马铃薯叶片光化学罗致与反射光谱分割关分裂成及检测（一）

马铃薯是马铃我国第 4 大主粮作物，其果然块茎的薯叶愿望发育与地上部植株光协浸染亲密相干，生养期存在“叶片光配合养制作 － 根茎营养斲丧 － 块茎营养积攒”三者相互增长与限度的片光重大心理生化关连。基于光系统Ⅱ( PhotosystemⅡ，化学PSⅡ) 的罗致裂成最大光能转化功能( Maximum photochemical efficiency， Fv /Fm) 、反射分割光化学猝灭系数( Photochemical quenching coefficient，光谱关分qP ) 、及检非光化学猝灭系数 ( Non- photochemical quenching coefficient，马铃qN) 等叶绿素荧光参数反映叶片对于光能的薯叶罗致与转化、能量的片光传递与调配以及反映中间状态，是化学调唆动物光协浸染能耐与性命精力的“外在性”探针。因此，罗致裂成快捷无损地检测动物叶绿素荧光参数是反射分割日后钻研的热门，也是光谱关分马铃薯作物光协浸染能耐评估、逆境心理响应等钻研的根基。

依据动物罗致短波长光发射荧光的 PSⅡ检测机理，敞开式叶绿素荧光成像丈量需对于采样叶片妨碍暗适应，施加饱以及脉冲光、丈量光以及光化光以精确探测作物荧光参数。而长期的暗解决、重大的光学探测历程限度了该方式在大田情景中的运用与高通量测试功能。因为叶绿素强罗致蓝光以及红光、强反射绿光这一特色，可见光 － 近红外( 382~1 019 nm) 反射光谱因收整方式重大以及测试功能高，被宽泛用于叶绿素含量诊断，并间接地反映作物潜在的光协浸染能耐。实际上，动物罗致的光以及实用辐射主要用于光协浸染，其余以热能的方式耗散概况以发射叶绿素荧光信号的方式监禁，其中发射的叶绿素荧光“薄弱”信号在650~800 nm 的红光及红边区域与动物反射光谱相叠加。因此，基于冠层反射光谱审核叶绿素荧光薄弱信号响应，并剖析动物 PSⅡ叶绿素荧光参数是妨碍大田作物光合能耐高通量检测的紧张偏差。

针对于 PSⅡ叶绿素荧光参数检测，学者关注于冠层反射光谱信号与作物光合能耐的分割关连响应以及荧光信号的提取，针对于小麦以及玉米等作物~相干钻研睁开了锐敏反射波段、植被指数以及红边位置参数的筛选与估算建模。ZARCO-TEJADA 等合成复叶槭冠层光谱导数反射率，发现动物荧光发射的 690~710 nm 反射光谱区泛起了双峰红边效应，表明高光谱数据可能探测叶绿素荧光。朱艳等发现小麦顶部 2 片叶片的叶绿素荧光参数与 520~680 nm 以及 750~850 nm 区域的光谱反射率以及由 550 nm 以及 750 nm 组成的差值植被指数( Difference vegetation index，DVI) 等呈晃动的相干关连。仇亚红等［20］证 明 Fv /Fm、qP、实际光化学功能( ΦPSⅡ) 等荧光参数与玉米高光谱数占无关性在 -0. 5 左右，红边位置参数( 700 nm) 是呈现光协浸染强弱的锐敏波段。

JIA 等用曲率指数( Curvature index，CUR) 、叶绿素导数指数 D705 /D72二、红边位置参数对于小麦单叶尺度以及冠层尺度的 Fv /Fm 妨碍检测。这些钻研表明，运用冠层反射光谱数据评估作物光协浸染能耐具备可行性，同时指出剖析反射光与 PSⅡ探针分割关连，清晰分割关连特色波长与植被指数是检测作物叶绿
素荧光参数的紧张。日后，针对于马铃薯这一高光相助物叶绿素荧光参数的检测尚有待深入睁开。因此，为评估马铃薯作物的光化学罗致活性，环抱表征捉拿光能用于光化学反映份额的 qP 参数，睁开基于反射高光谱
马铃薯叶片 qP 值检测钻研，剖析与马铃薯叶片光化学罗致细密分割关连的特色波长，建树 qP 值检测模子与可视化扩散图，为马铃薯作物光合活性评估及重大心理生化动态监测提供反对于。

1 资料与方式

1. 1 试验及数据解决流程

2019 年 10 月，在中国农业大学信息与电气工程学院温室作育马铃薯植株，试验钻研的马铃薯种类为大东洋。在马铃薯盛花期妨碍采样，该生养期马铃薯冠层茎叶愿望达到高峰，同时也是果然块茎膨大的紧张时期。试验中随机网络 50 片叶片，装入密封袋带回试验室测试数据并合成。

总体试验及数据解决流程如图 1 所示，网络数据包罗: 马铃薯叶片高光谱图像信息、叶绿素荧光参数; 数据合成包罗:样本集散漫、qP 值与反射光谱分割关分裂成、特色波长筛选、诊断建模以及建树可视化扩散图。

1. 2 马铃薯叶片高光谱图像信息网络

接管 Gaia 型高光谱成像系统( 四川双利合谱科技有限公司) 网络高光谱图像信息，光谱畛域 388~1 026 nm，分说率为 2. 8 nm。为消除了光照不屈均及摄像头存在暗电流等因素的影响，对于原始高光谱图像反射率妨碍玄色校对于，校对于后光谱图像反射率合计公式为

用软件ENVI5.1选取10像素×10像素矩形为感喜爱区域(Region of interest，RoI)，提取样本的光谱数据为RoI反射光谱的平均值。

1.3马铃薯叶片荧光参数测定

运用FluorCam敞开式叶绿素荧光成像系统(北京易科泰生态技术有限公司)丈量叶绿素荧光参数，系统由丈量光光源(610～620nm，红光)、光化学光光源(610～620nm，红光;470～480nm，蓝光)、饱以及光光源(470～480nm，蓝光)、隔板、合计机及操作软件等部件组成。网络时将妨碍暗解决30min的马铃薯叶片平放在暗适应操作箱内的隔板上，操作系统经由USB与合计机相连，并经由FluorCam7软件操作以及采会集成数据。在Protocols窗口配置激发光源强度以及不断光阴，本文运用MenuWizard中的QuenchingAct1模式;在Pre-processing窗口妨碍数据加载以及感喜爱区域的抉择，本钻研选取10像素×10像素的矩形区域为RoI，可能患上到抉择区域的荧光能源曲线;在Result窗口可能患上到qP值，最终取患上200个区域的qP值。

1.4数据解决方式

1.4.1样本集散漫

接管SPXY(SamplesetpartitioningbasedonjointX－Ydistance)算法散漫建模集以及验证集，样品间距离合计时同时思考光谱数据以及待合成变量，合计公式为

详尽散闲步骤如下:

(1)合计样本数据之间的距离，距离最大的两个样本作为最后入选定的样本。

(2)合计残余样本与入选样本之间的距离，对于每一个残余样本，与起始样本间的最短距离入选中。

(3)在每一个残余样本的最短距离入抉择最长距离所对于应的样本，作为下一个入抉择的样本，以此类推，直至所选样本数目达到设定个数。

1.4.2变量筛选

接管相干性合成法(Correlationanalysis，CA)合成叶片光化学罗致与反射光谱之间的分割关连关连，并运用散漫区间偏最小二乘法(Synergyintervalpartialleastsquares，si－PLS)以及随机蛙跳(Randomfrog，RF)两种算法妨碍qP值响应特色参数筛选。其中，si－PLS算法将获取的光谱曲线遵照等距分离漫为120个区间，对于散漫区间妨碍编号后妨碍回归合成，抉择交织验证均方根误差(Rootmeansquareerrorofcrossvalidation，RMSECV)最小的区间组相助为特色波长;RF算法与可逆跳跃马尔可夫链蒙特卡洛相似，模拟模子空间中呈稳态扩散的马尔可夫链掂量每一个变量所占的权重，即入抉择的可能性，变量对于模子越紧张入选中的多少率就越大。因此，对于所有变量的抉择多少率妨碍排序，抉择多少率较高的变量作为特色变量。本钻研配置迭代次数为500，叶绿素荧光参数特色波长抉择阈值为0.28。

1.4.3建模与评估方式

接管偏最小二乘回归(Partialleastsquaresregression，PLSR)建树马铃薯叶片叶绿素荧光参数qP检测模子并比照两种筛选算法，接管10倍交织验证算法判断主成份(Principlecomponents，PCs)个数，以RMSECV为规范选取最优主成份个数。运用建模集决定系数(Determinationcoefficientofcalibrationset，R2c)、建模集均方根误差(Rootmeansquareerrorofcalibration，RMSEC)、验证集决定系数
(Determinationcoefficientofvalidationset，R2v)、验证集均方根误差(Rootmeansquareerrorofvalidation，RMSEV) 评估模子。

上述数据解决运用 Matlab R2016b 软件实现。最后将高光谱图像中每一个像素点的反射率代入最优的检测模子中，运用 ENVI5. 1 软件对于其妨碍伪玄色解决即可建树马铃薯叶片 qP 值扩散图。

申明：本文所用图片、翰墨源头《农业机械学报》2020年12月，版权归原作者所有。如波及作品内容、版权等成果，请与本网分割

相干链接：马铃薯，叶绿素，样本，筛选