引言

葉綠素是植物體進(jìn)行光合作用?進(jìn)行第一性生產(chǎn)的重要物質(zhì),葉綠素含量能間接反映植物的生長狀況與光合作用能力;同時,葉片中葉綠素含量及其分布與植物的營養(yǎng)缺素狀況密切相關(guān),因此,植物葉片中葉綠素含量及分布可作為評判植物營養(yǎng)生理狀態(tài)的一個重要指標(biāo)?常規(guī)的葉綠素測定方法是分光光度計法,但該方法步驟繁瑣,費(fèi)時費(fèi)力?

近年來,便攜式葉綠素儀和遙感技術(shù)在葉綠素含量的檢測上得到越來越多的關(guān)注?盡管這些方法與傳統(tǒng)的葉綠素檢測方法相比具有顯著優(yōu)勢,但也表現(xiàn)出一定的缺陷?高光譜成像技術(shù)集光譜分析和圖像處理于一身,現(xiàn)已在軍事?醫(yī)藥和精細(xì)農(nóng)業(yè)領(lǐng)域得到了廣泛的應(yīng)用?由于高光譜成像技術(shù)是光譜分析技術(shù)和圖像處理技術(shù)在技術(shù)層面上的融合技術(shù),基于這兩種技術(shù)的優(yōu)勢,高光譜成像技術(shù)不僅能研究對象的內(nèi)部成分含量,還可對其分布進(jìn)行可視化分析?本研究以茶樹為研究對象,采集茶樹葉片高光譜圖像數(shù)據(jù),提取相應(yīng)的光譜特征變量,并與常規(guī)方法檢測得到的葉綠素含量相關(guān)聯(lián),建立茶樹葉片葉綠素含量預(yù)測模型;最后通過模型估計出葉片上任意像素下的葉綠素含量,通過偽彩手段描述葉片上葉綠素的分布狀況,以便于從圖像角度更直觀分析茶樹營養(yǎng)狀況?

數(shù)據(jù)采集

高光譜圖像數(shù)據(jù)是基于光譜儀的高光譜圖像系統(tǒng)采集得到的?試驗數(shù)據(jù)采集過程中,將茶樹葉片平鋪在白色底板的輸送臺上進(jìn)行高光譜圖像采集?設(shè)定高光譜系統(tǒng)攝相機(jī)曝光時間為50ms,輸送裝置的速度為1.25mm·s-1?試驗采用的高光譜攝像頭的圖像分辨率為400×1280,光譜范圍是408~1117nm,采樣間隔為0.67nm?

圖1

2.1 高光譜圖像標(biāo)定

由于光源的強(qiáng)度分布不均勻及暗電流噪音的存在,造成在光源強(qiáng)度分布較弱的波段下獲得的圖像含有較大的噪音?

因此,需要對所獲得的高光譜圖像進(jìn)行黑白標(biāo)定?在與樣品采集相同的系統(tǒng)條件下,掃描標(biāo)準(zhǔn)白色校正板得到全白的標(biāo)定圖像W,關(guān)閉相機(jī)快門進(jìn)行圖像采集得到全黑的標(biāo)定圖像B,完成高光譜圖像的標(biāo)定,使采集得到的絕對圖像I變成相對圖像R。

2.2 數(shù)據(jù)計算

表1列出波段比植被指數(shù)(RVI)?歸一化植被指數(shù)(ND-VI)?重規(guī)一化植被指數(shù)(RDVI)?葉綠素吸收比指數(shù)(CARI)?二次土壤調(diào)節(jié)植被指數(shù)(MSAVI2)?三角植被指數(shù)(TVI)和四點(diǎn)線性內(nèi)插法(FPI)等七種不同的高光譜圖像數(shù)據(jù)處理算法?本研究通過這七種算法分別提取相應(yīng)的特征參數(shù),并與葉綠素參考測量結(jié)果進(jìn)行擬合建立葉綠素含量的回歸模型?試驗以葉綠素含量參考測量值與模型預(yù)測值之間的相關(guān)系數(shù)(R,如式(2))和均方根誤差(RMSE,如式(3))作為評價各種方法的有效指標(biāo)?

表1

數(shù)據(jù)分析

3.1 高光譜圖像信息選擇

針對每個樣本的高光譜圖像,為了避開茶樹葉片的主脈,在主葉脈的一側(cè)選取一個50*100像素的矩形作為感興趣區(qū)域ROI,如圖2(a)所示?然后再計算該ROI內(nèi)的平均光譜,如圖2(b)所示?從圖2(b)可以看出在450nm以下和850nm以上光譜值超過檢測器的范圍存在能量溢出,并且呈現(xiàn)一定的噪音?另外,葉綠素的吸收光譜主要集中在400~700nm范圍內(nèi)?綜上所述,本研究截取450~850nm范圍內(nèi)的平均光譜進(jìn)行下一步分析?2.2葉綠素含量參考測定結(jié)果葉綠素含量的測定與高光譜圖像的同步采集?采用紫外分光光度計測量法?表2列出了葉綠素含量均值?范圍和標(biāo)準(zhǔn)偏差?

圖2

表2

3.2 預(yù)測模型建立及比較

在葉綠素含量預(yù)測模型建立前,首先通過RVI,FPI和MSAVI2等七種算法分別提取相應(yīng)的特征參數(shù),再與葉綠素參考測量結(jié)果進(jìn)行擬合建立葉綠素含量的回歸模型?擬合模型的方程及其校正和預(yù)測的結(jié)果如表3所示?綜合比較模型預(yù)測集中相關(guān)系數(shù)(R)與最小均方根誤差RMSE?從表3可以看出,MSAVI2模型預(yù)測集中R值最高,RMSE值最低;同時,該模型校正和預(yù)測的結(jié)果較為接近,因此MSAVI2模型不僅預(yù)測精度高,且穩(wěn)定性好?因此MSAVI2模型作為本試驗的最佳模型被用來估計葉綠素含量?

表3

3.3 葉綠素含量分布

預(yù)測試驗提取茶樹葉片高光譜三維數(shù)枯塊中任意像素下的光譜信息,將其代入MSAVI2模型估算出該像素的葉綠素含量值?計算出茶樹葉片中每個像素下的葉綠素含量,不同葉綠素含量利用不同的色澤加以描述,以形成一張偽彩圖片如圖3所示?從圖3,葉綠素較均勻的分布在葉脈兩側(cè),葉脈中葉綠素含量低于葉肉中葉綠素含量?葉片首端葉綠素含量高于末端葉綠素含量?由于茶樹葉片本身葉脈較為細(xì)密,且表面含有蠟質(zhì)層,再加高光譜圖像本身分辨率等問題,因此該偽彩圖片僅能區(qū)分出其主葉脈分布情況?另外,葉片邊緣藍(lán)紫色部分并不僅僅是葉綠素含量的真實(shí)估計,其主要是由葉片邊緣起伏造成光反射不均等原因所致?從總體上看,根據(jù)MSAVI2預(yù)測模型可以較為準(zhǔn)確地估算出葉片表面葉綠素的分布情況?葉片上葉綠素含量的分布研究可以為進(jìn)一步為分析植物的營養(yǎng)信息服務(wù)?

圖3

結(jié)論

利用高光譜圖像采集系統(tǒng)獲取茶樹葉片樣本的高光譜圖像信息,選擇指定區(qū)域并提取指定區(qū)域內(nèi)的平均光譜信息?通過RVI?FPI和MSAVI2等7種算法分別提取相應(yīng)的特征參數(shù),進(jìn)而同樣本所對應(yīng)的葉綠素濃度建立擬合模型并比較結(jié)果?建模結(jié)果表明,MSAVI2預(yù)測模型結(jié)果最好?利用MSAVI2預(yù)測模型計算出茶樹葉片每一像素點(diǎn)下的葉綠素濃度并畫出葉綠素含量分布圖?為進(jìn)一步利用圖像處理判斷植物的營養(yǎng)素信息提供參考依據(jù)。

歡迎關(guān)注公眾號：萊森光學(xué)，了解更多光譜知識。

萊森光學(xué)（深圳）有限公司是一家提供光機(jī)電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯黃宇