1 陕西理工大学 机械工程学院, 陕西 汉中 723000
2 陕西省工业自动化重点实验室, 陕西 汉中 723000
为了探究干旱胁迫对茶树幼苗叶绿素荧光参数的影响, 选取龙井茶树幼苗进行干旱胁迫实验。利用叶绿素荧光成像技术提出斜率荧光指数SFI评估茶树幼苗干旱胁迫状况, 计算1~8天内同一时刻灰度均值的极差R, 以R的相对误差δ＜5%确定极差稳定的时间范围, 建立该区间内曲线上各点斜率变化与胁迫天数的相关模型。分析比较了斜率荧光指数SFI、动态荧光指数DFI、光合功能指数PFI、荧光衰减比率Rfd与胁迫天数之间的相关性。结果表明: Rfd和PFI与胁迫天数之间没有明显的相关性, SFI和DFI与胁迫天数之间有相关性。感兴趣区域ROI为50×50pixel时, SFI与干旱胁迫的天数之间的相关性(决定系数R2=0.94)明显高于DFI与胁迫天数之间的相关性(R2=0.60)。利用SFI评估茶树幼苗受干旱胁迫状况具有更高的准确率, 为现代农业中监测植物生长状况提供了参考。
叶绿素荧光成像 斜率荧光指数 荧光衰减比率 光合功能指数 动态荧光指数 chlorophyll fluorescence imaging technology slope fluorescence index fluorescence attenuation ratio dynamic fluorescence index photosynthetic function index
葡萄霜霉病对葡萄生产构成严重威胁, 尽早防治是治理霜霉病的关键。 为了对该病进行早期检测, 以PCR检测获取的霜霉病相对生物量作为霜霉病侵染的依据, 从暗适应-光适应-暗弛豫3个光合生理状态连续变化过程中, 采集80个人工接种霜霉菌叶片和80个健康对照叶片连续6 d的叶绿素荧光图像。 对比健康和接种叶片叶绿素荧光动力学曲线、 参数图像和参数值的差异, 使用单因素方差分析评估叶绿素荧光参数对霜霉病侵染的敏感性, 筛选叶绿素荧光参数最优特征子集, 使用机器学习分类器构建霜霉病早期检测模型。 结果表明, 随着接种后天数(day post inoculation, DPI)的增加, 霜霉病侵染程度不断加深, 健康和接种叶片叶绿素荧光动力学曲线、 参数图像和参数值从2DPI开始有显著差异(p<0.05), 霜霉病侵染导致叶片光化学猝灭速率减小(Rfd变小), 光合效率降低(Fv/Fm变小), 叶片活力和光保护能力衰退(NPQ和qN变小), 叶片吸收的光能更多以荧光的形式释放出来(Ft和Fm变大)。 基于序列前向浮动算法优选的叶绿素荧光参数特征子集(qN-L3, Rfd-L2, NPQ-L1和Fv/Fm-D1)和BP神经网络分类器的SFFS-BP模型对3DPI健康和接种叶片识别准确率为83.75%, 全实验周期连续6 d平均准确率达到85.94%。 可为葡萄霜霉病光合表型分析和早期检测提供一种快速、 准确的手段。
叶绿素荧光成像 葡萄霜霉病 病害检测 特征选择 Chlorophyll fluorescence imaging Plasmopara Viticola infection Disease detection Feature selection 光谱学与光谱分析
2022, 42(4): 1028
