用定制的高光谱成像系统对大米叶的叶绿素量化进行最佳频段分析
Panuwat Pengphorm1,2, Sukrit Thongrom1,2, Chalongrat Daengngam1,2
1Division of Physical Science, Faculty of Science, Prince of Songkla University, Hat Yai 90110, Songkhla, Thailand.
Plants (Basel, Switzerland)
|January 23, 2024
概括
超光谱成像 (HSI) 使用最佳的绿色和近红外波段精确量化米叶叶绿素含量 (LCC). 这使得有针对性的管理能够提高作物产量和粮食安全.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 植物生理学 植物生理学
背景情况:
- 超光谱成像 (HSI) 提供非侵入性作物监测,以改善管理.
- 精确的叶子叶绿素含量 (LCC) 对于优化作物产量和粮食安全至关重要.
研究的目的:
- 开发一个定制的HSI系统用于定量LCC分析.
- 为了确定最优的波长,精确估计大米中的叶绿素.
- 评估已识别的波段和植被指数的有效性,以量化LCC.
主要方法:
- 使用定制的HSI系统收集了120个Chaew Khing大米叶样本的光谱反射率数据.
- 进行了用于校准和验证的分析LCC评估.
- 利用最佳频段分析和线性回归来识别显著波长.
- 评估各种植被指数 (VIs),包括GNDVI,用于LCC估计.
主要成果:
- 绿色 (575 ± 2 nm) 和近红外 (788 ± 2 nm) 波段与LCC的相关性最高.
- 绿色正常化差异植被指数 (GNDVI) 显示出最高可靠性 (R2=0.78,RMSE=2.4μg·cm−2).
- 在交叉验证中,确定的最佳频段在交叉验证中表现优于其他测试的VI.
结论:
- 该研究成功地确定了最佳波长,以使用HSI.
- 使用这两个频段的精简传感器可以实现实时监控.
- 这项技术支持有针对性的营养管理,有可能提高作物产量和粮食安全.
