感知和分类大米 (Oryza sativa L.) 干旱压力水平,基于叶绿素光

科学领域:

• 植物生理学 植物生理学
• 农业科学 农业科学
• 生物物理学的生物物理.

背景情况:

• 精确感知干旱压力对于保持作物产量和农业生产率至关重要.
• 叶绿素光度 (ChlF) 参数,包括Fv/Fm,诱导特征和OJIP诱导曲线,为植物对压力的生理反应提供了洞察力.
• 开发强大的干旱压力对大米的分类方法对于及时的农业干预是必不可少的.

研究的目的:

• 用叶绿素光数据对大米干旱压力水平进行分类.
• 为了比较支持向量机 (SVM) 与K-近邻 (KNN) 和集成模型的分类性能.
• 为了评估不同ChlF数据输入 (Fv/Fm,感应特征,感应曲线) 对于干旱应激分类的有效性.

主要方法:

• 使用的支持矢量机 (SVM) 用于对大米的干旱压力水平进行分类.
• 使用的叶绿素a光度 (ChlF) 参数:Fv/Fm,感应特征,以及完整的OJIP感应曲线.
• 将SVM性能与K-近邻 (KNN) 和Ensemble模型进行比较.

主要成果:

• 与KNN和Ensemble模型相比,SVM在分类大米干旱压力水平方面表现出更高的准确性.
• 使用感应曲线作为输入 (86.7%) 的分类准确性明显优于使用Fv/Fm (43.9%) 和感应特征 (72.7%).
• 感应曲线包含大量的生理信息,对于精确的压力评估至关重要.

结论:

• 支持矢量机 (SVM) 模型,特别是带有感应曲线数据的模型,提供了一个非常准确的方法来分类大米干旱压力.
• 叶绿素光诱导曲线是植物应激表型化信息的丰富来源.
• 这项研究提供了一种有价值的基于ChlF的方法,用于评估和管理大米种植的干旱压力.