小麦是我国的主要粮食作物, 在国民经济发展中具有举足轻重的地位。 然而, 盐与物理损伤等非生物胁迫, 逐渐成为制约小麦产量和品质的重要因素。 研究表明, 细胞壁是植物细胞直接抵御逆境胁迫的重要防线。 盐胁迫下, 细胞渗透压增大, 质膜的透性会受到一定程度的影响。 为了维持细胞的形态和结构, 植物细胞壁中的果胶等多糖物质会发生不同程度的转化和改变。 物理损伤, 会加深植物细胞膜脂过氧化的程度, 使膜通透性增大, 导致营养物质的流失和降解。 受到损伤的部位及其周边细胞还会发生栓化以阻塞病菌的侵入。 构成植物细胞壁主要成分且能够反映细胞壁以及膜系统完整性和透过性的果胶, 可以作为研究胁迫下植物内部物质响应规律的重要指标。 目前, 质量法、 比色法、 液相色谱法等常用的果胶检测方法操作繁琐、 实时性不强且对样本损耗较大。 亟需一种操作简便、 检测速度快、 无损的检测方法。 将烟农0428小麦作为研究对象, 采用水培方式, 以向培养液中施加氯化钠(NaCl)溶液和对小麦第一片叶主脉两侧针刺分别模拟盐胁迫和昆虫叮咬造成的物理损伤, 并完成小麦叶片果胶及高光谱信息的采集与处理。 利用相关分析法筛选光谱敏感波段, 将主成分回归(PCR)、 偏最小二乘法(PLS)、 逐步多元线性回归(SMLR)三种建模方法分别与多元散射校正(MSC)、 标准正态变换(SNV)、 一阶导数(FD)、 卷积平滑(S-G)、 Norris导数滤波(NDF)等预处理技术相结合, 建立果胶含量反演模型。 最终, 选定PLS+SNV+FD+NDF方法建立的模型为最优模型, 并对其性能进行了测试。 结果表明: 果胶含量的预测值与实测值一致性较高, 拟合系数(R²)和均方根误差(RMSE)分别为0.997 6和0.35; 预测值重复性较好, 相对标准偏差(RSD)为1.2%。 该研究以新方法实现小麦果胶的高精度、 快速、 无损检测, 有助于小麦响应逆境胁迫机理的深入探索, 并为大田作物胁迫程度预测及种植环境的精准管控提供参考。

大气中的颗粒物不仅影响人类生活, 还影响植物的光合作用、 生长发育和产量品质。 实现了颗粒物污染环境的人工模拟, 并对采收期的小白菜、 生菜、 小油菜三种叶菜进行颗粒物作用试验, 获取叶片的光合生理信息和高光谱数据, 基于高光谱技术和植物表型分析叶菜对颗粒物的响应机理, 研究叶菜的光合特性和光谱特征对颗粒物污染的响应情况。 结果表明: 以颗粒物作为唯一差别条件下, 三种叶菜叶片的高光谱曲线整体趋势相同, 在可见光波段内试验组反射率增加最大, 红边位置发生蓝移, 小油菜对颗粒物的作用最敏感, 小白菜吸附颗粒物的能力最强。 分别比较三种叶菜的净光合速率与叶片原始光谱、 一阶导数光谱的相关性, 利用相关分析法提取三种叶菜的敏感波段, 用原始光谱、 FD、 MSC和相关分析法提取特征波长; 比较10个高光谱特征参数及4个植被指数与净光合速率的相关系数, 选出敏感光谱特征参数和植被指数, 即生菜的Dr, SDr, SDr/SDb和SDr/Sdy, 小白菜的SDr, Dy, NIRRP, (SDr-SDy)/(SDr+SDy)以及小油菜的λr, SDy, (SDr-SDy)/(SDr+SDy)。 用ln对数运算、 多项式函数以及几种组合方法建立三种叶菜叶片的净光合速率定量反演模型, 其中, 预处理方法采用SG, FD, SD和MSC, 建模方法采用CLS, PLS, PCR和SMLR。 以相关系数为模型评价指标, 最终确定FD+SG+PLS方法是建立生菜和小白菜净光合速率反演模型的最优方法, FD+SG+MSC+SMLR方法是建立小油菜净光合速率反演模型的最优方法。 所建模型可为今后颗粒物污染环境下的模型修正提供参考, 具有实用性。 研究结果为利用高光谱技术研究叶菜类蔬菜在颗粒物污染环境下的诊断与分析提供理论依据, 为设施农业蔬菜的病害预警、 生理信息监测、 设施环境的净化和管控提供新思路。

生理信息的准确获取及预测可为种植的精细化管理提供依据。 传统的大豆生理信息反演方法检测效率低、 操作过程繁琐且多为有损检测。 利用高光谱技术建立大豆生理信息的快速无损反演方法。 以大豆开花结荚期叶片为研究对象, 在2个日期(D1和D2)获取高光谱、 叶绿素含量、 净光合速率和光合有效辐射数据。 首先分别采用多元散射校正(MSC)、 标准正态变量变换(SNV)、 一阶导数(FD)、 二阶导数(SD)、 Savitzky-Golay平滑(SG)、 MSC-SG-FD、 MSC-SG-SD、 SNV-SG-FD和SNV-SG-SD共9种方法对原始光谱数据进行预处理, 随后结合偏最小二乘法(PLS)建立全波段模型, 比较分析, 选出最优预处理方法。 再分别利用竞争性自适应权重取样法(CARS)、 连续投影法(SPA)和相关系数法(CC)对特征波长进行筛选提取。 最后将优选出的预处理方法与特征波长变量进行PLS建模并对比分析, 以校正集和预测集相关系数R_c和R_p为模型评价指标, 最终优选出与大豆生理信息相关性最高的反演模型。 结果表明: 采用MSC-SG-FD预处理后建立的叶绿素含量全波段PLS模型的Rc和Rp最高, 分别为0.909和0.882(D1), 0.909和0.880(D2), 采用SNV-SG-FD预处理后建立的光能利用率全波段PLS模型的R_c和R_p最高, 分别为0.913和0.894, 0.902和0.869, 与原始及其他预处理后建立的模型相比表现出最高的模型性能特征。 进一步对比3种特征波长提取方法的建模, 发现SPA法筛选出的变量能将叶绿素含量反演模型的建模变量数由512个压缩至20个(D1)和23个(D2), 变量压缩率高达96.09%和95.51%, 同时能将光能利用率反演模型的建模变量数压缩至27个和37个, 变量压缩率高达94.73%和92.77%。 最终得出反演叶绿素含量的最优建模方法为MSC-SG-FD-SPA-PLS, R_c值为0.944(D1)和0.941(D2), R_p值为0.911和0.903, 反演光能利用率的最优建模方法为SNV-SG-FD-SPA-PLS, R_c值为0.929(D1)和0.925(D2), R_p值为0.912和0.907, 所建模型精度较高, 可为大面积检测大豆生理信息提供技术支持。