CN105548113A - 一种基于叶绿素荧光和多光谱图像的植物生理监测方法 - Google Patents
一种基于叶绿素荧光和多光谱图像的植物生理监测方法 Download PDFInfo
- Publication number
- CN105548113A CN105548113A CN201511031715.4A CN201511031715A CN105548113A CN 105548113 A CN105548113 A CN 105548113A CN 201511031715 A CN201511031715 A CN 201511031715A CN 105548113 A CN105548113 A CN 105548113A
- Authority
- CN
- China
- Prior art keywords
- chlorophyll fluorescence
- plant
- plant physiology
- multispectral image
- monitoring method
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明公开了一种基于叶绿素荧光和多光谱图像的植物生理监测方法,包括以下步骤:对待测植物进行调制式叶绿素荧光检测,获取调制式叶绿素荧光特征参数图,根据特征参数图预设与植物生理状况相关的叶绿素荧光参数;对待测植物进行多光谱图像测量,获取540~560nm波段反射强度比500~515nm波段反射强度的光谱相对反射率参数图;对植物区域的叶绿素荧光参数值和光谱相对反射率参数图进行统计;结合步骤获取的叶绿素荧光参数值和光谱反射率参数值的分布曲线,对植物生理状况进行判断;本发明将可见光的多光谱成像技术与叶绿素荧光检测技术相结合对植物生理无损检测,方法简单,判断准确,可靠性高。
Description
技术领域
本发明涉及植物检测技术领域,特别涉及一种基于叶绿素荧光和多光谱图像的植物生理监测方法。
背景技术
植物生理状况信息的无损获取和判别对育种和自动化生产等领域意义重大。目前的植物生理状况信息的无损获取多基于单一的检测技术,如可见光多光谱图像、近红外图像、太赫兹检测技术等,往往对特定的植物生理状况检测有一定效果。
随着光合理论的发展,叶绿素荧光动力学特别是快速叶绿素荧光诱导动力学分析技术日趋完善。由于具有快速和非破坏性的优点,该技术方法不仅在植物生理研究中被广泛应用,而且深入到许多其它领域。
例如申请公布号为CN104849250A的专利文献公开了一种便携式智能植物生理状态检测系统和方法,其系统包括照明模块以及用于对待测植物进行荧光图像采集的摄像单元,所述照明模块包括:提供激发光照明的LED阵列以及设置在LED阵列发光侧的光学薄膜,该光学薄膜对待测植物荧光的反射率小于5%,该光学薄膜对LED光的反射率大于95%。该发明能够让使用者在野外条件便携地对植物进行叶绿素荧光检测,并对测量获得荧光图像进行实时地处理、分析,实时将测量结果与远程云共享服务器的数据库中的植物生理状态进行匹配,并实现数据库新样本的更新和机器学习。
又例如申请公布号为CN104374758A的专利文献公开了一种利用叶绿素荧光参数Fv/Fm确定产油微藻收获时间的方法,其步骤:1)产油微藻常规培养及胁迫诱导:进行产油微藻的常规自养培养;将微藻培养至对数生长中期,进行胁迫条件诱导中性脂积累;2)叶绿素荧光参数Fv/Fm检测:诱导产油过程中取样,测定Fv/Fm;3)中性脂含量检测:氯仿/甲醇萃取提取藻油,薄层层析色谱法结合图像分析软件测定中性脂含量;4)采收时间的确定:细胞内中性脂开始显著积累1~2天后,进行微藻的采收,如测定的Fv/Fm和中性脂含量显著性相关,中性脂开始显著积累后1~2天的Fv/Fm范围为Fv/Fm采收范围,相同胁迫条件诱导中性脂生产时藻液Fv/Fm达到采收范围时即为采收时间。叶绿素荧光参数Fv/Fm检测操作简单、快速,干扰因素少,准确稳定。
但是上述专利文献都是采用单一的叶绿素荧光参数对植物的状态进行分析和测量,对特定植物或特定的植物指标有一定的效果,但是无法对植物的多方面生理状况进行综合判别。
发明内容
本发明提供了一种基于叶绿素荧光和多光谱图像的植物生理监测方法,将叶绿素荧光探测和可见光的多光谱成像技术相结合进行植物生理无损检测,可对植物生理做出更全面的无损判别。
一种基于叶绿素荧光和多光谱图像的植物生理监测方法,包括以下步骤:
(1)对待测植物进行调制式叶绿素荧光检测,获取调制式叶绿素荧光特征参数图,根据特征参数图预设与植物生理状况相关的叶绿素荧光参数;
(2)对待测植物进行多光谱图像测量,获取540~560nm波段反射强度比500~515nm波段反射强度的光谱相对反射率参数图;
(3)对步骤(1)获取的叶绿素荧光参数图中植物区域的叶绿素荧光参数值进行统计,获得叶绿素荧光参数值的分布曲线;
对步骤(2)获取的对光谱相对反射率参数图中植物区域的光谱反射率参数值进行统计,获得光谱反射率参数值的分布曲线;
(4)结合步骤(3)获取的叶绿素荧光参数值和光谱反射率参数值的分布曲线,对植物生理状况进行判断。
本发明的植物生理监测方法,结合叶绿素荧光和多光谱图像测量,提高对植物生理状态监测的准确性,使用光谱相对反射率参数免去测量光谱绝对反射率中所必需的标定白板。在传统的绝对反射率测量过程中,标定白板应放置在待测物平面处,使得测量仪器结构冗余。标定白板的省去,使得光谱测量可以远距进行,同时可以表现待测物的颜色变化。
为了提高监测效果,提高测量的准确性,进一步优选的,步骤(2)中,获取545~555nm波段反射强度比505~515nm波段反射强度的光谱相对反射率参数图。
为了取得有效的叶绿素荧光特征参数值,优选的,步骤(1)中,叶绿素荧光特征图像应至少包括最小荧光F0、最大荧光Fm、稳态荧光F`和光适应后的最大荧光Fm`四副图像。
调制式叶绿素荧光测量应满足待监测植物获得充分的暗适应(光照条件小于1lux),此时间长度应在30分钟以上。调制式叶绿素荧光检测步骤包括先打开测量光,测暗适应叶片的最小荧光F0,接着打开饱和光脉冲,使光反应过程暂时饱和,紧接着使用测量光测量得到叶片的最大荧光Fm。开启光化光模拟环境光照明使所测材料进行光合作用,当材料光合作用稳定时得到稳态荧光F`,同时也利用饱和脉冲光得到光适应后的最大荧光Fm`。叶绿素荧光特征图像应至少包括F0、Fm、F`、Fm`四副图像。
步骤(1)中预设的叶绿素荧光参数既可以根据F0、Fm、F`、Fm`四副图像使用光系统二量子产量等经典参数,也可以用户自定义参数,优选的,步骤(1)中,预设的叶绿素荧光参数包括:和
其他参数比如:
对获取的叶绿素荧光特征参数图的方法中,叶绿素荧光参数图的图像分割使用阈值法,单幅叶绿素荧光参数图中荧光强度大于某一阈值认为是植物区域,其余认为是背景,优选的,步骤(3)中,获取叶绿素荧光参数图的植物区域的图像分割采用阈值法。
优选的,采用阈值法的具体内容包括:对整幅图像的各像素点灰度值进行归一化处理,公式如下:
得到植物区域plant(i,j)为:
获取植物区域的方法中,光谱相对反射率参数图的图像分割使用多光谱段比较法,利用植物区域为绿色的特点,绿色谱段比其余谱段显著大的区域认为是植物区域,其余认为是背景,优选的,步骤(3)中,获取光谱相对反射率参数图的植物区域的图像分割采用多光谱段比较法。优选的,采用多光谱段比较法的具体内容包括:将植物区域参数I定义为:
则植物区域S(i,j)为:
其中,F540~560为540~560nm波段的反射率,F500~515为500~515nm波段的反射率;
根据不同光源的光谱分布特性得到,对于白炽灯光源,经验取值范围0.1≤b≤0.25,b取最优值0.17。
判别标准应根据待判别的植物生理状况进行确定,包括不同的植物种类、不同的生长环境等。优选的,步骤(4)中,所述的植物生理状况包括:缺水、缺素和病害。还例如缺光、农药过量。
表征植物光合系统的完整性,病害胁迫会损伤植物的光合系统,造成数值的下降;ΦPSⅡ表征植物光合系统当下状况工作的能力,当此数值下降,代表植物受到了某种胁迫;R550nm/510nm可以表征植物绿色的程度,数值越高,代表叶绿素浓度越高,植物越绿。
缺水胁迫,植物的光合作用受到影响,但光合系统完整性没有改变,叶片颜色没有变化,因此ΦPSⅡ下降而基本不变,R550nm/510nm没有下降;
缺素胁迫,植物的光合作用受到影响,但胁迫初期光合系统完整性改变不明显,但叶片颜色绿色变暗,因此ΦPSⅡ下降且基本不变,R550nm/510nm下降;
病害胁迫,植物的光合作用受到影响,但光合系统完整性发生较大改变,因此ΦPSⅡ下降且下降。
本发明的有益效果:
本发明的基于叶绿素荧光和多光谱图像的植物生理监测方法将可见光的多光谱成像技术与叶绿素荧光检测技术相结合对植物生理无损检测,可对植物生理做出更全面的无损判别,方法简单,判断准确,可靠性高。
附图说明
图1为本方法的框线流程图。
具体实施方式
本实施例以常见作物黄瓜为例,如图1所示,植物生理监测方法包括以下步骤:
(1)经过充分的暗适应(光照条件小于1lux,时间30分钟以上)后,进行调制式叶绿素荧光测量;
先打开测量光(0.1μmolphotonsm-2s-1左右),测暗适应叶片的最小荧光F0,接着打开饱和光脉冲(大于6000μmolphotonsm-2s-1),使光反应过程暂时饱和,紧接着使用测量光测量得到叶片的最大荧光Fm。开启光化光(一般为500~3000μmolphotonsm-2s-1)模拟环境光照明使所测材料进行光合作用,当材料光合作用稳定时使用测量光进行测量得到稳态荧光F`,同时也利用饱和脉冲光得到光适应后的最大荧光Fm`;
根据调制式叶绿素荧光测量得到的F0、Fm、F`、Fm`四副图像,预设与植物生理状况相关的叶绿素荧光参数,本实施例中,将计算叶绿素荧光经典参数作为叶绿素荧光参数,包括和
(2)接着进行可见光范围内多光谱测量,在强度稳定的宽光谱(380nm~780nm)主动光源照明下,获取待测植物特征光谱段的光照反射强度,将选定的两个波段(510nm与550nm)的光照反射强度相除(550nm/510nm),得到待测植物的该波段相对反射率R550nm/510nm。
(3)叶绿素荧光参数图的图像分割使用阈值法,单幅叶绿素荧光参数图中荧光强度大于某一阈值认为是植物区域,其余认为是背景,如首先对整幅图像的各像素点灰度值进行归一化处理,归一化公式如下:
植物区域plant(i,j)为:
光谱相对反射率参数图的图像分割使用多光谱段比较法,利用植物区域为绿色的特点,绿色谱段比其余谱段显著大的区域认为是植物区域,其余认为是背景,如设定550nm波段发射率为F550,510nm波段的反射率为F510,植物区域参数I定义为:
则植物区域S(i,j)为:
图像分割后对植物区域内的叶绿素荧光参数值和光谱相对反射率参数值进行统计;
(4)根据步骤(3)的叶绿素荧光参数值和光谱相对反射率参数值统计结果,进行黄瓜生理状况判定,常见的三种胁迫状态包括缺素、缺水、病害区分的判定方法为:
当ΦPSⅡ下降而基本不变,R550nm/510nm没有下降时,黄瓜为缺水状态;
当ΦPSⅡ下降,下降不明显,R550nm/510nm下降时,黄瓜为缺素状态;
当ΦPSⅡ下降且下降明显时,黄瓜为病害状态。
综上所述,本实施例的植物生理监测方法具有以下优点:
(1)功能强大,判断准确,可对植物生理的常见胁迫:缺水、缺素、病害等进行诊断分别。
(2)可实现机器的自动判断,对植物多种生理状况的判别可通过此方法,令计算机自动化判断。
(3)方法简单,可靠性高。综合两种判定方法的基础上,使用的判定参数少。
Claims (9)
1.一种基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,包括以下步骤:
(1)对待测植物进行调制式叶绿素荧光检测,获取调制式叶绿素荧光特征参数图,根据特征参数图预设与植物生理状况相关的叶绿素荧光参数;
(2)对待测植物进行多光谱图像测量,获取540~560nm波段反射强度比500~515nm波段反射强度的光谱相对反射率参数图;
(3)对步骤(1)获取的叶绿素荧光参数图中植物区域的叶绿素荧光参数值进行统计,获得叶绿素荧光参数值的分布曲线;
对步骤(2)获取的对光谱相对反射率参数图中植物区域的光谱反射率参数值进行统计,获得光谱反射率参数值的分布曲线;
(4)结合步骤(3)获取的叶绿素荧光参数值和光谱反射率参数值的分布曲线,对植物生理状况进行判断。
2.如权利要求1所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,步骤(2)中,获取545~555nm波段反射强度比505~515nm波段反射强度的光谱相对反射率参数图。
3.如权利要求1所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,步骤(1)中,叶绿素荧光特征图像应至少包括最小荧光F0、最大荧光Fm、稳态荧光F`和光适应后的最大荧光Fm`四副图像。
4.如权利要求3所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,步骤(1)中,预设的叶绿素荧光参数包括:和
5.如权利要求1所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,步骤(3)中,获取叶绿素荧光参数图的植物区域的图像分割采用阈值法。
6.如权利要求5所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,采用阈值法的具体内容包括:对整幅图像的各像素点灰度值进行归一化处理,公式如下:
得到植物区域plant(i,j)为:
7.如权利要求1所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,步骤(3)中,获取光谱相对反射率参数图的植物区域的图像分割采用多光谱段比较法。
8.如权利要求7所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,采用多光谱段比较法的具体内容包括:将植物区域参数I定义为:
则植物区域S(i,j)为:
其中,F540~560为540~560nm波段的反射率,F500~515为500~515nm波段的反射率;
对于白炽灯光源,0.1≤b≤0.25。
9.如权利要求1所述的基于叶绿素荧光和多光谱图像的植物生理监测方法,其特征在于,步骤(4)中,所述的植物生理状况包括:缺水、缺素和病害。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511031715.4A CN105548113B (zh) | 2015-12-31 | 2015-12-31 | 一种基于叶绿素荧光和多光谱图像的植物生理监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201511031715.4A CN105548113B (zh) | 2015-12-31 | 2015-12-31 | 一种基于叶绿素荧光和多光谱图像的植物生理监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105548113A true CN105548113A (zh) | 2016-05-04 |
CN105548113B CN105548113B (zh) | 2019-04-16 |
Family
ID=55827452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201511031715.4A Active CN105548113B (zh) | 2015-12-31 | 2015-12-31 | 一种基于叶绿素荧光和多光谱图像的植物生理监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105548113B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106290171A (zh) * | 2016-07-27 | 2017-01-04 | 内蒙古大学 | 基于svm和回归分析的玉米叶片叶绿素含量及表型参数测定方法 |
CN106546567A (zh) * | 2016-10-31 | 2017-03-29 | 浙江大学 | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 |
CN106546568A (zh) * | 2016-10-31 | 2017-03-29 | 浙江大学 | 一种获取植物三维叶绿素荧光图像信息的方法及装置 |
CN107219226A (zh) * | 2017-07-24 | 2017-09-29 | 中国科学院遥感与数字地球研究所 | 图像采集装置及增强植被指数监测系统 |
CN107831150A (zh) * | 2017-10-25 | 2018-03-23 | 浙江大学 | 一种快速诊断温室作物生理状态的方法 |
CN109239027A (zh) * | 2018-07-19 | 2019-01-18 | 江苏大学 | 一种作物生理性缺水诊断方法及系统 |
CN109490265A (zh) * | 2018-11-08 | 2019-03-19 | 深圳先进技术研究院 | 监测植物内物质运输的方法及其应用 |
CN110100596A (zh) * | 2019-06-03 | 2019-08-09 | 河北农业大学 | 一种作物补光灭菌方法、装置及数据采集装置 |
CN110554017A (zh) * | 2019-09-30 | 2019-12-10 | 福建农林大学 | 一种植物叶绿素荧光参数的校正方法和装置 |
CN112903642A (zh) * | 2021-01-20 | 2021-06-04 | 井冈山大学 | 一种定量分析植物叶片光合异质性的方法 |
CN113008843A (zh) * | 2019-12-22 | 2021-06-22 | 中国科学院遥感与数字地球研究所 | 基于tropomi叶绿素荧光遥感的冬小麦旱情监测方法 |
CN113177188A (zh) * | 2021-04-19 | 2021-07-27 | 中国农业科学院农业资源与农业区划研究所 | 一种基于光谱新特征的反演叶片叶绿素含量的方法 |
CN113607909A (zh) * | 2021-08-09 | 2021-11-05 | 中国科学院合肥物质科学研究院 | 一种藻类光合抑制法水体综合毒性表征参数构建方法 |
CN114711010A (zh) * | 2022-06-09 | 2022-07-08 | 苏州农业职业技术学院 | 一种月季栽培中水土肥管理方法、系统及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721651A (zh) * | 2012-06-18 | 2012-10-10 | 浙江大学 | 基于多光谱图像的植物叶片水分含量的检测方法及系统 |
CN102788796A (zh) * | 2012-08-21 | 2012-11-21 | 江苏大学 | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 |
CN103048266A (zh) * | 2012-12-11 | 2013-04-17 | 江苏大学 | 一种设施番茄氮磷钾胁迫自动识别方法和装置 |
CN103091296A (zh) * | 2013-01-23 | 2013-05-08 | 浙江大学 | 基于光谱成像技术的植物健康状况检测方法及其装置 |
-
2015
- 2015-12-31 CN CN201511031715.4A patent/CN105548113B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721651A (zh) * | 2012-06-18 | 2012-10-10 | 浙江大学 | 基于多光谱图像的植物叶片水分含量的检测方法及系统 |
CN102788796A (zh) * | 2012-08-21 | 2012-11-21 | 江苏大学 | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 |
CN103048266A (zh) * | 2012-12-11 | 2013-04-17 | 江苏大学 | 一种设施番茄氮磷钾胁迫自动识别方法和装置 |
CN103091296A (zh) * | 2013-01-23 | 2013-05-08 | 浙江大学 | 基于光谱成像技术的植物健康状况检测方法及其装置 |
Non-Patent Citations (2)
Title |
---|
HENG WANG等: "A new indicator in early drought diagnosis of cucumber with chlorophyll fluorescence imaging", 《PROC.SPIE,AUTOMATED VISUAL INSPECTION AND MACHINE VISION》 * |
张艳诚等: "作物胁迫早期症状监测的新图像技术", 《安徽农业科学》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106290171A (zh) * | 2016-07-27 | 2017-01-04 | 内蒙古大学 | 基于svm和回归分析的玉米叶片叶绿素含量及表型参数测定方法 |
CN106290171B (zh) * | 2016-07-27 | 2019-01-22 | 内蒙古大学 | 玉米叶片叶绿素含量及表型参数测定方法 |
CN106546568B (zh) * | 2016-10-31 | 2019-04-16 | 浙江大学 | 一种获取植物三维叶绿素荧光图像信息的方法及装置 |
CN106546567A (zh) * | 2016-10-31 | 2017-03-29 | 浙江大学 | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 |
CN106546568A (zh) * | 2016-10-31 | 2017-03-29 | 浙江大学 | 一种获取植物三维叶绿素荧光图像信息的方法及装置 |
CN106546567B (zh) * | 2016-10-31 | 2019-10-15 | 浙江大学 | 基于叶绿素荧光成像技术的植物干旱胁迫诊断方法及装置 |
CN107219226A (zh) * | 2017-07-24 | 2017-09-29 | 中国科学院遥感与数字地球研究所 | 图像采集装置及增强植被指数监测系统 |
CN107831150A (zh) * | 2017-10-25 | 2018-03-23 | 浙江大学 | 一种快速诊断温室作物生理状态的方法 |
CN109239027A (zh) * | 2018-07-19 | 2019-01-18 | 江苏大学 | 一种作物生理性缺水诊断方法及系统 |
CN109490265A (zh) * | 2018-11-08 | 2019-03-19 | 深圳先进技术研究院 | 监测植物内物质运输的方法及其应用 |
CN110100596A (zh) * | 2019-06-03 | 2019-08-09 | 河北农业大学 | 一种作物补光灭菌方法、装置及数据采集装置 |
CN110100596B (zh) * | 2019-06-03 | 2023-08-29 | 河北农业大学 | 一种作物补光灭菌方法、装置及数据采集装置 |
CN110554017A (zh) * | 2019-09-30 | 2019-12-10 | 福建农林大学 | 一种植物叶绿素荧光参数的校正方法和装置 |
CN113008843A (zh) * | 2019-12-22 | 2021-06-22 | 中国科学院遥感与数字地球研究所 | 基于tropomi叶绿素荧光遥感的冬小麦旱情监测方法 |
CN112903642A (zh) * | 2021-01-20 | 2021-06-04 | 井冈山大学 | 一种定量分析植物叶片光合异质性的方法 |
CN112903642B (zh) * | 2021-01-20 | 2022-06-10 | 井冈山大学 | 一种定量分析植物叶片光合异质性的方法 |
CN113177188A (zh) * | 2021-04-19 | 2021-07-27 | 中国农业科学院农业资源与农业区划研究所 | 一种基于光谱新特征的反演叶片叶绿素含量的方法 |
CN113607909A (zh) * | 2021-08-09 | 2021-11-05 | 中国科学院合肥物质科学研究院 | 一种藻类光合抑制法水体综合毒性表征参数构建方法 |
CN113607909B (zh) * | 2021-08-09 | 2023-11-07 | 中国科学院合肥物质科学研究院 | 一种藻类光合抑制法水体综合毒性表征参数构建方法 |
CN114711010A (zh) * | 2022-06-09 | 2022-07-08 | 苏州农业职业技术学院 | 一种月季栽培中水土肥管理方法、系统及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105548113B (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105548113A (zh) | 一种基于叶绿素荧光和多光谱图像的植物生理监测方法 | |
Ali et al. | Non-destructive techniques of detecting plant diseases: A review | |
Munnaf et al. | Site-specific seeding using multi-sensor and data fusion techniques: A review | |
Neto et al. | Vis/NIR spectroscopy and chemometrics for non-destructive estimation of water and chlorophyll status in sunflower leaves | |
Delalieux et al. | Hyperspectral indices to diagnose leaf biotic stress of apple plants, considering leaf phenology | |
US9116125B2 (en) | Method, apparatus and system for diagnosis of stress and disease in higher plants | |
CN103278460B (zh) | 一种柑橘树红蜘蛛虫害胁迫情况测试分析方法 | |
US10024832B2 (en) | Method for evaluating vitality of plant, and measurement system and evaluation system | |
Zhang et al. | Spectral response to varying levels of leaf pigments collected from a degraded mangrove forest | |
Fu et al. | Advances in field-based high-throughput photosynthetic phenotyping | |
RU2014116255A (ru) | Хемометрика для спектрального анализа ближнего инфракрасного диапазона | |
Agarwal et al. | Application of colorimetry to determine soil fertility through naive bayes classification algorithm | |
US20230133055A1 (en) | Method for detecting infection stage of anthracnose pathogenic with pre-analysis capacity | |
KR20200143159A (ko) | 다분광센서 탑재 드론을 활용한 식생상태분석 및 환경오염 모니터링방법 | |
CN115684107B (zh) | 一种基于日光诱导叶绿素荧光指数的水稻盐胁迫早期定量监测方法 | |
Latte et al. | Rule based approach to determine nutrient deficiency in paddy leaf images. | |
CN104568824A (zh) | 基于可见/近红外光谱的虾类新鲜度等级检测方法及装置 | |
SE542770C2 (en) | Methods, models and systems for predicting yellow rust in wheat crops | |
Grigoryeva et al. | Fluorescence microscopic spectroscopy for investigation and monitoring of biological diversity and physiological state of cyanobacterial cultures | |
Sellami et al. | Selection of hyperspectral vegetation indices for monitoring yield and physiological response in sweet maize under different water and nitrogen availability | |
Pontius et al. | Assessing hemlock decline using visible and near-infrared spectroscopy: indices comparison and algorithm development | |
Páscoa | In situ visible and near-infrared spectroscopy applied to vineyards as a tool for precision viticulture | |
WO2020183474A1 (en) | Continuous monitoring of algae crops using minimum optical information | |
Lu et al. | Hyperspectral imaging-enabled high-throughput screening of loblolly pine (Pinus taeda) seedlings for freeze tolerance | |
Wang et al. | Extraction of Jujube Planting Areas in Sentinel-2 Image Based on NDVI Threshold—A case study of Ruoqiang County |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |