共获取200个RoI的薯叶光谱数据
2结果与分析
2.1马铃薯叶片qP值统计分析与样本集划分
对马铃薯每个叶片样本提取4个RoI的马铃平均光谱，共获取200个RoI的薯叶光谱数据。对采集到的片光200个RoI的叶绿素荧光参数qP值进行统计分析，SPXY算法划分样本集的化学结果如表1所示，建模集样本qP值取值范围(0.06～0.55)包含验证集的吸收取值范围(0.08～0.50)，用于后续数据分析处理。反射分析
2.2马铃薯叶片光谱反射率曲线分析
图2是光谱关联叶片提取的RoI位置及对应的反射率曲线，呈现典型绿色植物反射光谱特性，及检在450 nm和670 nm附近出现强吸收峰，马铃540 nm附近形成强反射峰，薯叶在红边位置附近(700～750 nm)反射率急剧上升进入近红外平台区。片光
2.3光谱反射率与qP值相关性分析
为了阐明叶片光化学吸收与反射光谱之间的化学关联关系，分析马铃薯叶片光谱反射率与qP值之间的吸收相关性。相关系数曲线如图3所示，反射分析二者总体呈负相关，光谱关联这是由于qP值与PSⅡ开放能力有关，体现了对光能的吸收能力，所以当PSⅡ吸收增强时，反射率降低;当PSⅡ吸收降低时，反射率增高，且在530.80～559.40 nm、699.80～716.67 nm、1 002.54～1 011.81 nm波段的相关系数绝对值均大于0.6。
2.4特征波长筛选结果
2.4.1基于si－PLS的特征波长筛选结果
使用si－PLS方法将原始光谱划分为120个子区间，联合3个区间进行特征波长的筛选。选择最优区间组合，区间序号分别为28、54和118，RMSECV为0.068 6，该区间组合包括18个波长，分别位于527.35～531.67 nm、663.54～667.95 nm、1 010.88～1 015.52 nm之间，选择的波段位于qP值与光谱数据相关系数绝对值大于0.6的波段附近，如图4所示，其中527.35～531.67 nm主要位于绿光强反射区域;663.54～667.95 nm属于荧光发射波段区域;近红外区域1 010.88～1 015.52 nm属于植物叶片内部结构响应的高反射区，呈现C-H和H-O化学键的倍频特征。
2.4.2基于RF算法的特征波长筛选结果
采用RF算法选取的波长如图5所示，筛选出18个特征波长，按照被选择概率由大到小依次为684.74、640.64、893.18、584.62、766.65、697.14、1 002.50、849.54、869.51、573.30、998.84、569.82、529.95、518.72、765.75、631.86、993.29、871.33 nm。这些波长主要集中于3个波段范围，684.74、697.14、765.75、766.65、849.54 nm位于650～800 nm，属于荧光发射波长范围;518.72、529.95、569.82、573.30、584.62、631.86、640.64 nm位于叶绿素绿光强反射和红光强吸收范围，与叶片叶绿素浓度存在紧密关联;893.18、869.51、871.33、998.84、993.29 nm位于近红外波段(850～1 000 nm)，主要受植物细胞结构、水分的弱吸收等影响。与si－PLS算法相比，RF算法选取的波长分布范围较广，且主要包括了叶绿素浓度吸收的响应特征、红边、荧光辐射、水分弱吸收等多元化的特性。
2.5PLSR回归模型建立
分别采用si－PLS和RF算法选择的特征波长，建立马铃薯叶片qP值的PLSR预测模型，分别记为si－PLS－PLSR模型和RF－PLSR模型。使用10倍交叉验证算法确定主成分的个数，结果如图6所图6RMSECV随着主成分数的变化趋势Fig．6Tendency ofRMSECV with increasing variables示。si－PLS和RF算法最优主成分个数分别为8和9，RMSECV分别为0.065 0和0.059 7。建模结果如表2所示，si－PLS－PLSR模型R2c为0.628 5，RMSEC为0.059 7，R2v为0.610 3，RMSEV为0.062 1;RF－PLSR模型R2c为0.709 3，RMSEC为0.053 4，R2v为0.687 2，RMSEV为0.052 9。说明RF算法筛选的特征波长对马铃薯叶片qP值的解释性优于si－PLS算法，体现了叶绿素是进行光合作用的重要色素体，叶片光化学吸收与叶绿素含量、叶片内部结构、水分含量等属性紧密关联。因此研究选取RF－PLSR模型检测马铃薯叶片qP值，结果如图7b所示。
2.6马铃薯叶片叶绿素荧光探针参数qP值分布图
利用RF－PLSR模型计算马铃薯叶片高光谱图像所有像素点的qP值，使用伪彩色处理绘制马铃薯叶片叶绿素荧光参数qP值分布图，结果如图8所示。颜色深浅程度代表马铃薯叶片qP值的高低，叶脉部分的qP值略高于叶肉部分的qP值，且叶尖部和边缘部分qP值显著高于叶片中部。其中，叶脉部分在分布图中主要呈绿色，qP值接近0.3，叶肉部分在分布图中主要呈蓝色，qP值接近0.2，叶尖部qP值大于0.4，说明了叶尖部和叶边缘处光化学反应能力高于叶中部。qP值分布可视化可为直观分析马铃薯作物光化学吸收与光合作用动态提供基础。
3结论
(1)马铃薯叶片qP值与反射高光谱的相关性结果表明，qP值与光谱数据呈负相关关系，在530.80～559.40 nm、699.80～716.67 nm、1 002.54～1 011.81 nm波段的相关系数绝对值大于0.6，表明了利用反射高光谱数据评价作物qP值的可行性。
(2)基于反射率数据提取荧光微弱信号，进行马铃薯叶片qP值特征波长检测，si－PLS算法筛选得到的18个特征波长分布在绿光强反射区(527.35～531.67 nm)、荧光发射波段区(663.54～667.95 nm)、植物叶片内部结构响应的高反射区(1 010.88～1 015.52 nm);RF算法筛选得到的18个特征分布在叶绿素绿光强反射和红光强吸收波段(518.72～640.64 nm)、荧光发射波段(650～800 nm)以及反映叶片内部结构、水分含量的波段(850～1 000 nm)。表明叶绿素吸收与反射、植物叶片组织结构与水分等与马铃薯作物光化学吸收紧密相关。
(3)建立马铃薯叶片qP值检测模型的结果表明，RF－PLSR模型检测结果优于si－PLS－PLSR，建模集决定系数R2c为0.709 3，验证集决定系数R2v为0.687 2。绘制马铃薯叶片qP值分布图可为快速检测马铃薯叶片叶绿素荧光参数提供支持。
声明：本文所用图片、文字来源《农业机械学报》2020年12月，版权归原作者所有。如涉及作品内容、版权等问题，请与本网联系
相关链接：反射率，增强，结构，荧光