構建樹木冠層光合性狀預測模型及檢測光合性狀的制作方法
【技術領域】
[0001] 本發(fā)明涉及光合性狀研宄領域，具體涉及構建樹木冠層光合性狀預測模型及檢測 光合性狀。
【背景技術】
[0002] 光合作用是植物生長及外界環(huán)境變化響應的重要決定因素之一，不僅能夠用于判 斷植物在特定光環(huán)境下能否正常生長，還能夠說明植物對環(huán)境變化的適應潛力。光合作用 形成的碳水化合物是產(chǎn)量形成的主要物質(zhì)基礎，因此光合作用與果樹豐產(chǎn)優(yōu)質(zhì)密切相關。 蘋果樹是喜光植物，通過測定蘋果樹不同光照區(qū)域下的葉片光合作用參數(shù)，研宄其光合特 性，可為整形修剪、改善栽培措施、提高果實的產(chǎn)量和品質(zhì)等提供理論依據(jù)。
[0003] 蘋果樹的產(chǎn)量和質(zhì)量取決于光合分布，同時還受到"庫-源"關系的影響，葉片是 "源"，它向果樹提供必需的碳水化合物，影響果實大小、顏色及硬度等指標。果樹冠層內(nèi)不 同位置葉片的光合能力有較大的不同。通常冠層上部葉片的最大光合速率是下部葉片的 2-4倍，主要原因在于光照影響了葉片的組分含量。果樹通常成行種植，具有特定的冠層結 構，由于冠層具有較大的異質(zhì)性，不同冠層空間下葉片的光合能力存在較大差異，因此研宄 蘋果樹冠層不同空間格局下的光合能力對于控制修剪量和負載量具有重要的意義。
[0004] 許多研宄結果表明，光照是影響光合作用最重要的環(huán)境因素。強光會導致光合電 子傳遞速率下降，從而影響了正常的光合作用。適度的遮蔭（72%)的自然光照會使得葉片 厚度、氮含量、葉片比重具有所提高，這說明不同的光照環(huán)境下，作物的光合能力也會有所 不同。張顯川的研宄（園藝學報，2005, 32(6) :975-979)表明：冠層不同部位的光合能力存 在一定的差別，平均光合速率的變化通常為冠層外部〉冠層中部〉冠層內(nèi)部，在晴天中午的 時間段內(nèi)是冠層中部〉冠層外部〉冠層內(nèi)部。歐毅的研宄（西南農(nóng)業(yè)大學學報（自然科學 版），2005, 27(1) :69-72)表明：冠層凈光合速率與光照強度有相同的變化趨勢，即冠層外 部〉冠層內(nèi)部〉冠層中部，葉幕上層〉葉幕中層〉葉幕下層。
[0005] 光譜技術在構建植物冠層組分含量的預測模型中發(fā)揮了重要的作用，其中，應用 最廣泛的是基于光譜技術的氮、葉綠素含量預測模型的構建。李金夢（光譜學與光譜分 析，2014, 34(1) :212-216)在樹冠東西南北四個方位的中上部外圍各采集當年春梢頂部的 葉片，在暗箱環(huán)境下采集柑橘葉片高光譜圖像，利用高光譜技術結合多變量統(tǒng)計學方法構 建了柑橘葉片含氮量預測模型，結果表明：利用高光譜數(shù)據(jù)測定柑橘葉片含氮量具有可行 性，研宄結果為實時、準確地監(jiān)控柑橘植株生長過程中葉片含氮量的變化以及合理科學的 氮肥施加提供了一定的理論基礎。張瑤（農(nóng)業(yè)工程學報，2013, 29 (zl) :101-108)為探索不 同生理物候期蘋果樹葉片氮元素含量的快速檢測方法，分別在果樹坐果期、生理落果期和 果實成熟期，采集向陽主枝上頂部、中部、底部位置的葉片，蘋果葉片使用光譜儀測量了果 樹葉片在可見光和近紅外區(qū)域的反射譜，同時在實驗室測定了過樹葉片的全含氮量，構建 了全光譜信息建立的氮素含量預測模型。鄧小蕾（農(nóng)業(yè)工程學報，2014, 30 (14) :14-147) 以蘋果葉片葉綠素含量為研宄對象，定量研宄了光譜數(shù)據(jù)預處理方法對光譜特征提 取及葉綠素含量預測模型的影響，建立了蘋果葉片葉綠素含量預測模型，獲得了較高 的預測精度；Cigandal (Journal of plant physiology, 2009, 166(2) :157-167)利用 紅邊（720-730nm)和近紅外（770-800nm)反射光譜特征建立了紅邊葉綠素指數(shù)來預 測玉米冠層葉綠素含量；Maccioni(Journal of Photochemistry and Photobiology B:Bi〇l〇gy，2001，61 (I) :52-61)等利用綠色波段和紅邊歸一化的單葉定向反射率計算新的 植被指數(shù)對4種作物的葉綠素濃度進行了預測。
[0006] 上述研宄的共同特點是：雖然選擇的處理樣本代表性強，但并未針對不同光照區(qū) 域的相關指標開展深入研宄。雖然光譜技術在組分含量的研宄中發(fā)揮了重要作用，而對于 光合能力的研宄較少。針對上述研宄現(xiàn)狀，構建基于光譜特性的光合性狀預測模型，旨在快 速、準確掌握冠層不同光照區(qū)域的光合能力，為整形修剪、改善栽培措施、提高果實的產(chǎn)量 和品質(zhì)等提供依據(jù)。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明所要解決的技術問題是：提供一種快速、準確地掌握不同光照區(qū)域的光合 能力，為整形修剪、改善栽培措施、提高果實的產(chǎn)量和品質(zhì)等提供依據(jù)樹木冠層光合性狀預 測模型及檢測光合性狀的方法。
[0008] 為此目的，在第一方面，本發(fā)明提出了一種構建樹木冠層光合性狀預測模型的方 法，包括：
[0009] 獲取多個光照區(qū)域的光譜數(shù)據(jù)以及獲取相應光照區(qū)域的光合性狀參數(shù)，所述光譜 數(shù)據(jù)為反射率隨波長變化的對應關系；
[0010] 對每個光照區(qū)域的光譜數(shù)據(jù)進行一階微分處理得到一階微分光譜；
[0011] 根據(jù)所述一階微分光譜的最大值和對應光照區(qū)域的所述光合性狀參數(shù)擬合形成 光合性狀預測模型。
[0012] 優(yōu)選地，所述不同光照區(qū)域，包括光照強度< 30%的光照區(qū)域、光照強度>30%且 < 60%的光照區(qū)域，光照強度>60%且< 85%的光照區(qū)域和光照強度>85%的光照區(qū)域。
[0013] 優(yōu)選地，所述光合性狀參數(shù)包括光化學效率、最大光化學量子效率和表觀光合量 子傳遞效率。
[0014] 優(yōu)選地，所述一階微分光譜的最大值為波長在680nm-760nm范圍內(nèi)的一階微分光 譜的最大值。
[0015] 優(yōu)選地，所述根據(jù)所述一階微分光譜的最大值和對應光照區(qū)域的所述平均光合性 狀參數(shù)擬合形成光合性狀預測模型，包括隨機選取若干個不同光照區(qū)域，將所述若干個不 同光照區(qū)域的實際測量值和預測值進行擬合，驗證光合性狀預測模型的有效性。
[0016] 優(yōu)選地，所述光合性狀預測模型，包括光化學效率預測模型，所述光化學效率預測 模型為y = -2X 106x3+56412x2-612. 51x+2. 8738,其中，X為一階微分光譜的最大值，y為根 據(jù)所述光化學效率預測模型得到的光化學效率預測值。
[0017] 優(yōu)選地，所述光合性狀預測模型，包括最大光化學量子效率預測模型，所述最大光 化學量子效率預測模型為y = 6X 106x3-201837x2+2212. 4X-7. 0607,其中，X為一階微分光 譜的最大值，y為根據(jù)所述最大光化學量子效率預測模型得到的最大光化學量子效率預測 值。
[0018] 優(yōu)選地，所述光合性狀預測模型，包括表觀光合量子傳遞效率預測模型，所述表觀 光合量子傳遞效率預測模型為y = 2X 109x3-6X 107x2+601307x-2046. 5,其中，X為一階微 分光譜的最大值，y為根據(jù)所述表觀光合量子傳遞效率預測模型得到的表觀光合量子傳遞 效率預測值。
[0019] 在第二方面，本發(fā)明提出了一種檢測光合性狀的方法，包括：
[0020] 獲取待檢測光照區(qū)域的光譜數(shù)據(jù)；
[0021] 對所述光譜數(shù)據(jù)進行一階微分處理得到一階微分光譜；
[0022] 將所述一階微分光譜的最大值代入光合性狀預測模型，得到所需的光合性狀參 數(shù)。
[0023] 通過采用本發(fā)明所公開的構建樹木冠層光合性狀預測模型的方法，可以得到各種 光合性狀預測模型，再通過本發(fā)明所公開的光合性狀檢測方法，可以快速獲取不同光照區(qū) 域的光合能力，為整形修剪、改善栽培措施、提高果實的產(chǎn)量和品質(zhì)等提供了有力的依據(jù)。
【附圖說明】
[0024] 通過參考附圖會更加清楚地理解本發(fā)明的特征和優(yōu)點，附圖是示意性的而不應理 解為對本發(fā)明進行任何限制。
[0025] 圖1示出了構建樹木冠層光合性狀預測模型的流程。
[0026] 圖2(a)示出了試驗處理樣本A在不同光照區(qū)域的光譜反射率。
[0027] 圖2(b)示出了試驗處理樣本B在不同光照區(qū)域的光譜反射率。
[0028] 圖2(c)示出了試驗處理樣本C在不同光照區(qū)域的光譜反射率。
[0029] 圖2(d)示出了蘋果樹冠層不同光照區(qū)域的平均光譜反射率。