 还能减小预测偏差. 有关细节参见文[21,22].1.3 最大信息系数最大信息系数(Maximal Information Coefficient, MIC)是由D. Reshef 等提出的一种用于测量两个随机变量之间相依关系的方法, Speed将其称为21世纪的相关系数[23]. MIC方法具备两个非常吸引人的特点: 广义性(generality)和等价性(equitability). 广义性指的是它能够度量变量之间可能存在的各种关系, 而不仅仅局限于线性或者某几个明确的函数关系. 而等价性指的是MIC的取值大小只与变量之间的关系强度有关, 不依赖于具体的关系类型, 只要关系强度类似, MIC取值大小就会差不多. MIC的取值范围在0到1之间, 取值越靠近于1说明两个变量之间的关系越密切, 若MIC0, 则说明两个变量相互独立.2 试验与数据以湖南农业大学浏阳试验基地的48个小区的中熟高油酸油菜为研究对象, 48个小区中24个为移栽种植方式, 另24个为直播种植方式. 选择晴朗、无风无云的三个日期: 2014年12月2日(苗期), 2015年1月22日(抽薹期), 2015年4月16日(荚果期), 于Array每个日期的10:00至13:00, 利用美国ASD公司(Analytical Spectral Device)生产的FieldSpec® 3高分辨便携式地物波谱仪进行采样. 波谱仪的有效波段范围为350~2500nm, 其中, 350~1000nm范围采样间隔为1.4nm, 光谱分辨率为3nm;1000~2500nm范围采样间隔为2nm, 光谱分辨为10nm. 测量时距离冠层垂直高度约0.7m,采用标准白板校正, 因此所采集光谱为无量纲的相对反射率.48个种植小区苗期、抽薹期和荚果期所采集的光谱如图1所示. 抽薹期光谱相较于苗期和荚果期, 在波长大于1000 nm的中红外区域, 光谱反射峰明显低于苗期和荚果期. 为了获取叶绿素含量信息, 在每个种植小区选取长势平均的5个植株的第三片展开叶, 利用日本MINOLI.A公司生产的SPAD 502叶绿素仪, 测定5个点的叶片SPAD值. 具体来说, 每个叶片从叶尖到叶枕分成3段, 在每段的二分之一处进行测定, 各段重复5次, 取平均值, 作为该点位的叶片SPAD值. 如图2所示, 与冠层光谱情况类似, 抽薹期的叶片SPAD分布比其他两个生长期明显要高, 平均值达到了55; 苗期和荚果期相比, 苗期的SPAD值分布相对集中, 而荚果期的则更加分散. 图1 48个种植小区所采集的光谱第3期许 健: 油菜光谱的函数特征分析及叶绿素诊断建模 193 结果与讨论3.1光谱特征与函数主成分图3为三个生长期数据的第一、第二主成分函数, 其中第一主成分解释了数据中82.9%的波动信息, 而第二主成分解释了5.1%的信息. 图3中的实线是光谱平均值, 而“+”和“−”表示的是给均值加上或减去一定量的主成分之后的效应. 容易观察到, 不同样本光谱间的差异主要在各反射峰区域出现, 即“+”和“−”所标示的曲线分离得最开. 比起第一主成分, 第二主成分更加强调1500~2500nm 范围内反射峰的差异信息. 但是,如图4所示, 第一主成分得分值的大小与叶片SPAD 值之间无明显规律性, 说明光谱在这些反射峰上的波动信息并不能直接用于叶绿素含量建模. 偏最小二乘(PLS)方法是一种使用非常广泛的适用于解释变量远多于样本个数情况的线性建模方法. 图５为５个主成分的PLS 模型的交互验证预测情况, 5个主成分解释了解释变量99.61%和响应变量68.63%的信息, 交互验证均方根预测误差(RMSEP)为4.609, 达到样本SPAD 平均值的10.3%. 从图5中容易看出, PLS 模型给出的预测值与样本测量值之间几乎没有呈现出线性关系.图3 第一主成分与第二主成分函数图4 样本第一主成分得分值与样本SPAD 值散点图 图5 偏最小二乘模型预测值与样本测量值散点图3.2 最大信息系数比值反射率特征选择3.2.1基于最大信息系数的比值植被指数构造构造光谱参数通常能够消除光谱中的背景噪声, 提高光谱信息的利用效率[24], 而比值植被指数RVI图2 苗期、抽薹期、荚果期叶片SPAD 测量值频数分布20 湖南理工学院学报(自然科学版) 第36卷 因为构造简单、计算方便, 在植被光谱分析中应用最为广泛. 文[25]根据直线方程、幂函数、指数函数的决定系数大小在众多的比值参数中寻找重要的部分, 这种处理方式的局限性很明显, 因为如果一个重要的比值指数的取值规律与叶绿素含量之间的关系并不是线性函数、幂函数、指数函数中的任何一种, 那么在搜寻过程中就会产生遗漏. 由于并不能事先确定某个植被指数的取值规律与叶片叶绿素含量之间的具体关系是什么, 故本研究使用普适性更强的最大信息系数(MIC)来挖掘重要的比值参数. MIC 的计算开销较大, 如果对原始光谱中每一个离散波段的比值进行计算, 那么350~2500nm 范围内需要处理的比值参数多达4626801个. 因此, 本研究利用B 样条基函数, 分段提取光谱曲线中的信息, 考虑到离散光谱波段本身存在高相关性, 这种处理方式既不会造成明显的信息损失, 同时又能大大降低计算开销.如图6所示, 通过100个B 样条基系数概括光谱信息, 计算100个基系数比值与对应样本SPAD值之间的MIC 系数. 图6中的小矩形色块是对应光谱区段所对应比值的MIC 值, MIC 值越趋向1,颜色越偏向于深红, 表示对应光谱区段比值与叶片SPAD 值之间存在某种关系; MIC 值越趋向0,颜色越偏向于淡黄, 表示对应光谱区段比值与叶片SPAD 值之间几乎没显示出任何关系. 400 ~1000 nm 范围与1000~1800nm 范围的光谱比值与叶片SPAD 值之间有密切联系, 此外, 350~500nm 范围与500~900nm 范围的光谱比值, 以及1380~1500nm 范围与1500~1800nm 范围的光谱比值, 与叶片SPAD 值之间关系密切. 图7为通过MIC 找到的两个典型的比值指数取值与对应样本SPAD 值的散点图, 其中(a)横坐标: 440~463 nm 区间与531~553 nm 区间光谱反射率比值; (b)横坐标: 1187~1210 nm 区间与1798~1821 nm 区间光谱反射率比值. 显然, 样本SPAD 值确实随着光谱区间比值变化而变化, 但是其变化规律却无法用某个已知函数准确表达.图7 两个典型的比值指数取值与对应样本SPAD 值的散点图3.2.2 基于增强回归树的叶片SPAD 值预测建模设定树复杂度(树的节点数)为5, 学习率(learning rate)为0.005, 同时为了降低计算时间开销, 根据MIC 值大小, 从100个B 样条基系数两两之间的比值中挑选最大的2686个, 作为解释变量用于叶片SPAD图6 基于B 样条基函数的比值参数与叶片SPAD 值的MIC 强度第3期 许 健: 油菜光谱的函数特征分析及叶绿素诊断建模 21值的增强回归树建模. 所挑选的2686个比值主要集中在400~1000nm 范围与1000~1800nm 范围的光谱比值, 350~500nm 范围与500~900nm 范围的光谱比值, 以及1380~1500nm 范围与1500~1800nm 范围的光谱比值. 最终共建立回归树1350棵, 图8为最终的增强回归树模型交互验证预测情况, 均方根误差为2.48, 为SPAD 测量平均值的5.5%, 已经接近实验数据的测量误差. 对比于3.1节中所采用的偏最小二乘方法, 预测精确度提升十分明显.4 结束语为研究油菜冠层光谱的函数特征与叶片叶绿素含量之间的关系, 本文以苗期、抽薹期和荚果期三个生长期的油菜为研究对象, 利用B 样条基函数提取局部光谱片段的信息, 构建比值植被指数, 再利用增强回归树建立油菜叶片SPAD 值定量预测模型. 油菜冠层光谱样品间的差异主要出现在各反射峰位置, 但是这种差异对叶片SPAD 值的影响并非简单线性的, 利用增强回归树模型则能够有效处理二者间的复杂关系, 建立有效的SPAD 预测模型.参考文献:[1] 张国云, 欧阳慧婷, 涂 兵, 等. 空间一致核协同优化的高光谱异常检测方法[J]. 湖南理工学院学报(自然科学版), 2022, 35(3):10−16+43.[2] 易嘉闻, 李 希, 欧阳尔, 等. 基于自编码的高光谱图像波段加权分类网络研究[J]. 湖南理工学院学报(自然科学版), 2021, 34(1): 34−39.[3] Horler D N H, Dockray M, Barber J. The red edge of plant leaf reflectance[J]. International Journal of Remote Sensing, 1983, 4(2): 273−288.[4] Jordan C F. Derivation of leaf-area index from quality of light on the forest floor[J]. Ecology, 1969, 50(4): 663−666.[5]Broge N H, Leblanc E. Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density[J]. Remote Sensing of Environment, 2000, 76: 156−172.[6] V ogelmann J E, Rock B N, Moss D M. Red edge spectral measurements from sugar maple leaves[J]. International Journal of Remote Sensing, 1993, 14(8):1563−1575.[7] Xue J, Su B. Significant remote sensing vegetation indices: a review of developments and applications[J]. Journal of Sensors, 2017, 2017:1353691.1−1353691.17.[8] Blackburn G A. Spectral indices for estimating photosynthetic pigment concentrations: a test using senescent tree leaves[J]. International Journal of RemoteSensing, 1998, 19(4): 657−675.[9] Blackburn G A. Hyperspectral remote sensing of plant pigments[J]. Journal of Experimental Botany, 2007, 58(4): 855−867.[10] Chappelle E W, Kim M S. Ratio analysis of reflectance spectra (RARS): an algorithm for the remote estimation of the concentrations of chlorophyll A,chlorophyll B, and carotenoids in soybean leaves[J]. Remote Sensing of Environment, 1992, 39: 239−247.[11] Elvidge C D, Chen Z. Comparison of broad-band and narrow-band red and near-infrared vegetation indices[J]. Remote Sensing of Environment, 1995, 54:38−48.[12] Huang J, Wang F, Wang X, et al. Relationship between narrow band normalized deference vegetation index and rice agronomic variables[J].Communications in Soil Science and Plant Analysis, 2004, 35(19-20): 2689−2708.[13] Thenkabail P S, Smith R B, Pauw E D. Hyperspectral vegetation indices and their relationships with agricultural crop characteristics[J]. Remote Sensingof Environment, 2000, 71: 158−182.[14] Tsai F, Philpot W. Derivative analysis of hyperspectral data[J]. Remote Sensing of Environment, 1998, 66: 41−51.[15] Talsky G, Mayring L, Kreuzer H. High-resolution, higher-order UV/VIS derivative spectrophotometry[J]. Angewandte Chemie International Edition inEnglish, 1978, 17(11): 785−799.[16] Demetriades-Shah T H, Steven M D, Clark J A. High resolution derivative spectra in remote sensing[J]. Remote Sensing of Environment, 1990, 33: 55−64.[17] Wang J L, Chiou J M, Müller H G. Functional data analysis[J]. Annual Review of Statistics and Its Application, 2016, 3: 257−295.[18] Dong J J, Wang L, Gill J, et al. Functional principal component analysis of glomerular filtration rate curves after kidney transplant[J]. Statistical Methodsin Medical Research, 2018, 27(12): 3785−3796.[19] 宁 贺. 函数型主成分分析的研究及其应用[D]. 长春: 吉林大学, 2021.[20] Denison D D, Hansen M H, Holmes C C, et al. Nonlinear Estimation and Classification[M]. New York: Springer, 2002.[21] Elith J, Graham C H, Anderson R P, et al. Novel methods improve prediction of species’ distributions from occurrence data[J]. Ecography, 2006, 29(2):129−151.[22] Leathwick J R, Elith J, Francis M P, et al. Variation in demersal fish species richness in the oceans surrounding New Zealand: an analysis using boostedregression trees[J]. Marine Ecology Progress Series, 2006, 321: 267−281.[23] Speed T. A correlation for the 21st century[J]. Science, 2011, 334: 1502−1503.[24] 王福民, 黄敬峰, 唐延林, 等. 采用不同光谱波段宽度的归一化植被指数估算水稻叶面积指数[J]. 应用生态学报, 2007, 18(11): 2444−2450.[25] 姚 霞, 朱 艳, 冯 伟, 等. 监测小麦叶片氮积累量的新高光谱特征波段及比值植被指数[J]. 光谱学与光谱分析, 2009, 29(8): 2191−2195. 图8 增强回归树模型交互验证预测情况。
叶片在油菜研究中的应用综述
叶片在油菜研究中的应用综述作者：熊思刘雨丝张振乾官春云来源：《现代农业科技》2015年第16期摘要油菜是我国第一大油料作物，叶片是其重要的功能器官，对油菜生长、发育等方面都有着很大的影响。
为了促进油菜叶片相关的研究，该文介绍了叶片在油菜中的功能，并综述了在油菜叶片生理生化、分子生物学、抗病和无损检测等方面的研究情况。
关键词油菜；叶片；光合作用；光谱中图分类号 S565.4 文献标识码 A 文章编号 1007-5739（2015）16-0029-02油菜是我国第一大油料作物，占自产植物油总量的40%以上，草本植物油总量的57%以上[1]。
随着人们生活水平的提高，对油脂需求量较大，我国植物油年均消费量增长率为5.95%[2]，但我国目前的食用油自给率不足40%，因此进一步加强油菜产业的发展及其相关方面的研究有十分重要的应用价值和现实意义。
叶片是植物进行光合作用和蒸腾作用的主要场所，叶片信息直接反映了作物的生长状况，这些信息对于农作物的生长监控具有非常重要的作用[3]。
叶片又作为植物主要的光合器官，其光合能力的强弱与叶片氮素及叶绿素含量的高低关系密切[4]，因此叶片氮素及叶绿素是监测作物长势和产量估算的重要指标。
为了更好地了解叶片在油菜研究中的作用，该文综述了叶片在油菜研究中的应用，以期为相关研究提供参考。
1 油菜叶片的功能叶片是油菜进行光合作用、营养物质传输的主要器官，在这些方面目前已有不少研究。
1.1 油菜叶片的光合特性叶片是油菜重要的光合器官，油菜叶片分为长柄叶，短柄叶，无柄叶，各自在不同生育期为油菜的根、茎生长及籽粒形成提供光合产物[5]。
而叶绿素是光合作用的主要色素，在光吸收中起重要作用，叶绿素含量的高低可反映出光合能力的强弱，进而反映出作物体内能量的传递转干物质积累能力[6]，所以叶绿素是植物光合作用的良好指示剂。
王春丽等[7]以“秦优7号”油菜品种为材料，测定分析终花后角果和叶片的光合特性及其对籽粒产量含油量及脂肪酸组成的影响，结果显示，叶片遮光和摘除叶片分别显著降低角粒数11.7%、11.3%，降低籽粒千粒重22.5%、17.9%，单株产量分别降低35.3%、44.7%，使籽粒脂肪酸中亚油酸、亚麻酸等含量显著增加，但对籽粒含油量无显著影响。
芥菜型油菜不同叶色叶绿素含量与冠层反射光谱的定量关系
芥菜型油菜不同叶色叶绿素含量与冠层反射光谱的定量关系作者：程潜陈家乐张振乾王悦陈浩邬贤梦来源：《湖南农业科学》2017年第02期摘要以绿色和紫色叶的盆栽芥菜型油菜为试验对象，分别于幼苗期和抽薹期测定其冠层高光谱和sPAD值，研究两者之间的关系。
研究结果为：以绿叶型油菜原始光谱两特征波段和一阶导数光谱两特征波段构建光谱参数，其中基于DVI′（717，955）的线性和多项式模型拟合决定系数较高，分别达到0.4298，0.4535；以紫叶型油菜原始光谱两特征波段构建光谱参数，其中基于KVI（698，1072）的指数模型拟合决定系数较高，达到0.4253。
研究结果表明，高光谱模型具有一定的预测精度，可为区域尺度油菜生长的快速、无损遥感监测提供参考。
关键词：油菜；叶绿素；高光谱遥感技术中图分类号：S565 文献标识码：A 文章编号：1006-060X（2017）02-0028-04传统的农学研究采用实地调查或采样进行实验室测定，费时费力、效率低下，而且实验室测定需要对作物破坏性采样。
精细农业技术能对田间作物进行科学管理，特别是高光谱遥感技术能在作物生长监测上发挥重要作用。
通过遥感监测作物生长过程进而改善栽培，优化作物分类收获、分级收购加工体制，提高作物品质监控水平，保证作物品质。
叶绿素含量遥感监测能够提供作物生理生化状态的有效信息，同时叶绿素含量与作物的氮含量、光合作用也密切相关。
作物叶绿素含量的高光谱遥感监测主要应用在冠层。
地物波谱仪就是利用高光谱遥感数据反演得到地物反射的光谱信息，它能研究地表物体的种类、物质的成分、含量、存在状态、空间分布以及动态变化。
近年来，随着油菜育种技术的快速发展，出现了不同生态型的油菜品系（品种），而这些新品种的大面积推广亟需通过遥感技术来进行无损监测其长势。
为此，项目组分别利用SPAD 502和地物波谱仪（美国ASDFieldSpecProFR2500型背挂式野外地物波谱仪）研究不同颜色油菜叶片叶绿素含量与光谱间的定量关系，找出其中敏感波段，为今后通过高分辨率卫星影像监测油菜田间生长提供参考依据。
缺钾油菜叶片光合速率下降的主导因子及其机理
缺钾油菜叶片光合速率下降的主导因子及其机理陆志峰;任涛;鲁剑巍;李小坤;丛日环;潘勇辉;李凯旭【摘要】[Objectives] Potassium (K) is essential for oilseed rape (Brassica napus L. ), insufficient supply will decline the leaf photosynthetic capacity, as well as seed yield. The present study was conducted to compare the response of different leaves ( namely long-stalk leaf, short-stalk leaf and no-stalk leaf) to K deficiency at stem elongation stage under field conditions. Additionally, we attempted to find out the dominant limitations and reveal the underlying mechanisms due to K deficiency which restrained the leaf photosynthesis, and to provide theoretical basis for the reasonable application of potash fertilizer on the purpose of improving seed yield. [Methods] A field experiment with no K supply (- K) and normal K supply ( + K) was conducted using two rapeseed cultivars (Huayouza No.9 and Zhongshuang No. 9). The plant dry matter biomass, leaf dry matter content, leaf area, leaf K concentration and chlorophyll content were concurrently determined. The leaf gas exchange parameters, including net photosynthesis (Pn ) and stomatal conductance (gs ), and leaf chlorophyll fluorescence parameters, including maximum quantum yield of PSⅡ(Fv / Fm) and effective quantum efficiency of PSⅡ (ΦPSⅡ), the changes of Ci and stomatal limitations (Ls ) were detected. [Results]1) Potassium deficiency leaded to a significant reduction of seed yield, in Huayouza No.9 the decrease was 13. 9% and in Zhongshuang No. 9 was 27. 2% . 2) The growth of Zhongshuang No. 9 was significantly suppressed underinsufficient potassium supply, with 12. 4% and 19. 2%decreases of plant dry matter content and leaf dry matter content in long-stalk leaf, respectively, while those in Huayouza No. 9 were unaffected. 3 ) Potassium deficiency mainly affected the photosynthetic physiological characteristics of long-stalk leaf, but not on those of short and no-stalk leaves. Under K deficient, the K content, chlorophyll content and Pn of long-stalk leaf were sharply declined. The dominant factors involved in Pn decline were different between the two cultivars. Potassium deficiency led to sharply decline of Ci but 16. 6% increase in Ls in Huayouza No. 9, indicating that Pn was primarily affected by stomatal limitations. Conversely, K deficiency led to the dramatic increase in Ci and 14. 0% of decrease in Ls in Zhongshuang No. 9, which suggested that Pn was primarily limited by non-stomatal limitations. 4) Moreover, K deficiency caused sharp decline in the leaf Fv / Fm,ΦPSⅡ, qP and ETR of Zhongshuang No. 9, but not in those of Huayouza No. 9, indicating that the PSⅡreaction center was suffered of damage. Meanwhile, the obvious increment of NPQ hinted that non-stomatal limitations induced the decline of Pn . [Conclusions] The decline of photosynthetic efficiency in the long-stalk leaf of rapseed is exacerbated under K deficiency, which resultes in the decrease of seed yield. The Zhongshuang No. 9 was more sensitive to K-starvation than Huayouza No. 9, which is associated with its tolerance to K deficiency.%【目的】钾是油菜(Brassica napus L.)生长发育所必需的矿质元素,缺钾胁迫可导致油菜叶片光合功能的衰退,最终影响籽粒产量。
不同含油量油菜种子光谱学特性研究
不同含油量油菜种子光谱学特性研究作者：胡庆一魏世超韩霜来源：《现代农业科技》2016年第15期摘要以3种含油量分别为38%、42%、46%的甘蓝型油菜近等基因系为试验材料，采用完全随机区组于2014年10月1日在湖南农业大学油菜基地进行田间试验。
分析了3个材料油菜籽含油量以及对应的光谱，并将含油量与光谱反射率之间的相关性进行分析。
结果表明，含油量与光谱反射率有一定的相关性，且不同含油量油菜种子之间存在着一定差异。
3个不同含油量油菜品种建立的预测模型均以多项式模型最高，3个品种之间存在差异，可用于预选不同含油量油菜。
关键词甘蓝型油菜；含油量；光谱特性中图分类号 S572 文献标识码 A 文章编号 1007-5739（2016）15-0013-02Abstract Three kinds of Brassica napus L. near isogenic lines with oil content respectively 38%，42%，46% were used as experimental material in this study，which were planted in rapeseed base field of Hunan Agricultural University on October 1st in 2014，using a randomized complete block. The different oil content and corresponding spectra were tested to analyze the correlation between oil content and spectral reflectance rate. The results showed that there has certain correlation between oil content and spectral reflectance，and there were some differences between different oil content rapeseed. All of the optimum prediction models of the three near isogenic lines were polynomial model，while there were differences between the three varties，which could be used for the preelection of different oil content of rape.Key words Brassica napus L.；oil content；spectral characteristics油菜是我国第一大油料作物，其生产面积高达726万hm2，占世界油菜生产面积的1/3[1]。
甘蓝型油菜黄化突变体的光合特性及叶绿素荧光参数分析
甘蓝型油菜黄化突变体的光合特性及叶绿素荧光参数分析肖华贵;杨焕文;饶勇;杨斌;朱英【摘要】调查油菜自发黄化突变体(NY)、野生型(NG)及其正反交后代材料(F1和rF1)的光合色素含量、光合特性、叶绿素荧光参数及农艺性状，分析五叶期各参数的变化规律.结果表明，突变体叶绿素 a、叶绿素 b、类胡萝卜素和总叶绿素均大幅减少，其中叶绿素 b 减幅最大；净光合速率显著降低，胞间 CO2浓度升高，但气孔导度与野生型相当，表明光合速率不受气孔限制；光补偿点和光饱和点升高，暗呼吸速率与野生型等相当，表观量子效率和光补偿点处量子效率显著降低；CO2补偿点、光呼吸速率和羧化效率均显著降低， CO2饱和点则显著升高；突变体的荧光参数，包括Fo、Fm、Fv/Fm、Fv'/Fm'、ΦPSII、qp、NPQ和ETR均显著降低，说明光合色素含量降低导致 PSII反应中心捕光能力弱和光化学转化效率低，使叶片光合速率降低.突变体的黄化持续时间较长，对生长发育产生影响较大，单株籽粒产量只有野生型的57.09%，但与正常材料组配F1的光合特性和农艺性状均能恢复到正常水平.%We investigated the photosynthetic pigment contents, photosynthetic characteristics, chlorophyll fluorescence kinetic parameters and agronomic traits at five-leaf stage of the chlorophyll-reduced mutant (NY), wild-type (NG), F1, and rF1 of their combinations (reciprocal cross). The results showed that the chlorophyll a, chlorophyll b, total chlorophyll, and carotenoids in the mutant were significantly reduced compared with those in other materials, especially for chlorophyll b. The net photosynthetic rate (Pn) of the mutant was significantly lower than those of wild-type and their F1 and rF1. Relatively high intercellular CO2 con-centration (Ci) and an equivalent stomatal conductance (Gs) in themutant indicated that stomatal factor was not the limiting factor of the photosynthetic rate. The mutant had higher light compensation point (LCP) and light saturation point (LSP), and its dark respiration rate (Rd) was equal to that of wild-type, whereas apparent quantum yield (AQY) and quantum yield at light compensa-tion point (Φc) in the mutant were significantly decreased. The CO2 compensation point (CCP), rate of photorespiration (Rp) and carboxylation efficiency (CE) of the mutant NY were significantly lower than those of the wild-type NG and their combinations of NY×NG and NG×NY, but the mutant had higher CO2 saturation point (CSP). The fluorescence parameters in the mutant, includ-ing Fo, Fm, Fv/Fm,Fv'/Fm',ΦPSI , qp, NPQ, and ETR were significantly reduced. Lower photosynthetic pigment content may be the main reason for low leaf photosynthetic rate which directly leads to the lower light-harvesting capacity and photochemical con-version efficiencies of the PSII reaction center. Moreover, lasting etiolation of leaves in the mutant had a greater impact on its growth and development, but the photosynthetic characteristics and agronomic traits were restored to normal level in F1 of the cross between the mutant and the normal parent.【期刊名称】《作物学报》【年(卷),期】2013(000)003【总页数】10页(P520-529)【关键词】甘蓝型油菜;黄化突变体;光合色素含量;光合特性;叶绿素荧光动力学参数【作者】肖华贵;杨焕文;饶勇;杨斌;朱英【作者单位】云南农业大学烟草学院，云南昆明 650201; 贵州省油料研究所，贵州贵阳 550006;云南农业大学烟草学院，云南昆明 650201;贵州省油料研究所，贵州贵阳550006;贵州省油料研究所，贵州贵阳550006;贵州省生物技术研究所，贵州贵阳 550006【正文语种】中文将突变体应用于植物杂种优势, 是植物遗传育种者长期关注的问题。
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
作物叶片的 ＳＰＡＤ值反映了作物叶绿素含量的相对高 主要的 油 料 作 物，也 是 我 国 生 产 种 植 面 积 最 大 的 油 料 作
低，它已经成为一种评价作物长势状况的重要参考指标［１］。 物［２］，因此，利 用 高 光 谱 技 术 估 测 油 菜 叶 片 的 叶 绿 素 含 量
因此，了解作物的叶绿素含量及其变化，对作物群体营养诊 （ＳＰＡＤ值）的研究具有重要意义。
２０１４ＴＰ１００１）。
究者于 ２００４年测量了水稻、玉米、棉花 ３种作物不同生长期
作者简介：张 锐（１９９１—），男，湖北荆门人，硕士研究生，研究方向 的高光谱反射率及其相应叶片的叶绿素含量等，分析了它们
为作物数字图像处理。Ｅ－ｍａｉｌ：４５３３６７９８３＠ｑｑ．ｃｏｍ。 通信作者：廖桂平，博 士，教 授，研 究 方 向 作 物 光 谱 技 术 与 高 光 谱 遥
管理 委 员 会．单 粒 （精 密 ）播 种 机 试 验 方 法：ＧＢ／Ｔ６９７３—２００５
管理委员会．自行车安全要求：ＧＢ３５６５—２００５［Ｓ］．北京：中国
［Ｓ］．北京：中国标准出版社，２００５．
标准出版社，２００５．
［１９］中华人民共和国国家质量监督检验检疫总局，中国国家标准化 ［２２］中华人民共和国国家质量监督检验检疫总局，中国国家标准化
成了绿色作物光谱最明显的特征，与作物的叶绿素含量、氮含 量等生理参数之间具有很好的相关性 。 ［３］ 据姚付启等报道， 在国外，Ｃａｒｔｅｒ等将 ６８０～７６０ｎｍ这一波段范围内冠层光谱 特征曲线的一阶导数最大值定义为“红边”位置，接着进行了
收稿日期：２０１８－０６－２１ 基金项目：国家自然科学基金（编号：１１５７１１０３）；国家“２０１１”南方粮
感。Ｅ－ｍａｉｌ：３３１２７６３６８＠ｑｑ．ｃｏｍ。
甘蓝型油菜紫叶性状光合作用特性研究
图１ 光响应曲线注：上述数据经方差分析均为差异不显著（P>0.05）。
图２ 光合作用参数分析
300 μmol/（m2·s）的时候，三者的净光合速率随着P AR 的升高而呈现出近似直线的趋势并迅速增加；第二阶段是 μmol/（m2·s）＜P AR≤1 000 μmol/（m2·s），的升高，P n增加趋势逐渐减缓；第三阶段是P AR＞
μmol/（m2·s）的时候，三者植株叶片的净光合速率在光饱和点时均达到最大；当P AR超过光饱和点后，净光合速率不再随着P AR的升高而增加，此时光响应曲线呈现出近似水平直线的图像，同时3种叶色单株均没有表现光抑制现象。
在三者的光响应曲线的对比中（见图1d）可以发现，3
株在P AR＜50 mol/（m2·s）的时候植株叶片的净光合速率都呈现为负值，同时在P AR＜250 mol/（m2·s）时净光合速率近乎相等。
此外，在近等基因系的3种叶色单株中，浅紫叶
（下转第
JIANGXI AGRICULTURE。
典型固沙植物冠层温度和气孔导度特征及其对土壤水分的响应
典型固沙植物冠层温度和气孔导度特征及其对土壤水分的响应植物冠层温度是植物的重要生理生态特征之一,可以有效反映植物对其生存环境的适应能力,是一种新兴的植物缺水状况的诊断指标。
然而,沙区植物冠层温度的相关研究依然较为薄弱,且利用冠层温度指示植物缺水状况尚不能指导实践应用,故本研究以半干旱沙区典型固沙植物油蒿(Artemisia ordosica)、沙柳(Salix psammophila)、杨柴(Hedysarum mongolicum)、柠条(Caragana korshinskii)、银白杨(Populus alba)为研究对象,采用野外原位观测和控制实验相结合的研究方法,分析植物冠层温度和气孔导度特征,确定影响植物冠层温度和气孔导度的主要气象因子,研究冠层温度和气孔导度对干旱胁迫的响应规律,利用气孔导度与冠层温度、气孔导度与土壤水分的关系,将气孔导度作为中间参数构建基于植物冠层温度的植物水分亏缺诊断模型,主要研究结果及结论如下：(1)油蒿、沙柳、杨柴、银白杨四种植物的冠层温度和气孔导度在时间尺度上具有一致的规律,冠层温度和气孔导度的值均为先上升后下降,冠层温度在10：00-14：00到达最大值,气孔导度在8：00-10：00达到最大值；冠层温度和气孔导度具有明显的空间差异性,二者在冠层阴阳面的大小规律均为阳面大于阴面,在冠层的不同高度位置由大到小分别为上部>中部>下部；植物冠层温度和气孔导度具有极显著的种间差异性(P<0.01)。
(2)植物冠层温度和气孔导度受气象因子的显著影响。
空气温度是影响冠层温度的主要因素,冠层温度随空气温度的上升呈现上升的趋势；其次是空气湿度,冠层温度随空气湿度的增大呈现下降的趋势。
气孔导度随各种气象因子值的升高均呈现先增大后减小的规律,其中空气温度是影响气孔导度的主要因素。
植物冠层温度和气孔导度还受植物自身特征的影响,植物冠层温度与叶片含水率呈现显著负相关关系(P<0.05),气孔导度与叶片含水率呈现极显著正相关关系(P<0.01)。
典型固沙植物冠层温度和气孔导度特征及其对土壤水分的响应
(4)通过综合气象因子和冠层温度等数据,建立了基于冠层温度的两种植物水分亏缺诊断模型,即CWSI模型和Ig模型。利用气孔导度与冠层温度、气孔导度与土壤水分的关系,将气孔导度作为中间参数,构建了基于植物冠层温度的植物水分亏缺诊断模型,并划分了植物受干旱胁迫的程度及取值范围。
最终建立的CWSI模型的取值范围为(0,1),模型指数值越大,干旱胁迫越严重；Ig模型的取值范围为(0,∞),模型指数值越小,干旱胁迫越严重。其中Ig模型的结果误差更小,且该模型中的参数测量方便、直观性强,更适合于野外监测应用。
典型固沙植物冠层温度和气孔导度特征及其对土壤水分的响应
植物冠层温度是植物的重要生理生态特征之一,可以有效反映植物对其生存环境的适应能力,是一种新兴的植物缺水状况的诊断指标。然而,沙区植物冠层温度的相关研究依然较为薄弱,且利用冠层温度指示植物缺水状况尚不能指导实践应用,故本研究以半干旱沙区典型固沙植物油蒿(Artemisia ordosica)、沙柳(Salix psammophila)、杨柴(Hedysarum mongolicum)、柠条(Caraganakorshinskii)、银白杨(Populus alba)为研究对象,采用野外原位观测和控制实验相结合的研究方法,分析植物冠层温度和气孔导度特征,确定影响植物冠层温度和气孔导度的主要气象因子,研究冠层温度和气孔导度对干旱胁迫的响应规律,利用气孔导度与冠层温度、气孔导度与土壤水分的关系,将气孔导度作为中间参数构建基于植物冠层温度的植物水分亏缺诊断模型,主要研究结果及结论如下：(1)油蒿、沙柳、杨柴、银白杨四种植物的冠层温度和气孔导度在时间尺度上具有一致的规律,冠层温度和气孔导度的值均为先上升后下降,冠层温度在10：00-14：00到达最大值,气孔导度在8：00-10：00达到最大值；冠层温度和气孔导度具有明显的空间差异性,二者在冠层阴阳面的大小规律均为阳面大于阴面,在冠层的不同高度位置由大到小分别为上部>中部>下部；植物冠层温度和气孔导度具有极显著的种间差异性(P<0.01)。
基于冠层实测光谱的油菜品种识别
基于冠层实测光谱的油菜品种识别尹凡;刘燕;董晶晶;卢长明;徐海根【摘要】近年来,随着信息技术的迅猛发展,高光谱遥感作为一种快速监测手段已经被广泛应用于农业生产中,利用高光谱遥感技术对农作物进行分类是一种无损、快速的技术手段.研究利用FieldSpec Hand-Held 2TM手持式野外光谱辐射仪实地采集了大田油菜(Brassica napus L.)的苗期、抽薹期、花期样本光谱反射率数据;通过引入内聚系数来控制波段聚合性,利用特征波长指数来寻找识别特征波段,使用主成分分析法降维后用马氏距离的方法建立了识别模型.结果表明,不同品种油菜的光谱反射率样本存在差异,利用光谱数据识别区分不同品种油菜的适宜期为抽薹期,模型识别精度均达到了75％以上.表明高光谱遥感技术在不同品种油菜的识别上具有一定的应用优势.【期刊名称】《湖北农业科学》【年(卷),期】2013(052)023【总页数】5页(P5866-5870)【关键词】油菜(Brassica napus L.);高光谱遥感;内聚系数;特征波长指数【作者】尹凡;刘燕;董晶晶;卢长明;徐海根【作者单位】南京信息工程大学遥感学院,南京210044;环境保护部南京环境科学研究所/国家环境保护生物安全重点实验室,南京210042;环境保护部南京环境科学研究所/国家环境保护生物安全重点实验室,南京210042;中国科学院植物研究所,北京100093;中国农业科学院油料作物研究所,武汉430062;环境保护部南京环境科学研究所/国家环境保护生物安全重点实验室,南京210042【正文语种】中文【中图分类】S127;S634.3遥感是20世纪60年代发展起来的对地观测综合性技术，这种技术可以从远处把探测目标的电磁波特性记录下来，通过分析揭示出物体的特征性质及其变化［1］。
任何物质都会反射、吸收、透射和辐射电磁波，且不同的物体对不同波长的电磁波的吸收、反射或辐射特性是不同的，物质的这种对电磁波固有的特性叫光谱特性，因此，利用高光谱遥感技术获得并分析物质的光谱曲线是识别物质的有效手段［2］。
基于高光谱的油菜叶面积指数估计
基 于 高 光 谱 的油 菜 叶面 积 指 数 估 计
马 驿 汪善勤 李岚涛 张 铮 刘诗诗
华 中农 业 大 学 资 源 与 环 境 学 院 ， 武汉 ４ ３ ０ ０ ７ ０
摘要
以冬油菜为研究对象 ， ２ ０ １ ４ －２ ０ １ ５ 年度设计 了不 同施 氮水平直播 油６ 卷 第 ２ 期
２ ０ １ ７年 ３月
华
中
农
业
大
学
学
报
Ｖｏ １ ． ３ ６ Ｎｏ ． ２
Ｍａ ｒ ．２０１ ７， ６ ９～ ７７
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｈｕ ａ ｚ ｈ ｏ ｎ ｇ Ａｇ ｒ ｉ ｃ ｕ ｌ ｔ ｕ ｒ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
量改 进 型光谱 特 征参 数 、 植 被 指数 反 演 农 学 参 数 为 ２ ４块 不 同施 氮水 平直 播 油菜 大 田试 验 ， 在 不 同生 育 精 准 农业 提供 技术 支持 ［ １ １ － ］ ２ ］ 。相 关研 究表 明植 被光 时期 测 量各小 区冠层光 谱 、 土壤 背景 光谱 以及 Ｌ ＡＩ ，
谱 红 边参 数 、 植 被 指数 ［ １ ３ － １ ４ ３ 反演 Ｌ ＡＩ 效 果 较 好 。谢 通过 相关 分 析 提 取 敏 感 波 段 、 光谱参 数 ， 拟 运 用 高
Ｓ ５ ６ ５ ． ４ 文献标识码 Ａ 文 章 编 号 １ ０ ０ ０ — ２ ４ ２ １ （ ２ ０ １ ７ ） ０ ２ — ０ ０ ６ ９ — ０ ９ 中图分类号
叶 面积 指数 （ １ ｅ ａ ｆ ａ ｒ ｅ ａ ｉ ｎ ｄ ｅ ｘ ， Ｌ ＡＩ ） 是 单位 地 表 等 Ｉ １ ］ 也 利用 常 用 的 植 被 指 数 估 算 玉 米 Ｌ ＡＩ ， 预 测 面积 上植 物 叶单 面面 积 的总 和『 １ 七 ］ ， 是 反 映作 物群 体 Ｒ 达到 ０ ． ９ ５ ， ＲＭＳ Ｅ为 ０ ． ０ ３ ６ ５ ； 齐波等 ＿ １ 。 ］ 运 用 ＲＶＩ 光合 作用 、 蒸 腾作 用 、 净 初 级生 产力 和生 物量 状态 的 和 ＮＤＶＩ 两类 植 被 指 数 估 算 大豆 Ｌ ＡＩ 相 对 标 准 误 重要 参数 ＿ ＿ ３ ］ 。传 统 的作 物 Ｌ ＡＩ 监测 方法 （ 如 长 宽 差 小于 ２ ０ ； 黄敬 峰等 １ ９ ］ 采用 红边参 数预 测开 花前 系数 法 、 方 格法 、 纸重法 、 激 光 叶面 积法 、 数码 图像 处 油菜 叶 面积指 数 ； Ｒ。 达到 ０ ． ４ １ 。相 对 于小 麦 、 水稻、 理法［ ６ － ７ ］ ） ， 虽 然 能相对 准 确地 获得 小范 围 Ｌ ＡＩ ， 但 耗 大 豆 等 ， 油菜 整个 生 育期 植 株形 态 、 叶 形 变 化 较
油菜叶片气孔导度与冠层光谱植被指数的相关性
项目 Item
平均气温 Average temperature (℃) 与常年相比 Comparison with normal year (℃) 旬极端最低气温 The lowest temperature (℃) 降水量 Rainfall (mm) 与常年相比 Comparison with normal year 累积最大积雪深度 The largest snow depth (cm) 降水日数 Rain days (d) 日照 Sun time (h) 与常年相比 Comparison with normal year
作物学报 ACTA AGRONOMICA SINICA 2009, 35(6): 1131−1138 ISSN 0496-3490; CODEN TSHPA9
/zwxb/ E-mail: xbzw@
DOI: 10.3724/SP.J.1006.2009.01131
表 1 2008 年南京地区 1~2 月份气象情况 Table 1 Weather data from Jan. to Feb. of 2008 in Nanjing area
气孔导度(stomatal conductance)表示气孔张开 的程度, 它直接影响作物的光合、呼吸及蒸腾作用, 进而影响作物的产量和品质[1-2]。气孔是植物叶片与
外界气体交换的主要通道, 它可根据环境条件的变 化调节其开度大小而使植物在水分损失较少的条件 下获取最多的 CO2。Eastin 等[3]认为水分胁迫引起光
油菜叶片气孔导度与冠层光谱植被指数的相关性
孙金英 1,2 曹宏鑫 2,* 黄 云 1
1 西南大学资源与环境学院, 重庆 400716; 2 江苏省农业科学院农业资源与环境研究所 / 数字农业工程技术研究中心, 江苏南京 210014
油菜生理生化参数、油菜籽含油量与冠层反射光谱的定量关系
油菜生理生化参数、油菜籽含油量与冠层反射光谱的定量关系高光谱遥感技术能快速、无损、准确地监测作物的生长状况,在精细农业中广泛应用。
油菜是我国重要的油料作物,利用高光谱遥感在大田中非破坏性、快速、实时监测油菜的生长状况是十分必要的。
本试验通过研究不同施肥量、种植密度水平下油菜冠层高光谱反射特性及油菜叶片净光合速率、叶片叶绿素含量、植株氮含量、菜籽含油量等相关农学参数,阐述了不同肥密水平下油菜冠层光谱特性,分析了相关农学参数与高光谱参数的定量关系,对其建立了监测模型,并用不同年份的相关数据进行了检验。
主要研究结果有：(1)不同生育期、不同肥密处理,油菜冠层反射光谱曲线具有相同的变化趋势规。
350-680nm范围内,各个处理水平下冠层反射率都相对较低,在550nm处出现反射峰,在680-760nm,反射率急剧上升,在760-1350nm,即红外区域,油菜叶面反射率出现一个高台阶；基于一阶导数光谱的红边呈现“双峰”特征,且双峰位置都位于720nm和760nm附近,随着生育期的推进,“双峰”现象愈发明显。
(2)基于全波段反射率所建叶片净光合速率模型普遍优于单波段光谱参数构建的监测模型,拟合决定系数普遍较高,都达到0.7以上,多个模型甚至达到0.75以上。
其中基于全波段反射率所建的5个模型验证拟合决定系数都大于0.7,相对均方差根RRMSE都小于1,说明这5个模型对油菜叶片净光合速率的预判都有较高的精度。
基于DVI(697,350)的线性模型y=44.26+-266.01x,方程验证拟合决定系数最大,RRMSE最小,可作为油菜叶片净光合速率的最佳监测模型。
(3)基于全波段反射率光谱参数的叶绿素含量监测模型拟合决定系数普遍高于基于单波段优选光谱参数构建的模型,其中有5个监测模型拟合决定系数大于0.5,通过F检验,达到极显著水平。
基于RSI(1580,1470)指数定量模型y=33.96e0.17x拟合决定系数、模型验证拟合决定系数均最大,均方根差最小,可认为是油菜叶片叶绿素含量的最佳模型。
- 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、"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、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)。
油菜叶片气孔导度与冠层光谱植被指数的相关性
孙金英 1,2 曹宏鑫 2,* 黄 云 1
1 西南大学资源与环境学院, 重庆 400716; 2 江苏省农业科学院农业资源与环境研究所 / 数字农业工程技术研究中心, 江苏南京 210014
摘 要: 利用冠层光谱实时、无损和定量监测植物叶片气孔导度, 对于改善作物水分利用效率以及产量和品质预测 预报具有十分重要的意义。本研究采用裂区设计法(宁油 18 和宁油 16 两个品种)、两个供氮水平(N180：纯氮 180 kg hm−2、P2O5 120 kg hm−2、K2O 180 kg hm−2 和硼砂 15 kg hm−2; N0：CK)于 2007—2008 年测定油菜冠层光谱反射率、 叶片气孔导度以及叶面积指数(LAI)和叶片鲜、干生物量, 利用各波段光谱反射率组合产生的植被指数, 分析油菜叶 片气孔导度的变化规律及其与光谱植被指数的相关性, 从而建立光谱植被指数对叶片气孔导度的估算模型。结果表 明, 在整个生育期油菜叶片气孔导度呈“双峰”变化, LAI 和叶片鲜、干生物量均呈单峰曲线变化; 开花前光谱植被指 数与油菜叶片气孔导度和油菜冠层叶片平均气孔导度均呈极显著正相关, 且光谱植被指数对油菜冠层叶片气孔导度 的拟合效果好于对油菜叶片气孔导度的。光谱植被指数与冠层叶片气孔导度的量化关系可为今后快速、无损、大面 积的油菜作物气孔导度估算奠定一定基础。 关键词: 油菜; 气孔导度; 光谱; 植被指数; 相关性
本研究由江苏省“六大人才高峰”项目(06-G-169)资助。 * 通讯作者(Corresponding author): 曹宏鑫, E-mail: caohongxin07@; Tel: 025-48390125 第一作者联系方式: E-mail: sunjinying240@ Received(收稿日期): 2009-01-05; Accepted(接受日期): 2009-03-17.
项目 Item
平均气温 Average temperature (℃) 与常年相比 Comparison with normal year (℃) 旬极端最低气温 The lowest temperature (℃) 降水量 Rainfall (mm) 与常年相比 Comparison with normal year 累积最大积雪深度 The largest snow depth (cm) 降水日数 Rain days (d) 日照 Sun time (h) 与常年相比 Comparison with normal year
植被在 400~700 nm 波段范围内的反射光谱主 要由叶绿素和其他色素的吸收决定[9], 而在近红外 波段的反射光谱主要受叶片细胞排列方式和植被结 构影响[10], 利用这两个波段反射光谱的组合可产生 大量植被指数, 并广泛应用于地表植被调查和研 究。然而,利用地面遥感光谱定量监测油菜叶片气孔 导度的研究仍鲜有报道。本研究旨在阐明油菜叶片 及冠层叶片气孔导度与冠层光谱植被指数的量化关 系,建立基于光谱植被指数的油菜叶片及冠层叶片
作物学报 ACTA AGRONOMICA SINICA 2009, 35(6): 1131−1138 ISSN 0496-3490; CODEN TSHPA9
/zwxb/ E-mail: xbzw@
DOI: 10.3724/SP.J.1006.2009.01131
表 1 2008 年南京地区 1~2 月份气象情况 Table 1 Weather data from Jan. to Feb. of 2008 in Nanjing area
气孔导度(stomatal conductance)表示气孔张开 的程度, 它直接影响作物的光合、呼吸及蒸腾作用, 进而影响作物的产量和品质[1-2]。气孔是植物叶片与
外界气体交换的主要通道, 它可根据环境条件的变 化调节其开度大小而使植物在水分损失较少的条件 下获取最多的 CO2。Eastin 等[3]认为水分胁迫引起光
1 College of Resources and Environment, South West University, Chongqing 400716, China; 2 Institute of Agricultural Resources and Environment Research / Engineering Research Center for Digital Agriculture, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China
气孔导度监测模型, 以期为油菜生长状况及产量品 质的遥感监测奠定基础。
1 材料与方法
1.1 试验材料与设计 于 2007—2008 年在江苏省农业科学院院部试
验田种植江苏省农业科学院经济作物研究所育成的 宁油 18(V1)和宁油 16(V2)。试验地前茬为水稻, 土 壤肥力中等, 0~40 cm 耕层含有机碳 13.70 g kg−1、速 效氮 54.95 mg kg−1、速效磷 24.25 mg kg−1、速效钾 105.03 mg kg−1, 行距 40 cm, 株距 17~20 cm, 每小 区栽 10 行, 小区间空一行。采用裂区设计, 主区为 氮肥水平, 副区为品种, 品种随机排列, 重复 3 次, 共 12 个小区, 小区面积 7.0 m×4.3 m。2007 年 9 月 26 日播种, 11 月 4 日移栽。2008 年 1 月中旬至 2 月 中旬发生雨雪灾害, 旬平均气温较常年偏低 1~4℃, 降水量较常年多 3 倍(表 1), 使宁油 16 号抽薹、初花 及收获等生育时期分别较上年推迟 18、10 和 3 d。 设 2 个施肥水平, 即施肥 N180 (纯氮 180 kg hm−2、 P2O5 120 kg hm−2、K2O 180 kg hm−2 和硼砂 15 kg hm−2) 和不施肥 N0 (CK)。氮肥按基肥∶苗肥∶腊肥=5∶ 3∶2, 其余肥料全部基施。田间管理按大田管理方式 进行。试验中测定和取样同步进行, 间隔时间为 14 d
1132
作物学报
第 35 卷
合产物的减少, 首先是由于气孔而非内部阻力。因 此, 研究植物叶片气孔导度的实时、无损和定量监 测技术, 对于改善作物水分利用效率以及产量和品 质预测预报都具有十分重要的意义[1-2]。国内外就植 物叶片气孔导度与冠层光谱特征之间的关系已有研 究。Carter[4]研究表明部分松树种叶片的气孔导度与 比 值 指 数 (R701/R820) 的 相 关 程 度 高 于 比 值 指 数 (R701/R820)与叶片二氧化碳同化率的相关。另外, 简单比值植被指数(SR)或归一化植被指数(NDVI)与 气孔导度有良好的相关关系[5-6]; 而 Flexas 等[7]还曾 尝试利用荧光特征参数 Fs/Fo 无损监测叶片气孔导 度, 两者的关系可用双曲线函数拟合, 拟合效果很 好。田永超等[8]认为比值指数(R1650/R760)可较好监 测不同水氮条件下水稻叶片的气孔开闭特征。
Abstract: It plays a very important role for improving water use efficiency of crops and predicting crop yield and quality to monitor leaf stomatal conductance with real time, non-destructively and quantitatively by using canopy spectral characteristics. In the paper, the spectral reflectance, leaf stomatal conductance, LAI (leaf area index), leaf fresh and dry biomass of two rapeseed varieties were determined in a field experiment by split-plot design with the main plot of N levels and the subsidiary plot of cultivars, 3 replications, and plot area of 4.3 m by 7.0 m in 2007–2008. The changes in leaf stomatal conductance and the correlation between leaf stomatal conductance and spectral vegetation index were analyzed based on the vegetation index combined with spectral reflectance in all kinds of bands. The estimating models for spectral vegetation index of leaf stomatal conductance were established according to the relationship between spectral vegetation index and leaf stomatal conductance. The results showed that there were two peaks in changes carve of leaf stomatal conductance, and one peak in the changes curve of LAI, leaf fresh and dry biomass in the whole growth period. There existed significantly positive correlation between spectral vegetation index and leaf stomatal conductance or canopy leaf stomatal conductance before flowering, and the spectral vegetation index better fitted into canopy average stomatal conductance than into leaf stomatal conductance. The quantitative relationships between spectral vegetation index and canopy leaf stomatal conductance laid the foundation for rapid and non-destructive stomatal conductance estimates in a large area of rapes in future. Keywords: Rapeseed (Brassica napus L.); Stomatal conductance; Spectrum; Vegetation index; Correlation