[1]舒田,黎瑞君,陈智虎,等.佛手瓜叶片光谱特征与SPAD值估算模型研究[J].江苏农业科学,2023,51(9):222-227.
　Shu Tian,et al.Study on spectral characteristics and SPAD value estimation model of chayote leaves[J].Jiangsu Agricultural Sciences,2023,51(9):222-227.
点击复制

佛手瓜叶片光谱特征与SPAD值估算模型研究()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第51卷
期数:
2023年第9期
页码:
222-227
栏目:
农业工程与信息技术
出版日期:
2023-05-05

文章信息/Info

Title:
Study on spectral characteristics and SPAD value estimation model of chayote leaves
作者:
舒田; 黎瑞君; 陈智虎; 孙长青; 刘春艳; 许元红
贵州省农业科技信息研究所，贵州贵阳 550006
Author(s):
Shu Tian; et al
关键词:
佛手瓜; 光谱特征; 高光谱; SPAD值; 估算模型
Keywords:
-
分类号:
S127
DOI:
-
文献标志码:
A
摘要:
构建佛手瓜叶片叶绿素含量估算模型，为实现高光谱技术监测佛手瓜叶片叶绿素含量变化提供参考依据。利用SPAD-502 PLUS叶绿素仪同步测定佛手瓜叶片的SPAD值，以Field Spec 3地物光谱仪采集佛手瓜叶片光谱数据。对原始光谱去噪处理后经一阶微分变换、倒数对数变换和倒数对数的一阶微分变换提取其特征波段，然后利用红边及绿峰位置构建了SPAD值的预测模型，并采用决定系数(R2)、均方根误差(RMSE)和相对误差(RE)对模型进行精度评价。结果表明，在400~1 000 nm波长范围内，佛手瓜叶片光谱特征在可见光区的绿峰波段反射率在22%左右，在近红外区形成高反射率，达到56%左右。通过对原始光谱曲线进行一阶微分变换、倒数对数变换和倒数对数的一阶微分数学变换后，提取出佛手瓜叶片的特征波长分别有520、550、640、650、670、680、700 nm。以单一红边位置与佛手瓜SPAD值建立的模型，r2为0.814 2，以此模型进行SPAD值预测，得到预测值与实测值的决定系数r2为 0.833 7，RMSE为2.83，RE为4.36%；以红边与绿峰位置和佛手瓜SPAD值建立的模型，r2为0.824 7，同样以该模型进行SPAD值预测，得到的预测值与实测值的决定系数r2为0.885，RMSE为2.16，RE为3.43%。构建的红边及绿峰位置的回归预测模型对预测佛手瓜叶片SPAD值是可行的，为佛手瓜生产精准调控、产量评估和科学管理提供必要技术支撑。
Abstract:
-

参考文献/References:

［1］Fu A Z，Wang Q，Mu J L，et al. Combined genomic，transcriptomic，and metabolomic analyses provide insights into chayote (Sechium edule) evolution and fruit development［J］. Horticulture Research，2021，8：35.
［2］朱鑫彤，赵文，周茜，等. 佛手瓜采后保鲜及加工的研究进展［J］. 食品研究与开发，2021，42(2)：214-219.
［3］Jain J R，Timsina B，Satyan K B，et al. A comparative assessment of morphological and molecular diversity among Sechium edule (Jacq.) Sw.accessions in India［J］. 3 Biotech，2017，7(2)：106.
［4］Verma V K，Pandey A，Jha A K，et al. Genetic characterization of chayote［Sechium edule (Jacq.) Swartz.］landraces of North Eastern Hills of India and conservation measure［J］. Physiology and Molecular Biology of Plants，2017，23(4)：911-924.
［5］方慧，宋海燕，曹芳，等. 油菜叶片的光谱特征与叶绿素含量之间的关系研究［J］. 光谱学与光谱分析，2007，27(9)：1731-1734.
［6］徐新刚，赵春江，王纪华，等. 新型光谱曲线特征参数与水稻叶绿素含量间的关系研究［J］. 光谱学与光谱分析，2011，31(1)：188-191.
［7］李哲，张飞，陈丽华，等. 光谱指数的植物叶片叶绿素含量估算模型［J］. 光谱学与光谱分析，2018，38(5)：1533-1539.
［8］Cui B，Zhao Q J，Huang W J，et al. Leaf chlorophyll content retrieval of wheat by simulated RapidEye，Sentinel-2 and EnMAP data［J］. Journal of Integrative Agriculture，2019，18(6)：1230-1245.
［9］陈澜，常庆瑞，高一帆，等. 猕猴桃叶片叶绿素含量高光谱估算模型研究［J］. 西北农林科技大学学报(自然科学版)，2020，48(6)：79-89，98.
［10］丁希斌，刘飞，张初，等. 基于高光谱成像技术的油菜叶片SPAD值检测［J］. 光谱学与光谱分析，2015，35(2)：486-491.
［12］滕利荣，孟庆繁. 生物学基础实验教程［M］. 北京：科学出版社，2008.
［13］徐彩平，刘霞，陈宇炜. 浮游植物叶绿素a浓度测定方法的比较研究［J］. 生态与农村环境学报，2013，29(4)：438-442.
［14］薛香，吴玉娥. 小麦叶片叶绿素含量测定及其与SPAD值的关系［J］. 湖北农业科学，2010，49(11)：2701-2702，2751.
［15］赵小敏，孙小香，王芳东，等. 水稻高光谱遥感监测研究综述［J］. 江西农业大学学报，2019，41(1)：1-12.
［16］浦瑞良，宫鹏. 高光谱遥感及其应用［M］. 北京：高等教育出版社，2000.
［17］舒田，陈智虎，刘春艳，等. 水果病虫害高光谱遥感应用研究进展［J］. 江苏农业科学，2022，50(20)：19-29.
［18］孙玉婷，杨红云，孙爱珍，等. 水稻叶片SPAD值的高光谱估算模型［J］. 南方农业学报，2020，51(5)：1062-1069.
［19］梁爽，赵庚星，朱西存.苹果树叶片叶绿素含量高光谱估测模型研究［J］. 光谱学与光谱分析，2012，32(5)：1367-1370.
［20］王克晓，周蕊，李波，等. 基于高光谱的油菜叶片SPAD值估测模型比较［J］. 福建农业学报，2021，36(11)：1272-1279.
［21］李媛媛，常庆瑞，刘秀英，等. 基于高光谱和BP神经网络的玉米叶片SPAD值遥感估算［J］. 农业工程学报，2016，32(16)：135-142.
［22］章曼，常庆瑞，张晓华，等. 不同施肥条件下水稻冠层光谱特征与叶绿素含量的相关性［J］. 西北农业学报，2015，24(11)：49-56.
［23］雷祥祥，赵静，刘厚诚，等. 基于PROSPECT模型的蔬菜叶片叶绿素含量和SPAD值反演［J］. 光谱学与光谱分析，2019，39(10)：3256-3260.
［24］郭晶晶，于海业，刘爽，等. 生菜叶片绿度的高光谱判别方法研究［J］. 光谱学与光谱分析，2022，42(8)：2557-2564.
［25］Donnelly A，Yu R，Rehberg C，et al. Leaf chlorophyll estimates of temperate deciduous shrubs during autumn senescence using a SPAD-502 meter and calibration with extracted chlorophyll［J］. Annals of Forest Science，2020，77(2)：30.
［26］王纪华，赵春江，黄文江，等. 农业定量遥感基础与应用［M］. 北京：科学出版社，2008.
［27］黄文江. 作物病害遥感监测机理与应用［M］. 北京：中国农业科学技术出版社，2009.
［28］赵春江. 农业遥感研究与应用进展［J］. 农业机械学报，2014，45(12)：277-293.
［29］花宇辉，高志强. 秋玉米SPAD值的光谱估算模型研究［J］. 作物杂志，2019(5)：173-179.
［30］王芳东，严志雁，赵小敏，等. 油茶叶片叶绿素含量高光谱估测的偏最小二乘模型参数选择［J］. 江西农业大学学报，2022，44(1)：86-96.
［31］刘爽，于海业，张郡赫，等. 基于最优光谱指数的大豆叶片叶绿素含量反演模型研究［J］. 光谱学与光谱分析，2021，41(6)：1912-1919.
［32］于跃，于海业，李晓凯，等. 优化光谱指数建立水稻叶片SPAD的高光谱反演模型［J］. 光谱学与光谱分析，2022，42(4)：1092-1097.
［33］郭松，常庆瑞，崔小涛，等. 基于光谱变换与SPA-SVR的玉米SPAD值高光谱估测［J］. 东北农业大学学报，2021，52(8)：79-88.
［34］何桂芳，吴见，彭建，等. 基于高光谱的石楠叶片叶绿素含量估算模型［J］. 西北林学院学报，2022，37(1)：25-32，59.
［35］吴文强，常庆瑞，陈涛，等. 基于PCA-BP神经网络算法桃树叶片SPAD值高光谱估算［J］. 西北林学院学报，2019，34(5)：134-140，224.

相似文献/References:

[1]陈振,隋学艳,梁守真,等.拔节期夏玉米洪涝胁迫下叶绿素含量和高光谱特征变化[J].江苏农业科学,2017,45(02):69.
　Chen Zhen,et al.Changes of chlorophyll contents and spectral characteristics of summer corn under waterlogging stress at jointing stage[J].Jiangsu Agricultural Sciences,2017,45(9):69.
[2]王有宁,覃燕,刘牛,等.HJ-1星CCD数据多次分类反演夏收作物油菜与小麦的空间分布[J].江苏农业科学,2017,45(04):163.
　Wang Youning,et al.Spatial distribution of summer harvesting crops rape and wheat based on multiple classification inversion of HJ-1 CCD data[J].Jiangsu Agricultural Sciences,2017,45(9):163.
[3]吴秋菊,刘延,舒清态.云南高原特色农业烟草高光谱参数与多种生理生化指标的关系[J].江苏农业科学,2018,46(07):230.
　Wu Qiuju,et al.Relationship between high spectral parameters and physiological and biochemical indices of tobacco leaves at plateau characteristic agriculture region in Yunnan Province[J].Jiangsu Agricultural Sciences,2018,46(9):230.
[4]尤慧,刘凯文,李鑫川,等.渍害胁迫对油菜叶片光谱的影响及识别指标研究[J].江苏农业科学,2019,47(16):71.
　You Hui,et al.Study on influence of waterlogging stress on leaf spectra of oilseed rape and its identification indices[J].Jiangsu Agricultural Sciences,2019,47(9):71.

备注/Memo

备注/Memo:
收稿日期：2023-01-13
基金项目：贵州省科技支撑计划(编号：黔科合支撑［2021］一般211号)；贵州省科学技术基金项目(编号：黔科合基础-ZK［2021］一般130号)。
作者简介：舒田(1981—)，男，湖南邵阳人，博士，副研究员，从事GIS与农业遥感、农业信息技术研究。E-mail：378074794@qq.com。
通信作者：黎瑞君，硕士，助理研究员，主要从事农业信息技术研究。E-mail：635905436@qq.com。
更新日期/Last Update: 2023-05-05