对叶表结构不敏感的叶绿素含量的检测方法技术

本发明专利技术公开了一种对叶表结构不敏感的叶绿素含量的检测方法，涉及利用光学手段来测量叶绿素含量的方法技术领域。所述方法包括：获取植物叶片表面高光谱反射率；测量叶绿素含量；对九种类型的植被指数和叶绿素含量建立回归方程，求取相关系数和均方根误差；对三十六种已发表的植被指数和叶绿素含量建立回归方程，求相关系数和均方根误差；确定对叶绿素含量变化最敏感和最不敏感的波段；确定九种类型的植被指数中对叶表结构最不敏感的植被指数类型；基于叶片正反面光谱信息开发新的估测叶绿素含量的植被指数，使用新的对叶表结构不敏感的植被指数检测植物叶片的叶绿素含量。所述方法能快速、准确、无损的检测植物叶片中叶绿素的含量。

【技术实现步骤摘要】

本专利技术涉及利用光学手段来测量叶绿素含量的方法
，尤其涉及一种对叶表结构不敏感的叶绿素含量的检测方法。
技术介绍
红树林是具有重要生态意义的海岸生境，是生长在热带、亚热带海岸潮间带的特殊植被，受周期性潮水浸淹，以红树植物为主体的常绿灌木或乔木组成的潮滩湿地木本生物群落。红树林广泛生长在我国东南沿海的海湾和河口，自然分布于海南、广东、广西、福建、台湾、香港和澳门等省区。深圳湾福田红树林是我国唯一处于城市中心的红树林生态系统，对当地的生态和经济发展具有重要意义。但是由于人为干扰和气候变化，福田红树林处于衰退状况，目前的分布面积仅有369ha。深圳市政府已经投资数十亿资金用于提高红树林健康状况。增进对红树林健康状况的了解对红树林的管理好保护具有重要意义。叶绿素是植物生理活性和环境胁迫的重要指标，对叶绿素含量的准确估测同样对红树林监测具有重要意义。传统检测叶绿素含量的方法是化学光谱法，但这种方法耗时耗力，甚至有的时候对于大面积叶绿素检测是不现实的。与之不同，高光谱遥感提供了一种快速、无损伤的大面积检测叶绿素含量的方法。使用光谱遥感估测植被叶片叶绿素含量是有重要意义的，因为光谱特性和快速无损的监测植被生长状况有关，并且部分相关于植被的生物化学物质含量。现有技术已经有数十年的研究致力于从植被光谱中找到叶绿素敏感的光谱区域，这些光谱区域可以通过使用波段的组合(比如植被指数)来无损定量的分离出来。这些光谱区域可以用于大尺度的生物量、绿度、含氮量、色素组成和光合作用状况的监测。现有技术中的一些研究发现，叶绿素吸收值最大波段(680nm-760nm)和绿光波段(550nm)附近的波长区域是对叶绿素含量变化最敏感的区域。基于窄波段光谱反射率的叶绿素植被指数近年来引起了相当多的关注，并且现有技术研究发现部分窄波段指数和叶片的叶绿素含量有很好的 相关性(比如，R550，R680，R672/R550，R672/R550，R750/R700，1/R700-1/R750，1/R550-1/R750，D754/D704，D715/D705)。然而极少有研究者尝试评估在同时考虑叶片正反面光谱反射率的情况下植被指数对叶绿素含量的估测精度。当获取遥感数据的时候，高层冠层的多重散射会引起入射太阳光在下层植被和其他叶片上面的反射，从而使得太阳光从下方反射照到叶子反面。此外，一些植物还会改变它的方向，使得叶片正面避开太阳而把叶片的反面暴露给阳光。这将会使得遥感数据同时包含来自叶片正面和反面的光谱信息。叶片的表型(比如叶片茸毛、蜡质、栅栏组织、海绵组织等等)不仅仅在植被物种间不同，在同一片叶子的正反面间表型也可能不相同。因此，开发叶绿素指数时应该考虑来自叶片反面的光谱信息。
技术实现思路
本专利技术所要解决的技术问题是提供一种对叶表结构不敏感的叶绿素含量的检测方法，所述方法能快速、准确、无损的检测植物叶片中叶绿素的含量。为解决上述技术问题，本专利技术所采取的技术方案是：一种对叶表结构不敏感的叶绿素含量的检测方法，其特征在于所述方法包括如下步骤：1)获取植物叶片表面高光谱反射率，并测量该植物叶片的叶绿素含量；2)对九种类型的植被指数的所有波段组合结果与叶绿素含量的相关性进行分析；3)根据相关系数r和均方根误差RMSE确定对预测叶绿素含量最有效的植被指数；4)建立叶绿素和植被指数之间的回归方程，使用新的对叶表结构不敏感的植被指数检测植物叶片的叶绿素含量。进一步的技术方案在于：所述步骤1)中使用ASD 3便携式光谱测量仪的叶片夹，采集400-1000nm波长范围内的叶片正反面的光谱反射信息，采集过程中，对所有叶片尽量选取同一部位，避免测量到叶脉，每个叶片测量三次，每隔5分钟进行一次白板校正。进一步的技术方案在于：所述步骤1)中利用直径6mm的打孔器将测量叶片反射率的叶片区域取出，每个叶片打五个孔，将打孔后叶片放入研钵，加入2ml 95％(v/v)乙醇，进行彻底研磨，然后将色素溶液转移到50ml的棕色容 量瓶，定容后在3800r/min的速度下离心10分钟，然后取出上清液，使用Lambda 900分光光度计测量其吸光值，最后根据如下公式计算得出叶绿素含量，单位为μg/cm2：叶绿素＝(6.10×(R665-R750)-20.04×(R649-R750))×V/S(1)其中Rλ表示波长为λnm处的吸光值，V表示容量瓶的容积，S表示叶片的面积。进一步的技术方案在于：所述步骤2)中九种类型的植被指数是指：单一波段反射值R、比值植被指数SR、归一化植被指数ND、MDATT、RSP、倒数植被指数RR、倒数差植被指数DR、导数植被指数D以及导数比值植被指数RD，其中R(Rλ)＝Rλ (10)SR(Rλ1,Rλ2)＝Rλ1/Rλ2 (11)ND(Rλ1,Rλ2)＝|(Rλ1-Rλ2)|/(Rλ1+Rλ2) (12)MDATT(Rλ1,Rλ2,Rλ3)＝(Rλ3-Rλ1)/(Rλ3-Rλ2) (13)RSP(Rλ1,Rλ2,Rλ3)＝Rλ1/(Rλ2×Rλ3) (14)RR＝1/Rλ (15)DR(Rλ1,Rλ2)＝1/Rλ1-1/Rλ2 (16)D(Rλ)＝Dλ (17)RD(Rλ1,Rλ1)＝Dλ1/Dλ2 (18)其中，Rλ表示波长为λnm处的吸光值，Dλ表示λnm处光谱反射率的一阶微分值。进一步的技术方案在于：所述步骤2)中通过Matlab软件遍历九种类型的植被指数的所有波段组合筛选出相关系数最高的植被指数。进一步的技术方案在于：所述步骤3)中r的值越大，RMSE的值越小，植被指数对叶绿素含量的预测能力越强。进一步的技术方案在于：所述步骤4)中通过预测统计分析软件建立九种类型的植被指数和叶绿素含量建立回归方程，并求取出该回归方程的相关系数和均方根误差:打开预测统计分析软件，选择“分析”-“回归”-“线性”，“因变量”选择“叶绿素”，“自变量”选择“植被指数”，点击“确定”，得到回归结果。采用上述技术方案所产生的有益效果在于：所述方法通过建立新的对叶表结构不敏感的植被指数，使用新的对叶表结构不敏感的植被指数检测植物叶片的叶绿素含量，能够快速、准确、无损的检测植物叶片中叶绿素的含量。附图说明下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1是本专利技术实所述方法的流程图；图2是本专利技术叶绿素含量和光谱反射率之间相关系数的绝对值分布图。具体实施方式下面结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术，但是本专利技术还可以采用其他不同于在此描述的其它方式来实施，本文档来自技高网...

【技术保护点】
一种对叶表结构不敏感的叶绿素含量的检测方法，其特征在于所述方法包括如下步骤：1)获取植物叶片表面高光谱反射率，并测量该植物叶片的叶绿素含量；2)对九种类型的植被指数的所有波段组合结果与叶绿素含量的相关性进行分析；3)根据相关系数r和均方根误差RMSE确定对预测叶绿素含量最有效的植被指数；4)建立叶绿素和植被指数之间的回归方程，使用新的对叶表结构不敏感的植被指数检测植物叶片的叶绿素含量。

【技术特征摘要】
1.一种对叶表结构不敏感的叶绿素含量的检测方法，其特征在于所述方法包括如下步骤：1)获取植物叶片表面高光谱反射率，并测量该植物叶片的叶绿素含量；2)对九种类型的植被指数的所有波段组合结果与叶绿素含量的相关性进行分析；3)根据相关系数r和均方根误差RMSE确定对预测叶绿素含量最有效的植被指数；4)建立叶绿素和植被指数之间的回归方程，使用新的对叶表结构不敏感的植被指数检测植物叶片的叶绿素含量。2.如权利要求1所述的对叶表结构不敏感的叶绿素含量的检测方法，其特征在于：所述步骤1)中使用ASD3便携式光谱测量仪的叶片夹，采集400-1000nm波长范围内的叶片正反面的光谱反射信息，采集过程中，对所有叶片尽量选取同一部位，避免测量到叶脉，每个叶片测量三次，每隔5分钟进行一次白板校正。3.如权利要求1所述的对叶表结构不敏感的叶绿素含量的检测方法，其特征在于：所述步骤1)中利用直径6mm的打孔器将测量叶片反射率的叶片区域取出，每个叶片打五个孔，将打孔后叶片放入研钵，加入2ml 95％(v/v)乙醇，进行彻底研磨，然后将色素溶液转移到50ml的棕色容量瓶，定容后在3800r/min的速度下离心10分钟，然后取出上清液，使用Lambda 900分光光度计测量其吸光值，最后根据如下公式计算得出叶绿素含量，单位为μg/cm2：叶绿素＝(6.10×(R665-R750)-20.04×(R649-R750))×V/S (1)其中Rλ表示波长为λnm处的吸光值，V表示容量瓶的容积，S表示叶片的面积。4.如权利要求1所述的对叶表结构不敏感的叶绿素含量的检测方法，其特征在于，所述步骤2)中九种类型的植被指数是指：单一波段反射值R、比值植被指数SR、归一化植被指数ND、MDATT、RSP、倒数植被指数RR、倒数 差植被指数DR、导数植被指数D以及导数比值植被指数RD...

【专利技术属性】
技术研发人员：李瑞利，赵云霞，牛志远，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：广东;44