基于高光谱数据的橡胶树叶片氮素含量估算模型研究

分别采用光谱指数法和偏最小二乘法(PLS)构建了橡胶树叶片氮素含量高光谱估算模型。结果表明,光谱指数模型中,基于NDSI(R1025,R736)建立的二次多项式模型最佳,调整R2达到0.792。基于不同Savitzky-Golay(SG)平滑模式预处理结果建立的PLS模型,估算精度差异明显,最优的SG平滑模式为零阶导数、53点平滑点数、二次多项式。利用测试集对光谱指数模型和PLS模型进行验证,结果显示,均方根误差RMSE分别为1.772和1.432 g/kg,相对分析误差RPD分别为2.598和3.215,平均相对误差ARE分别为5.189%和4.057%,PLS模型具有较高的估算精度。

橡胶树叶片钾素含量高光谱估算模型研究

【目的】文章尝试建立橡胶树叶片钾素含量高光谱估算模型。【方法】基于涵盖2个品种和6个割龄的橡胶树叶片钾素含量和光谱反射率,分别采用偏最小二乘法(PLS)和偏最小二乘-支持向量机(PLS-SVM)构建了橡胶树叶片钾素含量高光谱估算模型。采用多元散射校正(MSC)、标准正态变换(SNV)、SG平滑(SG)、一阶导数(FD)和二阶导数(SD)等预处理方法或方法组合对叶片原始光谱反射率进行预处理,通过筛选得到最佳预处理模式为SNV+SG+FD的组合方法,其中,SG平滑点数为7,多项式次数为1或2。【结果】利用验证集对PLS模型和PLS-SVM模型进行验证,结果显示,决定系数R^2分别为0.843和0.868,均方根误差RMSE分别为1.331和1.162 g/kg,相对分析误差RPD分别为2.414和2.764。【结论】2种模型均具有良好的估算效果,PLS-SVM模型具有更高的估算精度。

海南农垦橡胶树叶片钙镁含量年际变化分析

对15年来海南农垦主产区橡胶树叶片钙镁养分含量年际变化进行分析,发现在所采集的叶片样本中镁素养分含量整体偏低,约有45%的样本低于正常指标值下限;钙素养分含量大部分高于正常指标上限,但仍有部分样本低于正常指标值。从近5年的变化趋势来看,钙镁养分呈现逐年降低,这可能与橡胶树专用肥中选用的磷肥原料品种有关。

橡胶树叶片转化酶提取方法的比较

比较液氮研磨样品与蛋白抽提液研磨样品对6种提取橡胶树叶片转化酶方法的效果。结果表明:液氮研磨法对转化酶活性影响很大,特别是中性/碱性转化酶和细胞壁结合的酸性转化酶已基本失活,而可溶性酸性转化酶活性丧失也比较严重。利用蛋白抽提液研磨样品,用Hepes-NaOH法提取的可溶性转化酶的酶活性最高,达472.44μmol(glucose)/[g(FW).h];虽然磷酸-柠檬酸法获得的粗酶液的蛋白含量较低,但其酶活性高达441.61μmol(glucose)/[g(FW).h];Tris-HCl法提取的细胞壁结合酸性转化酶的酶活性最高,达35.83μmol(glucose)/[g(FW).h]。从转化酶的比活力看,磷酸-柠檬酸法最佳,所提取的可溶性转化酶比活力约为Hepes-NaOH法的4倍。本研究结果为进一步完善橡胶树叶片转化酶的提取方法提供重要的指导意义。

橡胶树叶片氮素光谱模型的研究

橡胶树叶片氮含量作为橡胶树营养状态的一个重要量化指标,实时、快速且准确地检测橡胶树叶片氮含量对于橡胶树营养诊断、实施变量施肥具有重要意义。本文使用美国ASD光谱仪采集橡胶树叶片光谱,通过随机选点、氮含量梯度选点以及主成分网格选点,以反射光谱、吸光度光谱、反射率导数光谱以及吸光度导数作为光谱信息,与其对应的橡胶树叶片氮素含量建立PLSR模型。结果表明,采用主成分网格选点建立的反射率导数以及吸光度导数光谱模型具有较好的相关性和预测能力,相关系数分别达到0.9599、0.9492,RMSEP仅0.0978、0.1061,所建立的PLSR模型可以达到无损、快速地预测橡胶树叶片氮含量的目的。

橡胶树叶片镁素含量高光谱估算

镁素与橡胶树生长和产胶密切相关,快速、准确测定橡胶树叶片镁素含量,对橡胶树叶片镁素营养状况评价和实施配方施肥具有重要意义。本研究采集多区域、多品种、多割龄的橡胶树成熟鲜叶,旨在获得涵盖缺、正常、丰富等不同镁素含量等级的叶片样品,利用FieldSpec4和化学方法同步获取叶片样品的光谱反射率和镁含量数据,对光谱反射率进行噪声波段去除和重采样后,采用Kennard-Stone(KS)算法将样本集划分为校正集和验证集。对叶片光谱反射率进行Savitzky-Golay(SG)微分变换,基于全波段的不同变换模式下的微分光谱与镁含量数据,采用偏最小二乘法(PLS)及留一交叉验证方法建模,通过筛选,得到最佳微分变换模式为:微分阶数为2,滤波窗口大小为71,多项式次数为2或3。通过PLS回归系数特征波长优选得到23个最佳微分光谱特征变量,基于最佳微分光谱特征变量和镁含量数据,采用PLS方法建立了橡胶树叶片镁素含量高光谱估算模型。结果表明,相比原始光谱反射率,基于微分光谱特征变量构建的模型预测效果明显提升,R2从0.666提升到0.805,RMSE从0.475 g/kg减小到0.372 g/kg,RPD从1.739提升到2.217。SG微分光谱变换和PLS回归系数特征波长优选能够明显提升模型估算精度,RPD位于2.0~2.5之间,模型估算能力良好。

基于AE-FFNN神经网络的橡胶树叶片磷含量定性研究

磷元素对橡胶树的生长发育至关重要,基于近红外光谱的橡胶树氮磷钾元素含量的快速无损检测已有很多研究,但磷元素含量的检测效果远不如氮钾。基于近红外高光谱技术结合非线性特征提取方法和建模算法实现橡胶树磷元素含量的快速无损检测。以橡胶树叶片的近红外高光谱数据为分析对象,运用神经网络非线性变换的特征提取思想,构建了一种融合自编码器与前馈神经网络(autoencoder-feedforward neural network,AE-FFNN)模型。通过自编码器提取橡胶树叶片的光谱非线性特征信息,运用前馈神经网络进行建模,应对不同精细程度的分类任务,从而实现橡胶树叶片磷含量的定性分析。结果表明,AE-FFNN模型有效提取了光谱非线性特征并压缩了特征数量,通过该方法提取的特征为31个,且定性分析模型精确度提升,能够达到91.10%。相较于在光谱检测领域广泛采用的机器学习模型,所建立的AE-FFNN模型性能有较大提升。该模型既可以应用于橡胶树叶片磷元素含量的定性分析,也可为磷元素含量的定量研究提供思路。

应用间隔随机蛙结合连续投影算法检测橡胶树叶片氮含量

研究了基于可见/近红外光谱技术的橡胶树叶片氮含量无损检测方法。总共采集了176个橡胶树叶片样本,以350~2 500 nm的可见/近红外数据作为试验数据。首先,采用一种新颖的间隔随机蛙(iRF)算法选择交互验证均方根误差(RMSECV)最小的波长间隔组合;然后,采用连续投影算法(SPA)进一步选择特征波长;最后,将选出的特征波长作为输入变量,建立偏最小二乘法(PLS)模型。研究结果表明:通过两步策略进行波长选择,iRF算法粗选,从全光谱2 151个变量中筛选出714个,再采用SPA算法细选,从714个变量中进一步筛选出20个最优变量,降低了信息冗余,变量数减少了99.07%。建立的简化模型结果校正均方根误差(RMSEC)、校正相关系数(Rc)、预测均方根误差(RMSEP)、预测相关系数(Rp)分别为0.091 3%、0.956 5、0.123 8%和0.901 8,比PLS、间隔偏最小二乘法(iPLS)、iRF算法和SPA有更低的均方根误差和更高的相关系数。因此,iRF-SPA可以作为一种策略的波长选择方法用于检测橡胶树叶片氮含量。

不同寄主多主棒孢对橡胶树叶片组织防御酶活性的影响

以分离自4种寄主的5株多主棒孢菌株接种橡胶树叶片,均得到成功侵染。并按时间顺序测定了来自不同寄主的多主棒孢侵染橡胶树叶片后,细胞防御系统相关的4种酶活性的变化。结果表明,接种来自不同寄主的多主棒孢后,对橡胶树叶片4种防御酶活性的影响不同。其中分离自橡胶树的HCCGD01和HCCHN42两个菌株侵染后,橡胶树叶片组织4种防御酶活性变化最大,均有明显增强;来自木薯的MaCCGD02侵染橡胶树叶片后,酶活性变化次之;分离自番木瓜的CpCCYN01和黄瓜的PaCCSD04多主棒孢菌株侵染后,除PAL外,β-1,3-葡聚糖酶、POD、PPO活性变化很小。

基于近红外光谱技术的成年橡胶树叶片氮素含量检测

为了快速并无损地检测成年橡胶树叶片的氮素含量,使用近红外光谱检测技术获取叶片的光谱数据,采用多元散射校正(MSC)对光谱数据预处理后,使用SPA(连续投影算法)提取光谱数据的有效波长,PCA(主成分分析法)提取光谱数据主成分,然后分别将提取的光谱数据特征值输入到线性回归模型PLS(偏最小二乘回归)、非线性回归模型BPNN(BP神经网络)和LSSVM(最小二乘支持向量机)中,得到6个现有主流模型:PCA-BPNN、PCA-PLS、PCA-LSSVM、SPA-BPNN、SPA-PLS和SPA-LSSVM。用这6个模型去预测实验样本数据,经比较发现SPA-LSSVM模型对于该组实验样本的预测效果最好,其预测相关系数Rp和预测残差均方根RMSEP分别为0.9253和0.1190。因此对于成年橡胶树氮素含量的光谱快速检测,SPA-LSSVM算法模型的性能更为突出,有较好的应用潜力。

基于PCA-Kmeans聚类法的橡胶树叶片氮含量的近红外高光谱诊断模型研究

为了快速地和无损地检测橡胶树的氮素含量,本研究利用GaiaField光谱仪来采集橡胶树叶片的高光谱数据,并通过PCA提取橡胶树叶片的高光谱数据的空间信息,同时以Kmeans聚类算法为基础,根据空间信息将每个橡胶叶片的像素光谱依次聚类为C(1≤C≤6)个类别,然后依次平均每一个类中所有簇的数据,每个叶片得到21个聚类平均光谱.分别以21组聚类平均光谱、随机点平均光谱、感兴趣区域平均光谱和原始平均光谱为基础,通过偏最小二乘算法(Partial Least Square,PLS)建立了橡胶树氮素的光谱检测模型.聚类结果表明,随着K值的增大,叶片区域的区分越精细,可区分出叶边缘、叶肉、侧叶脉和主叶脉区域.相比于随机点平均光谱、感兴趣区域平均光谱和原始平均光谱所建立的诊断模型,以聚类平均光谱建立的模型更有能力获得更好的预测能力.且以类别2簇1对应的叶肉区域的聚类平均光谱所建立的模型表现最佳,其决定系数R^2=0.957,均方根误差RMSE=0.1398,表明研究橡胶树叶片高光谱数据的氮含量敏感聚类区域,能有效提高光谱诊断模型的预测精度,实现橡胶树叶片氮素含量的快速无损检测.由此认为,基于PCA-Kmeans空间-光谱特征的光谱诊断模型的预测精度能满足橡胶树氮素含量的检测要求,可为橡胶林精细化管理和精确施肥提供技术支持.