苹果树冠层不同光照区域叶绿素荧光性状计算方法

2016-06-05马晓丹郭彩玲刘国杰

光谱学与光谱分析 2016年12期

马晓丹、郭彩玲、张雪、刘刚*、刘国杰、宗泽

1. 黑龙江八一农垦大学信息技术学院、黑龙江大庆 163319 2. 中国农业大学现代精细农业系统集成研究教育部重点实验室、北京 100083 3. 中国农业大学农学与生物技术学院、北京 100083

马晓丹1，2、郭彩玲2、张雪2、刘刚2*、刘国杰3、宗泽2

植物冠层内光照分布决定了植物物理过程与生态环境之间的交互关系、是植物冠层叶绿素荧光动力学研究的重要基础。光谱技术在构建植株冠层组分含量的预测模型中发挥了重要的作用、而针对自由纺锤形苹果树冠层不同光照区域的叶绿素荧光性状研究文献报道较少。因此、以自由纺锤形苹果树为研究对象、将苹果树冠层空间划分为5层、每层划分为边长50 cm的立方体网格、并测定各个网格空间的光照强度、确定其光照分布情况。以此为基础、获取不同光照区域的光谱数据及对应叶绿素荧光性状参数值、通过光谱一阶微分去除系统误差干扰、确定红边区域(660～760 nm)的一阶微分光谱曲线、利用BP神经网络建立红光范围(680～760 nm)内一阶微分光谱最大值与叶绿素荧光性状参数关系模型、创新性地提出了苹果树冠层不同光照区域的叶绿素荧光性状计算方法。并采用决定系数、均方根误差、平均绝对百分比误差等对模型进行有效性评价、试验结果表明：该叶绿素荧光计算方法的计算精度均在80%以上、研究成果可为苹果树的整形修剪、获取充足光照分布提供理论依据。

苹果树冠层；不同光照区域；光谱；叶绿素荧光性状；预测

引言

光照是影响植物光合作用的重要因素之一。适度遮荫对光合作用具有促进作用[1]。张显川[2]、欧毅[3]研究了果树冠层不同部位的光合能力、证明了果树冠层平均光合速率及净光合速率受到冠层不同区域光照强度的影响。

植物叶绿素荧光与光合作用的关系十分紧密[4-6]、通常情况下、叶绿素荧光与光合速率呈现负关联关系[7-8]。上述研究表明、冠层不同区域的叶绿素荧光性状往往随着光照强度的变化而变化、为本文开展不同光照区域叶绿素荧光性状计算方法研究提供了理论基础。

光谱技术在植株冠层组分含量研究中发挥了重要的作用[9-12]、但针对果树冠层不同光照区域叶绿素荧光性状的研究文献较少。因此、本文以自由纺锤形苹果树为研究对象、构建基于光谱特性的叶绿素荧光性状预测模型、旨在快速、准确分析冠层不同光照区域的光合能力、为苹果树冠层整形修剪、获取最佳光照分布提供依据。

1 实验部分

1.1 冠层空间相对光照强度获取

课题前期工作中、已经完成了对于苹果树冠层不同光照区域的相对光照强度计算、以3棵处理样本为例、其不同光照区域的体积分布如图1所示。

图1 不同光照分区的体积比例

图2 叶绿素荧光性状随相对光照强度的变化趋势

从图1可以看出、3棵苹果树冠层处理样本的光照分区体积在0%～30%光照分区中比例分布最小、在60%～85%及85%～100%的光照分区中比例分布较大。所呈现的结果与果树学领域关于自由纺锤形苹果树冠层内部的光照分布描述较一致。

1.2 冠层不同光照区域叶绿素荧光性状分析

测定苹果树冠层不同光照区域的光化学效率φPSⅡ、潜在最大光化学量子效率Fv/Fm及表观光合量子传递效率性状参数ETR。

图2为处理A、处理B及处理C的φPSⅡ、Fv/Fm及ETR随冠层不同相对光照强度的变化趋势图。从图中可以看出、φPSⅡ值随着苹果树冠层内相对光照强度的减弱呈现出上升趋势；在相对光照强度为60%～85%的冠层区域内、Fv/Fm值较高、相对光照强度大于85%冠层区域的Fv/Fm值与之差异不大、而其他区域Fv/Fm值则随着相对光照强度的降低而呈现下降趋势； ETR值变化趋势与Fv/Fm值的变化趋势相近、即60%～85%光区中的ETR值高于其他光照区域、0%～30%光照区域中的ETR值达到最低。

2 冠层不同光照区域光谱分析

2.1 光谱反射率获取

采用便携式地物光谱仪(FieldSpec HandHeld 2)、获取苹果树冠层不同光照区域叶片光谱数据。为保证光谱测量的准确性、试验选择在晴朗无云且无风的环境下进行、传感器视场角为25°、测量时光学输入端距离冠层叶片30 cm、保证与叶片垂直。

选择上述样本处理A、处理B及处理C为训练样本、随机选择一棵自由纺锤形苹果树作为预测样本。在每一个光照层次中、分别随机选择3个区域、每个区域测量3次、每次记录5个点、每测完一个光照区域就进行一次标准白板校正。

图3 处理样本的光谱反射率

在三个处理样本的不同光照区域中、始终是30%～60%光照区域的光谱反射率最高、而小于30%光照区域的光谱反射率最低、对于60%～85%光照区域及大于85%光照区域、处理A及处理C始终保持一致、即60%～85%区域的光谱反射率高出大于85%光照区域反射率、而处理B的情况正好相反、分析其原因是由于测量过程中的随机误差所致。为了更好地表征不同光照区域的光谱特性、将此三个处理样本做平均值处理、得到如图3(d)所示的苹果树冠层不同光照区域的光谱反射率。

2.2 光谱反射率一阶微分处理及分析

光谱数据采集过程中、由于外界环境的影响、不可避免地会产生误差、光谱一阶微分能够有效地消除系统误差、突显光谱曲线细微变化特征、分辨重叠光谱、有利于提取可识别的光谱吸收峰参数。

利用光谱数据分析软件ViewSpecPro 6.0、求解上述处理样本平均光谱反射率的一阶微分、得到660～760 nm范围的一阶微分光谱曲线如图4所示。

从图4可以看出、不同光照区域的红边波长位置及一阶微分光谱的最大值均有所差异。表1列出了处理样本A、B，C以及三者平均处理后的红边波长及其对应的一阶微分光谱最大值。从表中数据可以看出：处理样本A的红边波长位置变化规律不明显、但处理样本B与处理样本C的红边位置变化呈现递增趋势、样本平均处理后的红边波长均值呈现递增趋势。表1中统计了红边幅值、即红光范围(680～760 nm)内一阶微分光谱的最大值、并将其与苹果树冠层不同光照区域的叶绿素荧光性状值进行相关性分析、构建基于光谱特性的叶绿素荧光性状预测模型。

表1 处理样本不同相对光照强度下的红边波长及一阶微分光谱最大值

3 叶绿素荧光性状计算方法

为分析苹果树冠层不同光照区域下的光谱特性与叶绿素荧光性状的相关性、选择简单线性函数模型、对数函数模型、多项式模型等五种估测模型进行初步测试、最终分析得到：光谱一阶微分与对应相对光照强度之间呈现多项式关系。可见、光谱一阶微分与叶绿素荧光性状之间具有较好的相关性。

为了能够更为精确地表示二者关系、建立BP神经网络、将冠层不同光照强度下的光谱一阶微分作为输入量、叶绿素荧光参数作为输出量。网络输入节点数为1、输出节点数为1、根据Kolmogorov定理[13]、确定隐含层节点数为9、网络拓扑结构为1-9-1型。

将模型预测值与实测值进行一元线性回归分析、得到φPSⅡ、Fv/Fm与ETR的预测值与实际值的拟合关系如图5所示。

为进一步验证模型的精确度及有效性、采用预测值与实际值间的决定系数R2、均方根误差RMSE(root mean square error)、平均绝对百分比误差MAPE(mean absolute percentage error)、平均预测误差MFE(mean forecast error)指标评价该预测模型的性能[14-15]。

图5 叶绿素荧光性状预测值与实际值拟合

Fig.5 Fitting between predicted values and actual values for characters of chlorophyll fluorescence

表2中列出了模型的评价指标值、可以看出、通过BP神经网络预测得到的叶绿素荧光性状值与实际值之间具有较好的相关性、且模型精度均在80%以上、达到了较好的预测精度、能够作为有效的苹果树冠层不同光照区域叶绿素荧光性状的计算方法。

表2 模型评价指标

4 结论

光照强度影响苹果树光合能力、苹果树冠层不同光照区域的光谱反射率一阶微分最大值随光照强度不同发生了相应变化、因此将光谱一阶微分最大值与对应区域的叶绿素荧光性状参数作为预测模型的输入及输出、采用多项式回归模型分析二者的相关性、利用BP神经网络构建了基于光谱特性的叶绿素荧光性状计算方法。并对模型的有效性进行评价、光化学效率、潜在最大光化学量子效率及表观光合量子传递效率的模型精度分别为87.462%、86.498%和81.367%。该方法可为羊果树整形修剪、改善栽培措施、提高果实的产量和品质等提供理论依据。

[1] SHI Cheng-yan,JIANG Hong,WANG Ke(施成艳,江洪,王可). Remote Sensing Information(遥感信息),2012,27(4): 96.

[2] ZHANG Xian-chuan,GAO Zhao-quan,SHU Xian-yu,et al(张显川,高照全,舒先迂,等). Acta Horticalturae Sinica(园艺学报),2005,32(6): 975.

[3] OU Yi,WANG Jin,WANG Yu-xian,et al(欧毅,王进,王玉霞,等). Journal of Southwest Agricultural University(西南农业大学学报·自然科学版),2005,27(1): 69.

[4] REN Shun,YU Hai-ye,ZHOU Li-na(任顺,于海业,周丽娜). Transactions of the Chinese Society for Agricultural Machinery(农业机械学报),2015,46(4): 273.

[5] CHENG Zhan-hui,LIU Liang-yun(程占慧,刘良云). Journal of Remote Sensing(遥感学报),2010,14(2): 364.

[6] ZHOU Li-na,YU Hai-ye,YU Lian-jun,et al(周丽娜,于海业,于连军,等). Transactions of the Chinese Society for Agricultural Machinery(农业机械学报),2014,45(7): 255.

[7] LI Xiao,FENG Wei,ZENG Xiao-chun(李晓,冯伟,曾晓春). Acta Botanica Boreali-Occidentalia Sinica(西北植物学报),2006,26(10): 2186.

[8] YANG Jian,SHI Shuo,GONG Wei,et al(杨健,史硕,龚威,等). Spectroscopy and Spectral Analysis(光谱学与光谱分析),2016,36(2): 537.

[9] ZHANG Yao,ZHENG Li-hua,LI Min-zan,et al(张瑶,郑立华,李民赞,等). Transations of the Chinese Society of Agricultural Engineering(农业工程学报),2013,29(z1): 101.

[10] DENG Xiao-lei,LI Min-zan,ZHENG Li-hua,et al(邓小蕾,李民赞,郑立华,等). Transations of the Chinese Society of Agricultural Engineering(农业工程学报),2014,30(14): 14.

[11] Ciganda V,Gitelson A,Schepers J. Journal of Plant Physiology,2009,166(2): 157.

[12] LI Xiao-na,FAN Xi-feng,WU Ju-ying,et al(李晓娜,范希峰,武菊英,等). Spectroscopy and Spectral Analysis(光谱学与光谱分析),2016,36(1): 66.

[13] Ji X D、Familoni B O. IEEE Transactions on Automatic Control,2003,44(7): 1469.

[14] CHENG Hong,Lutz Damerow,Michael Blanke,et al(程洪,Lutz Damerow,Michael Blanke,等). Transactions of the Chinese Society for Agricultural Machinery(农业机械学报),2015,46(3): 9.

[15] FAN Zhong-mou,FENG Zhong-ke,ZHENG Jun,et al(樊仲谋,冯仲科,郑君,等). Transactions of the Chinese Society for Agricultural Machinery(农业机械学报),2015,46(3): 320.

*Corresponding author

Calculation of Chlorophyll Fluorescence Characters in Different Light Area to Apple Tree Canopy

MA Xiao-dan1,2、GUO Cai-ling2、ZHANG Xue2、LIU Gang2*、LIU Guo-jie3、ZONG Ze2

1. College of Information Technology、Heilongjiang Bayi Agricultural University,Daqing 163319,China 2. China Key Laboratory for Modern Precision Agriculture System Integration Research,Ministry of Education,China Agricultural University,Beijing 100083,China 3. College of Agronomy and Biotechnology,China Agricultural University、Beijing 100083,China

As the basis of plant canopy chlorophyll fluorescence kinetics,light distribution within the canopy determines the interaction relationship between plant physical processes and ecological environment. Spectroscopy technology plays a very important role in building a prediction model of component content to plant canopies. However,there is only limited number of reports about chlorophyll fluorescence properties of different light intensity areas to free spindle apple canopies. In this paper,with the free spindle apple tree as the research object,the canopy space of apple tree was divided into five layers,and six cube grids with 50cm length of side in each layer,and then the light distribution was determined through measuring the light intensity of each cube grids space. firstly,spectrum data and characters of chlorophyll fluorescence were obtained in the different light area; secondly,a differential spectrum curve in red area(680～760 nm) was determined through removing the interference of system error by a differential spectrum; thirdly,relationship model has been established innovatively between the maximum value in red area(680～760 nm) and the chlorophyll fluorescence characters,which has been used as calculation method of chlorophyll fluorescence characters in different light area to apple tree canopy. Fourthly,root mean square error,mean absolute percentage error,mean forecast error were adopted to evaluate the method. The test result shows that the accuracy of the method is all above 80%,which can be the theoretical basis for pruning and getting best light distribution to apple tree canopy.

Apple tree canopy； Different light area； Spectrum； Characters of chlorophyll fluorescence； Forecast

May 8,2015; accepted Aug. 29,2015)

2015-05-08、

2015-08-29

黑龙江省青年科学基金项目(QC2016031)、国家青年科学基金项目(31601220)、国家自然科学基金项目(31371532)资助

马晓丹、女、1980年生、黑龙江八一农垦大学信息技术学院副教授 e-mail：bynd_mxd@163.com *通讯联系人 e-mail：pac@cau.edu.cn

TP391.41

10.3964/j.issn.1000-0593(2016)12-3986-05