叶绿素荧光参数Fv/Fm是探究逆境胁迫对植物光合作用影响的重要指标, 已有研究表明植被指数与Fv/Fm线性相关, 但直接将植被指数与Fv/Fm拟合存在精度不足的问题。 为实现对该参数的准确预测, 本文以茄子为研究对象, 提出一种基于可见-近红外光谱的Fv/Fm预测方法。 试验获取不同生长状态茄子叶片的可见-近红外光谱数据和荧光参数, 使用蒙特卡洛采样法（MCS）去除明显异常样本, 采取3种光谱预处理方法及5种特征波长选择算法进行光谱数据处理, 并建立偏最小二乘回归（PLSR）模型进行方法评估。 基于提取出的最优特征波长组合, 分析误差反传（BP）神经网络、 径向基函数（RBF）神经网络、 极限学习机（ELM）及回归型支持向量机（SVR）共4种机器学习算法对Fv/Fm预测模型精度的影响, 从而确定基于最优方法组合的叶绿素荧光参数Fv/Fm预测方法。 结果表明: 茄子叶片光谱反射率随Fv/Fm的增加呈明显下降趋势, 表明利用光谱信息反演Fv/Fm的可行性。 基于393组试验样本, 使用多元散射校正（MSC）、 标准正态变量变换（SNV）进行光谱预处理, 以竞争性自适应重加权采样法结合连续投影法（CARS+SPA）进行特征波长筛选的效果最优。 其中, MSC-CARS-SPA-PLSR和SNV-CARS-SPA-PLSR的测试集决定系数分别为0.896 1和0.881 2, 均方根误差为0.011 8和0.012 6, 两者精度皆高于全光谱数据对应的PLSR模型; 同时, 两方法提出的特征波长个数均为12个, 仅占全光谱波长个数（1 358）的0.88%。 该结果表明以上两种方法有效提取出了对模型预测有利的少量波长。 基于上述波长建立机器学习模型, 发现SVR建模效果最优。 以SNV-CARS-SPA-SVR的预测精度最高, 其测试集决定系数为0.911 7, 均方根误差为0.010 8。 综上, SNV-CARS-SPA-SVR建模方法提高了模型精度, 有效降低了模型复杂度, 为基于可见-近红外光谱的Fv/Fm准确预测提供了实现方法。 该方法可应用于作物生长状态的快速、 无损检测, 为农情预警提供有效手段。

三角褐指藻是生产生物柴油的优势藻种, 监测其光合和生长参数是利用它们生产生物柴油的关键环节。本研究通过细胞计数对细胞生长量进行监测, 利用多激发波长调制叶绿素荧光仪(Multicolor PAM)、NanoDrop紫外分光光度计与荧光分光光度计分别检测叶绿素荧光参数、培养基中硝酸盐含量、细胞叶绿素荧光强度与中性脂相对含量。结果显示细胞密度与叶绿素荧光强度只有在生长期才具有线性关系, 达到稳定期后, 叶绿素荧光强度显著性下降, 此时与细胞密度不成比例; PSII 最大光化学量子效率Fv/Fm与叶绿素荧光值比生长速率呈正相关, 在整个培养阶段Fv/Fm的变化趋势呈现两次上升与下降的过程; 光化学淬灭系数qL在培养过程中呈上升趋势, 而相对电子传递速率rETR与实际光合效率Y(II)均呈现先升后降的趋势; 培养基中硝酸盐含量消耗到一定程度后保持恒定, 不再降低; 细胞中性脂相对含量在藻细胞接种1天后稍下降, 随后持续上升, 并在培养基硝酸盐含量不再下降后继续增加。本研究中光合与生长参数测量得到的相关数据, 以及培养基硝酸盐含量和细胞中性脂相对含量测量方法的建立, 可以为三角褐指藻实验室培养及其代谢产物积累的研究提供必要的研究基础与检测手段。

为探讨He-Ne激光对紫外线-B(UV-B)辐射损伤修复途径，采用He-Ne激光辐照(5 mW·mm-2)进行照射，对增强UV-B(13.08 kJ·m-2·d-1)辐射下水稻幼苗的叶绿素含量、核酮糖-1，5-二磷酸羧化酶/加氧酶(rubisco)亚基含量及反映植物光系统II(PSII)的荧光参数值进行测定。结果表明，经UV-B处理后，水稻叶片中的叶绿素含量、rubisco亚基含量及荧光参数值(除qN以外)低于对照组(CK)，差异显著(P<0.05)，其中荧光参数Fv/Fm对环境胁迫反映最为敏感；而单独He-Ne激光(L)处理组均高于对照组(CK)，差异不显著(P>0.05)；经He-Ne激光和UV-B复合组(BL)均高于UV-B处理组，低于对照组，差异显著(P<0.05)；说明UV-B辐射对水稻幼苗的光合系统有损伤作用，而一定剂量的He-Ne激光可以提高水稻的光合能力，表明He-Ne激光对增强UV-B辐射造成的损伤具有一定修复作用。