为了探究马铃薯作物叶绿素吸收特征, 充分解析光谱特征波长变量, 建立高精度叶绿素含量检测模型。 在马铃薯发棵期(M1)、 块茎形成期(M2)、 块茎膨大期(M3)和淀粉积累期(M4)4 个关键生长期, 利用ASD便携式光谱仪采集80个样本区的314组作物冠层反射率数据, 并同步采集叶片测定叶绿素含量。 在光谱数据预处理之后, 分析了马铃薯不同生长期的光谱反射率变化特征。 利用基于模型集群思想的蒙特卡洛无信息变量消除(MC-UVE)、 随机蛙跳(RF)、 竞争自适应重加权采样(CARS)三种算法筛选叶绿素特征波长, 建立叶绿素含量检测PLS模型。 对4个生长期的314个样本, 采用SPXY算法分别按照3∶1的比例划分, 得到建模集240个样本、 验证集74个样本。 利用MC-UVE, RF, CARS三种算法筛选叶绿素特征波长, 讨论迭代次数(N)和特征变量个数(LV)对MC-UVE和RF算法、 迭代次数(N)对CARS算法筛选特征波长结果的影响, 对迭代次数设置6个梯度, 分别为N=50, 100, 500, 1 000, 5 000和10 000； 对特征变量数设置4个梯度, 分别为LV=15, 20, 25和30。 以PLSR模型的验证集结果为评价指标, 分析迭代次数(N)和特征变量数(LV)的最优参数组合。 最后基于MC-UVE, RF和CARS算法筛选得到的最佳特征波长建立叶绿素检测PLSR模型, 分别记为MC-UVE-PLSR, RF-PLSR, CARS-PLSR。 结果表明, CARS, RF和MC-UVE三种算法的迭代次数(N)、 特征变量数(LV)参数最佳组合分别为: (1)MC-UVE: 迭代次数N=50 特征变量数LV=30； (2)RF: 迭代次数N=500、 特征变量数LV=30； (3)CARS: 迭代次数N=100。 对比在最佳特征波长建立的MC-UVE-PLSR, RF-PLSR, CARS-PLSR叶绿素含量检测, 发现RF-PLSRRR模型的性能最优, R2v为0.786, RMSEV为3.415 mg·L-1； MC-UVE-PLS模型性能次之, R2v为0.696, RMSEV为4.072 mg·L-1； CARS-PLS模型的性能最差, R2v为0.689, RMSEV为4.183 mg·L-1。 以上结果说明: 在筛选马铃薯叶绿素特征波长方面RF算法优于MC-UVE和CARS, 得到的特征波长能够较全面地反映与马铃薯叶绿素相关的物质信息。

通过温室基质栽培, 利用ASD光谱仪和傅里叶光谱分析仪测量了四种营养水平下温室番茄冠层和叶片的光谱反射曲线, 并检测了对应叶片的水分含量、 叶绿素含量和氮含量, 分析了不同营养水平下番茄冠层和叶片的反射光谱变化, 并对番茄叶片含水量的敏感波长以及冠层反射光谱的红边波长进行了研究。 结果表明: 温室番茄冠层反射光谱曲线在可见光550 nm左右均有叶绿素的强反射峰, 近红外区反射率高于可见光区。 在同一生长期, 随基质营养水平的提高, 番茄冠层反射率在可见光波段不断减小, 在近红外波段不断增大, 且红边波长位置出现“红移”现象。 利用530和760 nm特征波长得到的归一化颜色指标NDCI与叶片氮含量有较好相关性, R2为0.751 1。

分析了在正常、 偏低、 偏高等不同施氮水平下, 玉米生长期冠层反射光谱与叶绿素含量的相关关系, 结果表明玉米叶绿素含量检测的敏感期为拔节期和喇叭口期。 正常施氮水平下玉米冠层光谱反射率与叶绿素含量相关关系高于其他施氮水平, 即r正常>r偏高>r偏低。 整个生长期由苗期开始二者相关系数绝对值满足先上升后下降, 于开花吐丝期达最低后回升的趋势, 其中玉米拔节期和灌浆期冠层反射光谱与叶绿素含量呈正相关。 选取558, 667, 714和912 nm, 分别对玉米拔节期和喇叭口期建立了MLR和PLSR检测模型, 经比较, 虽然PLSR模型复相关系数较MLR模型有所降低, 但模型鲁棒性得到增强。 分析拔节期和喇叭口期各种植被指数与叶绿素含量的相关关系, 表明DVI优于其他指数, 且拔节期DVI与叶绿素含量呈二项式相关, 喇叭口期二者呈指数相关。

在分析冬小麦生长期冠层反射光谱和叶绿素含量变化特征的基础上,对二者之间的相关性进行了研究。 表明从小麦拔节期开始,冠层反射光谱在可见光区(400-750 nm)的反射率先降低而后升高,以孕穗期反射率最低;在近红外区(750-1000 nm)冠层反射率由拔节期至孕穗期反射率降低,然后开始上升。 扬花期上升至最高点后又开始下降,直至乳熟期降至最低。 冬小麦冠层反射率与叶绿素含量相关分析结果表明,冬小麦拔节期和孕穗期二者呈正相关,扬花期二者呈负相关;整个生长期中,孕穗期可见光区552 nm处反射率与叶绿素含量相关系数最大达0.89。 依据冬小麦生长期冠层反射光谱红边拐点位置, 分别建立了拔节期叶绿素含量线性检测模型(R2=0.92)和孕穗期二项式模型(R2=0.91),用于冬小麦叶绿素含量的无损检测是可行的。