作者单位
摘要
1 吉林大学生物与农业工程学院, 吉林 长春 130022
2 吉林大学植物科学学院, 吉林 长春 130022
温室蔬菜病害的发生及大面积流行严重影响设施农业的生产管理, 大大降低设施农业的经济效益。 为了实现温室蔬菜病害的无损准确预测, 以黄瓜霜霉病害为例, 利用激光诱导叶绿素荧光构建光谱特征指数, 建立了温室蔬菜病害的预测模型。 在试验中采用对比分析的方法, 通过对作物健康叶片接种病菌孢子, 分别采集健康、 接种2 d、 接种6 d和出现明显病症共4组试验样本的光谱曲线, 定性分析了荧光强度随叶片样本感染病菌孢子的变化规律; 利用光谱曲线不同波段峰谷值创建了叶绿素荧光光谱指数k1=F685/F512和k2=F734/F512, 根据数值的变化范围, 设定k1和k2分别为20和10时可以作为判断样本出现明显病症与未出现明显病症的特征值, 其判断的准确率分别达到96%和94%; 利用构建的光谱指数与样本健康状况的分类结果, 选择光谱指数F685/F512, F685-F734, F715/F612可以定性判断样本健康状况, 并选择光谱指数F685/F512, F734/F512, F685-F734, F715/F612作为建立定量分析模型的输入量, 以预测集分类准确率作为评价标准, 对比判别分析、 BP神经网络、 支持向量机三种数据建模方法, 结果表明支持向量机作为霜霉病害预测的建模方法, 其预测能力达到91.38%。 利用激光诱导叶绿素荧光构建光谱指数方法, 研究植物病害的预测问题, 具有很好的分类和鉴别效果。
光谱指数 病害预测 叶绿素荧光 支持向量机 Spectrum index Disease prediction Chlorophyll fluorescence Support vector machine 
光谱学与光谱分析
2016, 36(6): 1779

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!