1 兰州城市学院信息工程学院, 甘肃 兰州 730070
2 中国农业大学“现代精细农业系统集成研究”教育部重点实验室, 北京 100083
3 广西大学电气工程学院, 广西 南宁 530004
为了快速、 准确估测番茄叶片叶绿素含量, 利用光谱分析技术研究了玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及其估测模型。 番茄以基质方式栽培, 在结果期使用ASD FieldSpecTM HH型便携式光谱辐射仪采集叶片光谱, 并采用752型紫外-可见分光光度计测定其叶绿素含量。 从原始光谱、 吸光度光谱、 一阶微分光谱、 去除包络线光谱出发, 进行光谱预处理, 分析了净化图谱信息、 突出作物叶绿素含量光谱特征的有效性。 其中, 吸光度光谱在可见光部分增强了光谱响应特征, 去除包络线光谱和一阶微分光谱均具有较强的蓝光、 红光吸收谷和绿光反射峰。 又结合波段间自相关分析和多重共线性诊断提取了番茄叶绿素含量敏感光谱波段, 原始光谱特征波段为639, 672, 696, 750, 768 nm; 吸光度光谱特征波段为638, 663, 750, 763 nm; 去包络线光谱特征波段为436, 564, 591, 612, 635, 683, 760 nm; 一阶微分光谱特征波段为516, 559, 778 nm。 最后, 应用4种预处理下的番茄叶绿素含量敏感光谱波段分别建立多元线性回归模型, 模型精度由高至低分别为去包络线、 吸光度、 原始、 一阶微分, 其中去包络线模型校正集决定系数R2c为0.88, 验证集决定系数R2v达到0.82, 具有较好的预测能力。
番茄 光谱 敏感波段 叶绿素 Tomato Spectrum Sensitive bands Chlorophyll
“现代精细农业系统集成研究”教育部重点实验室, 中国农业大学, 北京100083
为了提高基于近红外光谱的温室番茄叶绿素含量预测精度, 采用小波变换消除光谱中的随机噪声。 但是在去噪的同时, 也会降低有效信息量。 因此, 引入平滑指数(SI)和时移指数(TSI)对去噪效果进行量化, 以控制变换尺度, 获得最佳变换效果。 实验表明TSI<0.01且SI>0.1004时, 在去噪的同时, 也能保留反映生化参量的特征峰, 从而实现自适应小波去噪。 通过小波变换反射率与叶绿素含量的相关分析, 提取了反映叶绿素含量变化的特征波段, 使用偏最小二乘法建立了叶绿素含量预测模型, 结果表明使用384, 405, 436, 554, 675和693 nm处的吸光度建立的模型, 预测系数Rc达到0.892 6, 验证系数Rv达到0.829 7, 可以作为温室番茄营养状态快速诊断的技术基础。
温室番茄 光谱分析 小波变换 叶绿素 Greenhouse tomato Spectral analysis Wavelet transform Chlorophyll 光谱学与光谱分析
2011, 31(11): 2936