论文部分内容阅读
激光诱导荧光光谱分析技术可以对植物的生理状态进行实时、快速、便捷、无损的监测,便于对作物的生理信息进行精准管理,实现农业的数字化。针对杨树生理健康系统以及荧光光谱分析应用于植物生理健康检测的研究现状,本文综合多学科的知识解决了一些基于叶绿素荧光光谱分析的杨树生理健康诊断的关键技术问题,为杨树的生理健康快速诊断技术的发展提供参考依据,主要的研究内容包括:①以室外栽培杨树为研究对象,采用红（660nm）、蓝（473nm）两种波长,2.5mW、5.0mW、7.5mW、10.0mW四种强度的激发光,对杨树叶片进行荧光光谱数据采集,分析不同波长不同激发光强度激发的荧光光谱特性,得出最佳激发光的波长和强度;②以室外栽培杨树为研究对象,以实验得出的最佳激发光为光源,研究不同的光谱预处理方法对光谱模型的影响情况;③以盆栽杨树苗为研究对象,在人工气候箱内进行气候因子实验,分别设定不同的温度梯度、光照时间、光照强度以及CO2浓度,分析出对杨树生理指标的影响以及对杨树叶绿素荧光光谱特性的影响,并建立预测模型;④以室外栽培杨树和盆栽杨树苗为研究对象,对两组实验对象分别进行氮肥以及水分实验,分析氮肥及水分实验对杨树生理指标的影响,得出光谱特性参数与氮肥以及水分的预测模型;⑤研究气候因子实验以及氮肥及水分实验的异常样品的剔除方法,并对剔除样品后的实验数据进行试验优化分析,得出杨树生理健康的诊断阈值,建立最优的杨树生理健康诊断预测模型;⑥利用Visual Basic面向对象语言,建立基于叶绿素荧光光谱分析的杨树诊断系统软件,包括光谱的文件管理模块、光谱预处理模块、实时信息控制模块、杨树生理健康诊断模块等。本文以激光为激发光源,直接照射于杨树叶片激发叶绿素荧光。结论如下:1)确定激光强度7.5mW的蓝光为本实验分析的最佳激发光;2)以室外栽培杨树为研究对象,确定得出荧光光谱的有效参数为SPAD值、Fv/Fm以及荧光光谱765nm与675nm波长的峰位强度比（F765/F675）,得出他们与PAR的拟合关系分别为:SPAD与光合有效辐射（PAR）的关系:y=8.94838x2+4.97337E-4x+65.05734（R2=0.70086,SD=2.9867）,Fv/Fm与PAR的关系:y=-4.41903E-7x2+4.97337E-4x+0.70771（R2=0.85672,SD=3.4325）,F765/F675与PAR的关系:y=-9.26192E-8x2+2.13452E-4x+0.4597（R2=0.80248,SD=2.1246）;3)以盆栽杨树苗为研究对象,对原始光谱、一阶和二阶微分光谱进行多元散射校正MSC和SNV处理后,得出对于杨树叶片的光谱预处理来说,一阶微分处理的RMSEC和RMSEP的值最小,这种方法最适合叶绿素荧光光谱预处理。4)以盆栽杨树苗为研究对象,确定了杨树生长最佳温度范围为25～30℃,温度与杨树叶片SPAD值的拟合方程为:y=0.48034x3-40.16107x2+1117.383x-10313（R2=0.78421,SD=1.29677）;光照时间与杨树叶片的SPAD值成正相关,光照度与SPAD值关系的拟合方程为:y = 3.4869x+14.97143（R2=0.90298,SD=3.55906）;杨树叶片光合作用有CO2浓度饱和点,超过该值,光合速率会下降,对杨树叶片的生长起到抑制的作用;5)以盆栽杨树苗为研究对象,建立杨树的施氮量与杨树荧光光谱F765/F675之间的关系模型:y=9.904x2-4.231x+1.487（R2=0.8012,SD=3.0153）;土壤含水率达到21.0%21.9%之间时,叶片含水率达到最大值。杨树的灌水量与叶片含水率的拟合曲线方程为:y =4.40406E-5x2 +4.40406E-5x +0.83693（R2=0.97499,SD=2.1352）;6)构建杨树生理健康诊断系统,实现对杨树光谱的在线采集、实时的光谱预处理、模型算法的选择、相关生理信息（水分含量、氮肥含量）的获取、杨树生理健康的诊断及针对当前杨树的生长状况的应对措施等功能,扩展分析了杨树荧光光谱应用于森林系统甚至植物生理健康状况诊断的可行性。