在CO2下小麦叶的高光谱特征和SPAD估计微漏压力
Liuya Zhang1, Debao Yuan1, Yuqing Fan1
1College of Geoscience and Surveying Engineering, China University of Mining and Technology (Beijing), Beijing 100083, China.
Sensors (Basel, Switzerland)
|August 10, 2024
概括
这项研究开发了一种超光谱方法,用于在CO2微泄漏压力下监测冬季小麦的叶绿素含量. 多重线性回归模型准确估计了叶绿素,使动态作物压力监测成为可能.
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:
- 二氧化碳 (CO2) 微泄漏会影响作物健康和产量.
- 精确的,非破坏性的植物压力监测对于精准农业至关重要.
- 叶绿素含量是植物光合作用能力和压力水平的关键指标.
研究的目的:
- 开发一种快速,非破坏性的方法,在CO2微泄漏压力下监测冬季小麦的叶绿素含量.
- 为了确定叶绿素含量和光谱带之间的定量关系.
- 确定最佳的超光谱模型,以在不同的二氧化碳泄漏率下估计小麦SPAD值.
主要方法:
- 在不同CO2微泄漏率 (0,1,3,5L/分钟) 的冬季小麦中进行了实地实验.
- 采集和处理小麦树冠的高光谱数据使用分数差异化.
- 多重线性回归 (MLR) 和部分最小平方回归 (PLSR) 模型是使用选定的光谱带 (SPA) 构建的.
主要成果:
- 二氧化碳微泄漏导致冬季小麦叶子的光谱变化,包括绿色峰的红色变化和红边的蓝色变化.
- 较高的二氧化碳泄漏率 (5L/分钟) 对小麦叶子的影响更为明显,而较低的泄漏率则更为明显.
- MLR模型显示出比PLSR更高的精度,最好的模型实现了高达0.928的验证设置R2值,显著超过原始光谱分析.
结论:
- 超光谱数据的微分差处理增强了在二氧化碳压力下的冬季小麦中叶绿素含量的估计.
- 开发的MLR模型为动态监测作物中二氧化碳微泄漏压力的有效工具.
- 这种方法支持在农业环境中早期发现和管理环境压力.
