1 北华航天工业学院遥感信息工程学院, 河北 廊坊 065000
2 河北省航天遥感信息处理与应用协同创新中心, 河北 廊坊 065000
3 廊坊师范学院, 河北 廊坊 065000
4 贵州省农业科学院科技信息研究所, 贵州 贵阳 550006
5 北京农业信息技术研究中心, 北京 100097
作为一种仙人掌科植物, 火龙果植株无叶, 主要依靠肉质茎进行光合作用、 蒸腾作用等生理功能, 火龙果的肉质茎与常见绿叶类植物叶片在组织结构、 形态等方面存在明显差异, 且二者在植株冠层结构方面也存在明显差异, 该差异会直接影响植株冠层光谱特征, 进而影响基于与光谱技术的光合色素监测。 为探寻提升火龙果茎枝叶绿素含量估测精度的方法, 研究以贵州省罗甸县龙坪镇烟山火龙果种植基地为试验区, 先采集火龙果茎枝光谱及光谱测定部位的组织, 并采用乙醇萃取法测定此组织的叶绿素含量, 然后选用传统数学变换、 连续小波变换、 离散小波变换、 离散小波-微分变换方法分别处理分析光谱数据, 并采用相关性分析算法提取、 筛选敏感特征波段, 最后选用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型, 分析结果如下: （1）采用离散小波-微分变换算法, 高频信息与低频信息的峰、 谷交替依次呈现, 且可用信息分部具有较强的稳定性, 可用信息随尺度的增加, 曲线振幅加大、 频率降低。 （2）数学变换内的微分变换、 连续小波变换、 离散小波变换与离散小波-微分变换方法均能明显提升光谱对火龙果茎枝叶绿素含量的敏感性, 其中以离散小波-微分变换方法最优, 经处理后光谱与火龙果茎枝叶绿素含量的决定系数最高可达0.565（位于H1分解尺度737.5 nm处）。 （3）离散小波-微分变换最能有效提升光谱对火龙果茎枝叶绿素含量的估测能力, 并且基于离散小波-微分变换H2尺度构建的估测模型为最优模型, 其验证精度的R2=0.769, RMSE=0.040, RPD=1.739。 研究分析了四类光谱处理算法在提升光谱对火龙果茎枝叶绿素含量敏感性与估测能力方面的效果, 表明离散小波-微分变换算法能有效提升光谱对火龙果茎枝叶绿素含量的估测能力, 为火龙果茎枝叶绿素含量的无损估测提供了基础技术支撑。
火龙果 叶绿素含量 离散小波算法 高光谱 Hylocereus polyrhizu Hyperspectral Mathematical transformation Partial least squares
1 西南大学资源环境学院, 重庆 400716
2 贵州省农业科学院科技信息研究所, 贵州 贵阳 550006
3 北华航天工业学院, 河北 廊坊 065000
火龙果是近年来引进我国的营养价值高、 经济效益好的新型水果, 肉质茎枝是其主要光合器官, 与常见果树具有较大差异。 为探索以茎枝为光合作用器官的植被的光谱特征及其生化组分的估测方法, 以火龙果为研究对象, 在贵州省典型种植区罗甸县开展了4个氮肥梯度田间试验, 同步测定不同养分丰缺程度下的火龙果茎枝高光谱和相应叶绿素含量数据; 然后分析火龙果茎枝光谱数据的演化规律, 并采用数学变换、 连续小波变换算法并结合相关性分析算法处理分析火龙果茎枝光谱数据, 提取并筛选特征波段; 最后利用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型。 研究结果表明: (1)火龙果肉质茎枝的原始光谱曲线整体趋势与常见绿叶植物相似, 但随施氮量的增加, 火龙果近红外处的光谱反射率逐渐降低, 变化趋势与常见绿叶植物相反, 茎枝光谱的吸收峰(谷)随施氮量的增加呈升高(加深)的趋势。 (2)数学变换中的一阶微分与在L1—L5尺度内的连续小波变换能有效提升光谱对叶绿素含量的敏感性, 火龙果茎枝原始光谱与叶绿素含量的敏感区域主要位于730~1 400 nm, 数学变换与连续小波变换均能提升光谱对叶绿素含量的敏感性。 与常见绿叶植物相比, 火龙果茎枝敏感波段分布相对分散, 且多位于730 nm附近与近红外区域(1 100~1 600 nm)。 (3)数学变换和连续小波变换能明显提升光谱对火龙果茎枝叶绿素含量的估测能力, 其中基于一阶微分的估测模型与基于连续小波变换L1与L4的估测模型分别为数学变换与连续小波变换的最优模型, 其验证精度分别为$R_{verification}^{2}$=0.625, RMSE=0.048, RPD=1.238(一阶微分); $R_{verification}^{2}$=0.678, RMSE=0.037, RPD=1.652(连续小波变换); 表明高光谱技术可以作为火龙果茎枝叶绿素含量和营养诊断的无损监测手段。 该研究为完善不同植被类型基于高光谱指数的叶绿素反演提供了补充。
火龙果 叶绿素含量 高光谱 数学变换 偏最小二乘 Pitaya Chlorophyll content Hyperspectral Mathematical transformation Partial least squares 光谱学与光谱分析
2021, 41(11): 3538
1 贵州师范大学喀斯特研究院/地理与环境科学学院, 贵州 贵阳 550001
2 国家喀斯特石漠化防治工程技术研究中心, 贵州 贵阳 550001
快速、高效地区分并剔除火龙果地块间的杂草是提高火龙果单株提取精度的关键所在。通过四旋翼无人机平台获取高空间分辨率可见光波段的影像,分析火龙果植株和杂草R、G、B通道的光谱特征,根据其影像像元亮度值(DN值)构建相近颜色差异植被指数(CCVI),通过最大类方差(OTSU)阈值分割、Majority/Minority分析和聚类空洞填补,并与VDVI、EXG、NGRDI等可见光波段指数作对比研究。结果表明:1) 对于杂草覆盖度较高甚至杂草全覆盖火龙果的地块,CCVI提取效果较好,而其余3种指数在杂草与植株共生的地块中分类精度较低;2) 3个研究感兴趣区域(ROI)内样本的提取总体精度为94.60%,Kappa系数为0.9417,测试样本的提取总体精度和Kappa系数分别为94.33%、0.9328,经验证,对于不同区域内生活环境相似的植株的提取精度趋近一致。结果证实: CCVI能从杂草中辨别火龙果植株并提取单株,提取效果较好,该方法可与VDVI、EXG、NGRDI等指数互补应用。
遥感 无人机可见光影像 CCVI 火龙果识别 杂草辨别 阈值分割 聚类分析 激光与光电子学进展
2020, 57(14): 142801
1 华南农业大学电子工程学院, 广东 广州 510642
2 华南农业大学南方农业机械与装备关键技术教育部重点实验室, 广东 广州 510642
3 国家柑橘产业技术体系机械研究室, 广东 广州 510642
4 华南农业大学工程学院, 广东 广州 510642
应用可见/近红外光谱技术、 小波变换（WT）和连续投影算法（SPA）, 对火龙果总酸含量(TA)进行精确、 快速的无损检测, 为火龙果内部品质无损检测提供科学依据。 利用Maya2000光纤光谱仪采集380～1 099 nm范围的火龙果漫反射光谱数据, 通过WT消噪、 SPA优选波长和偏最小二乘回归（PLSR）分析方法, 建立了火龙果总酸的定量预测模型。 试验结果表明： 经过WT消噪联合SPA优选波长压缩光谱变量后建立的WT-SPA-PLSR模型, 预测精度都高于全谱PLSR模型。 由全部样本的原始光谱变量作为输入变量建立PLSR模型的预测相关系数（Rp）为0.851 394, 预测均方根误差（RMSEP）为0.086 848； 全部样本的原始光谱数据使用dbN（N=2, 3, …, 10）小波进行分解消噪, 其中消噪效果最优的是db4小波2层分解（db4-2）, WT-PLSR模型的Rp为0.915 635, RMSEP为0.066 752, 小波变换消噪后的光谱预测模型精度明显提高； 原始光谱经过db10-3小波消噪联合SPA算法, 从570个光谱变量中优选出530, 545, 604, 626, 648, 676, 685, 695, 730, 897, 972, 1 016 nm共12个变量作为输入变量, 建立WT-SPA-PLSR预测模型, 模型的RP为0.882 83, RMSEP为0.077 39。 SPA算法适合火龙果TA模型的光谱变量选择, 能够有效提取与总酸相关度高的波长变量, 增加了预测模型的精度和稳定性。 研究结果表明小波变换技术联合连续投影算法的漫反射近红外光谱无损检测火龙果总酸含量具有可行性。
可见/近红外光谱技术 无损检测 小波变换（WT） 连续投影算法(SPA) 火龙果 总酸(TA) Visible/near-infrared spectrometry Nondestructive examination Wavelet transform (WT) Successive projections algorithm (SPA) Pitaya Total acid content (TA) 光谱学与光谱分析
2016, 36(5): 1345
罗霞 1,2,3,*洪添胜 2,3,4罗阔 2,3,4代芬 1,2,3梅慧兰 2,3,4
1 华南农业大学电子工程学院, 广东 广州 510642
2 华南农业大学南方农业机械与装备关键技术教育部重点实验室, 广东 广州 510642
3 国家柑橘产业技术体系机械研究室, 广东 广州 510642
4 华南农业大学工程学院, 广东 广州 510642
利用高光谱技术对火龙果可溶性固形物含量(SSC)检测进行研究,为火龙果内部品质无损检测提供科学方法.以火龙果为研究对象,对光谱数据进行预处理,应用连续投影算法(SPA)进行特征变量的选择,通过偏最小二乘法(PLS)和前馈反向传播神经网络法(BPNN)建立预测模型,分析了火龙果果皮对SSC 模型预测精度的影响.实验结果表明：采用平滑去噪(MAS) 效果最优,PLS 模型的交叉验证相关系数(Rcv) 为0.8635,交叉验证均方根误差(RMSECV)为0.6791,可提高火龙果可溶性固形物模型精度；通过SPA 算法能够有效地对光谱数据进行降维处理,采用优选的15 个特征变量建立的BPNN 预测模型的预测相关系数(RP)为0.8411,预测均方根误差(RMSEP)为0.8171；果皮对建模结果会产生一定的影响,完整果PLS 模型的(RP)为0.8999,RMSEP 为0.7208；果肉PLS 模型的RP 为0.9304,RMSEP 为0.5291,果肉SSC 模型比完整果SSC 模型的预测能力略高.研究结果表明基于高光谱技术采集的火龙果漫反射光谱进行SSC 无损检测具有可行性.
光谱学 高光谱技术 无损检测 连续投影算法 模型 火龙果 可溶性固形物 激光与光电子学进展
2015, 52(8): 083002
1 集美大学生物工程学院, 福建 厦门 361021
2 福建省高校食品微生物与酶工程研究中心, 福建 厦门 361021
3 厦门市食品与生物工程技术研究中心, 福建 厦门 361021
以火龙果果皮干粉为原料, 就微波提取火龙果果皮红色素的工艺进行研究。结果表明, 果皮红色素的最大吸收峰波长是535 nm, 溶液呈鲜红色; 微波提取火龙果果皮红色素的最优条件为: 以50%乙醇为浸提剂, 微波功率为180 W, 提取时间为60 s, 最佳料液比为1∶60 g/mL。微波提取火龙果色素的效果明显优于常规的溶剂浸提法。当火龙果果皮红色素粗提物含量在40 mg/100 g果冻时, 果冻的感官评分最高。当色素含量为23 mg/100 mL时, 制作出来的调和酒与购买的调和酒颜色接近, 呈粉色。应用在果冻及调和酒里的火龙果果皮红色素都在无避光室温放置一个月后颜色消失。维生素C对于火龙果果皮红色素有防降解作用。该色素应低温避光保存。
火龙果 红色素 微波提取 应用 Pitaya red pigment microwave-assisted extraction application
采用不同剂量的60Co γ射线辐照火龙果枝条, 结果表明, 枝条的成活率随辐照剂量的增加而降低, 白肉火龙果枝条的适宜辐照范围为5 446.6~6 060.1 Rad, 红肉火龙果枝条的适宜辐照范围为4 444.1~4 981.7 Rad, 粉红火龙果枝条的适宜辐照范围为5 069.1~5 601.0 Rad; 辐照处理抑制了火龙果幼苗的生长, 且辐照剂量越大, 对火龙果幼苗的生长抑制作用越明显。采用不同浓度的EMS溶液处理火龙果嫩芽, 结果发现, 芽的成活率随EMS浓度增加和处理时间延长而逐渐减小, 适宜EMS诱变的浓度范围为0.34~0.41 mol/L; 随EMS浓度增加和处理时间的延长, 火龙果幼苗的高生长也明显受到抑制。
火龙果 60Co γ射线 半致死剂量 EMS处理 半致死浓度 pitaya 60Co γ irradiation median lethal dose (LD50) EMS treatment median lethal concentration
