CN107589090A - 基于太赫兹时域光谱技术的油菜干旱监测方法 - Google Patents
基于太赫兹时域光谱技术的油菜干旱监测方法 Download PDFInfo
- Publication number
- CN107589090A CN107589090A CN201710762005.1A CN201710762005A CN107589090A CN 107589090 A CN107589090 A CN 107589090A CN 201710762005 A CN201710762005 A CN 201710762005A CN 107589090 A CN107589090 A CN 107589090A
- Authority
- CN
- China
- Prior art keywords
- rape
- leaf
- moisture content
- domain spectroscopy
- terahertz time
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title description 8
- 238000001328 terahertz time-domain spectroscopy Methods 0.000 claims abstract description 35
- 241000196324 Embryophyta Species 0.000 claims abstract description 33
- 235000004977 Brassica sinapistrum Nutrition 0.000 claims abstract description 21
- 244000188595 Brassica sinapistrum Species 0.000 claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 230000008641 drought stress Effects 0.000 claims abstract description 6
- 229920003266 Leaf® Polymers 0.000 claims description 62
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 30
- 238000001228 spectrum Methods 0.000 claims description 25
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 10
- 230000012010 growth Effects 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 9
- 238000004611 spectroscopical analysis Methods 0.000 claims description 8
- 229910052757 nitrogen Inorganic materials 0.000 claims description 5
- 230000006378 damage Effects 0.000 claims description 4
- 201000010099 disease Diseases 0.000 claims description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 4
- 238000001035 drying Methods 0.000 claims description 4
- 241000607479 Yersinia pestis Species 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 2
- 230000006835 compression Effects 0.000 claims 1
- 238000007906 compression Methods 0.000 claims 1
- 235000019198 oils Nutrition 0.000 description 7
- 208000005156 Dehydration Diseases 0.000 description 6
- 230000008859 change Effects 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000018044 dehydration Effects 0.000 description 4
- 238000006297 dehydration reaction Methods 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 240000002791 Brassica napus Species 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 3
- 238000007665 sagging Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 238000005213 imbibition Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 210000003462 vein Anatomy 0.000 description 2
- OYHQOLUKZRVURQ-NTGFUMLPSA-N (9Z,12Z)-9,10,12,13-tetratritiooctadeca-9,12-dienoic acid Chemical compound C(CCCCCCC\C(=C(/C\C(=C(/CCCCC)\[3H])\[3H])\[3H])\[3H])(=O)O OYHQOLUKZRVURQ-NTGFUMLPSA-N 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010024642 Listless Diseases 0.000 description 1
- 235000019484 Rapeseed oil Nutrition 0.000 description 1
- 150000007513 acids Chemical class 0.000 description 1
- 230000004103 aerobic respiration Effects 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004700 fetal blood Anatomy 0.000 description 1
- 235000011194 food seasoning agent Nutrition 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000017074 necrotic cell death Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 230000037039 plant physiology Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
- 238000004383 yellowing Methods 0.000 description 1
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
- G01N21/17—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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3554—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for determining moisture content
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3581—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation
- G01N21/3586—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using far infrared light; using Terahertz radiation by Terahertz time domain spectroscopy [THz-TDS]
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Toxicology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于太赫兹时域光谱的油菜干旱监测方法，(1)采用太赫兹时域光谱系统获取油菜植株在干旱胁迫下油菜叶片的太赫兹时域光谱；(2)采用热重法计算所述油菜叶片的含水率；(3)建立油菜叶片的太赫兹时域光谱与含水率的水分表达模型；(4)获取未知含水率的油菜叶片的太赫兹时域光谱，输入所建立的水分表达模型，对叶片的含水率进行预测，当预测得到的含水率低于设定含水率阈值范围时，给出预警，提示浇水。本发明利用太赫兹时域光谱检测技术，研究对干旱胁迫下油菜叶片含水率的监测情况，对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量实践指导意义，展示了THz在植物水分检测领域中的应用前景。
Description
技术领域
本发明涉及植物叶片水分监测的方法，尤其涉及一种基于太赫兹时域光谱技术的油菜干旱监测方法。
背景技术
油菜是我国最主要的油料生产原料和经济作物之一，占我国油料经济作物总面积的40％以上，总油料产量的30％以上。油菜作为油料主要生产作物，其油菜籽油中富含油酸、亚油酸等不饱和脂肪酸，具有预防心血管疾病和降低人体内血清胆固醇等保健功效。水分是油菜生长过程中光合作用、蒸腾作用及养分运输的重要因素之一，也是油菜重要的生理指标之一。油菜的健康生长需要适当的水分用量，超过一定限度时，其正常生理过程就会受到干扰，甚至使植株遭受损伤，这种水分亏缺称为水分胁迫或水分逆境。当水分过多时，会妨碍其有氧呼吸作用而对植株造成伤害；当水分过少时，植株含水量下降，水势和膨压也相应降低，会导致一些病害的发生，如叶片黄化、枯萎、坏死等。油菜叶片内的水分含量不但直接影响植物的生长，甚至会影响作物产量，而且还对油菜品质以及种子的安全储藏具有至关重要的作用。因此，对油菜叶片水分含量测定对研究该作物生理状况、长势、品质监控、节水灌溉与智能管理具有重要的意义。
传统的植物叶片水分含量测定方法主要有干燥法、蒸馏法、卡尔-费休法，该类检测方法在样本准备上需要花费大量的时间和精力，有些废液废弃物等对环境造成严重污染，且破坏性实验将使植物生长过程无法继续，同时过长的检测时间无法保证数据的时效性与不同样本测量数据之间的同步性。随着光谱技术的快速发展，近红外光谱检测法、高光谱检测法、电磁波检测法及太赫兹波谱(Terahert，THz)检测法广泛应用于植物叶面含水率检测的研究。由于大量的大分子振动和转动能级都处于太赫兹波段(0.1～10THz)，在太赫兹波段表现出很强的吸收和谐振，并且物质的太赫兹光谱包含丰富的物理信息和化学信息。太赫兹光子能量低可避免生物细胞的光致电离损伤。太赫兹光谱具有吸水性，大多数极性分子如水分子对太赫兹辐射有强烈的吸收。此外，太赫兹具有较强的穿透性，能穿透像油菜叶片这种较薄的生物样本。因此，太赫兹光谱检测技术在检测油菜叶片水分上具有一定的优势。
本发明利用THz的高吸水性、高穿透性、低损害性，采用THz时域光谱技术进行油菜叶片的水分监测。实验选用健康生长的油菜植株，通过太赫兹光谱连续监测油菜植株在干旱脱水过程中的变化情况，探讨利用THz时域光谱技术监测叶片水分状态变化的响应规律，以及进行不同含水率的油菜叶片水分状态的定量建模分析，给出影响油菜正常生长的含水率阈值，进行干旱预警与浇水提醒。本专利发明对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量具有一定的理论与实践指导意义。
发明内容
为克服现有技术所存在的问题，本发明提供了一种基于太赫兹时域光谱技术的监测油菜干旱情况的方法。
一种基于太赫兹时域光谱的油菜干旱监测方法，包括如下步骤：
(1)采用太赫兹时域光谱系统获取油菜植株在干旱胁迫下油菜叶片的太赫兹时域光谱；
(2)采用热重法计算所述油菜叶片的含水率；
(3)建立油菜叶片的太赫兹时域光谱与含水率的水分表达模型；
(4)获取未知含水率的油菜叶片的太赫兹时域光谱，输入所建立的水分表达模型，对叶片的含水率进行预测，当预测得到的含水率低于设定含水率阈值范围时，给出预警，提示浇水。
实施本发明方法可采用时域太赫兹光谱透射式扫描系统，激光器为钛宝石飞秒激光振荡器；波长：800nm；重复频率：80MHz；频率范围：0.1～3.5THz；脉冲宽度：50fs；平均功率：500m W；
作为优选，步骤(1)中的挑选的油菜品种为浙江新油6号。实验样本选取开花期的油菜植株，株高约80cm，挑选距离地面约60cm、长势良好、叶片完整、无病虫害、大小相近的新鲜油菜叶片。实验前每天正常浇水，至实验开始时停止浇水；实验周期为10～15(优选为10天)天，每天从不同植株上挑选相同叶位相同高度处的10片油菜叶片进行实验。
作为优选，每次采集油菜叶片样本的太赫兹时域光谱时选取3个不同的点位进行采集，每个点位重复采集三次光谱。采集油菜叶片太赫兹时域光谱的点位为叶肉部分，避免叶脉部分。
针对每个油菜叶片样本，共采集9条时域光谱，将这9条谱取平均作为该叶片最终的时域光谱。积分时间为39.2ps，时域光谱的采样点数为1000，时间分辨率为39.2fs(飞秒)。
作为优选，在检测过程中，向样本检测仓内充干燥氮气，控制空气湿度低于5％，并采用太赫兹时域光谱系统的透射扫描模块，在氮气环境下获取油菜叶片的太赫兹光谱。
作为优选，步骤(2)中，采用热重法计算叶片的含水率时，针对同一叶片，将每次获取光谱后的油菜叶片进行称重，作为叶片鲜重，然后将叶片烘干至衡重，作为叶片干重。叶片的重量采用精度为0.0001g的电子天平称取。
步骤(3)中提取太赫兹时域光谱的最大幅度值与叶片含水率进行建模分析。作为优选，步骤(3)中所建立的水分表达模型为Y＝-0.1472X+129；相关系数R＝-0.9268，误差RMSE＝6.696；其中X为太赫兹时域光谱最大幅值，Y为叶片含水率。
观测油菜植株在干旱脱水过程中的生理状态，并根据对油菜叶片的太赫兹时域光谱预测的含水率状态，确定影响油菜生长的含水率阈值。本发明中根据整个实验周期中油菜对干旱脱水的应激表现与相应的叶片含水率情况，当油菜植株表现为叶片、幼茎下垂，萎蔫等症状时，设置当前的叶片含水率作为油菜对分水耐受性的阈值。
作为优选，油菜叶片含水率阈值为73％。当含水率低于该阈值时，表现为叶片、幼茎下垂，出现萎蔫等情况，表明油菜缺水，并会对油菜植株的正常生长造成一定的威胁。
本发明采用太赫兹时域光谱技术连续监测油菜植株在干旱胁迫下，其叶片含水率的情况：获取油菜叶片在0-39.2ps内的时域光谱；连续10天采用太赫兹时域光谱监测叶片干旱脱水时的光谱变化，以及监测相应的叶片含水率的变化；统计分析10天内太赫兹最大幅值与含水率的关系，二者之间呈线性负相关性，并对其进行回归建模分析；根据实验过程中监测到的叶片含水率变化以及植株对干旱的应激响应症状，设置影响植株正常生长的含水率警戒阈值；针对未知含水率的叶片，采集其太赫兹时域光谱，并将其最大幅度值输入所述模型，得到相应的含水率预测结果，并与阈值对比。若预测值低于阈值，则说明油菜缺水严重，需及时浇水，以保障油菜的正常生长。
本发明利用太赫兹时域光谱检测技术，研究对干旱胁迫下油菜叶片含水率的监测情况，对水分状态的动态监控、精细化管理、提高油菜品质和提高油菜籽产量具有一定的理论与实践指导意义，展示了THz在植物水分检测领域中的应用前景。
针对基于太赫兹时域光谱技术的油菜叶片水分中长期监测，相比于传统叶片水分检测方法基于常规的光谱检测方法，太赫兹光谱检测技术由于具有强吸水特性，大多数极性分子如水分子、氨气分子等对太赫兹辐射有强烈的吸收。此外，太赫兹具有强穿透性能，能穿透油菜叶片这类较薄的生物样本，进而可以实现相比于反射测量精度更高的透射式测量。因此，利用太赫兹光谱的吸水性和穿透性是研究物质水分含量与分布情况的科学手段之一。
附图说明
图1：实验周期中10个监测点对应的叶片太赫兹时域光谱。
图2：10个监测点对应的太赫兹时域光谱最大幅值与含水率的变化。
图3：叶片太赫兹时域光谱最大幅值与含水率的建模结果。
具体实施方式
本文实施一种基于太赫兹时域光谱的油菜干旱监测方法，包括以下步骤：
(1)样本准备：在实验前一个星期将健康生长、株高相近的油菜植株从大田中移栽至温室，保持光照时长10h，温度24度，湿度65％。共移栽10盆，每盆3株，每天施加适量的水分，以确保油菜的正常生长，且保证土壤含水率均为70％-80％左右。至实验正式开始时，停止浇水。
(2)光谱采集：实验仪器采用CIP-THz透射扫描系统，向样本仓内充满的干燥氮气，使系统内部湿度小于5％。整个扫谱过程中，实验室内恒温294K，相对湿度恒低于20％。实验周期为10天，每天从10盆油菜植株中各取一片油菜叶片，要求相同叶位、距离地面高度大致相同、叶片大小相近、健康无病虫害。将叶片依次摘下，编号并用密封袋低温保存立即带回实验室进行样本光谱的采集。每个叶片选择3个不同的点位(选择叶肉部分，避开叶脉部位)，每个点位重复采集3次。将获取的9条时域光谱取平均作为该样本的太赫兹时域光谱。实验周期10天内的平均太赫兹时域光谱图，如图1所示。
(3)水分计算：实验过程中，每次扫完THz光谱后立即采用精度为0.0001g的电子天平称取叶片的重量，该重量作为叶片的鲜重。采用干燥称重法，将采集完光谱数据后的油菜叶片放入65℃烘干箱内烘干至衡重，该重量作为叶片的干重，然后采用公式(1)计算叶片的含水率。
其中Wfresh是叶片的鲜重，Wdry是叶片的干重。
(4)模型建立：采用叶片太赫兹时域光谱的最大幅值与对应的叶片含水率进行建模分析。将10天中每天测的10叶片的太赫兹最大幅值取平均，并对其含水率同样取平均，采用统计分析的方式综合反映太赫兹时域光谱最大幅值对叶片含水率的表征模型。最大幅值与叶片含水率的变化规律如图2所示。通过线性回归分析得到模型结果为：Y＝-0.1472X+129。相关系数R＝-0.9268，误差RMSE＝6.696。其中X为太赫兹时域光谱最大幅值，Y为叶片含水率，二者呈线性负相关性。如图3所示。
(5)阈值设置：在整个实验周期中，检测到叶片的含水率变化范围为86.52％～27.26％。油菜是一种高含水率的植物，到停止浇水第6天时，油菜植株的干旱脱水症状十分明显，表现出叶片茎秆萎蔫下垂等症状。之后叶片的含水率下降速率加快，直至油菜干枯死亡。设置第6天监测的叶片含水率73％作为油菜叶片含水率的警戒阈值。
(6)水分预测：针对未知含水率的油菜叶片，采集其太赫兹时域光谱然后输入至已建立的线性回归模型中，即可预测出相应的含水率。若预测值低于步骤(5)中的阈值，则预警提醒给油菜植株浇水。
Claims (9)
1.一种基于太赫兹时域光谱的油菜干旱监测方法，其特征在于，包括如下步骤：
(1)采用太赫兹时域光谱系统获取油菜植株在干旱胁迫下油菜叶片的太赫兹时域光谱；
(2)采用热重法计算所述油菜叶片的含水率；
(3)建立油菜叶片的太赫兹时域光谱与含水率的水分表达模型；
(4)获取未知含水率的油菜叶片的太赫兹时域光谱，输入所建立的水分表达模型，对叶片的含水率进行预测，当预测得到的含水率低于设定含水率阈值范围时，给出预警，提示浇水。
2.根据权利要求1所述油菜干旱监测方法，其特征在于，步骤(1)中挑选长势良好、株高相近、无病虫害、健康生长的油菜植株，实验前每天正常浇水，至实验开始时停止浇水；实验连续监测10～15天，每天从不同植株上挑选相同叶位相同高度处的油菜叶片。
3.根据权利要求2所述油菜干旱监测方法，其特征在于，每天从不同油菜植株上选取相同叶位、相同高度、长势均匀、大小相近的10片油菜叶片进行实验。
4.根据权利要求1所述油菜干旱监测方法，其特征在于，每次采集油菜叶片样本的太赫兹时域光谱时选取3个不同的点位进行采集，每个点位重复采集三次光谱；采集油菜叶片太赫兹时域光谱的点位为叶肉部分。
5.根据权利要求1所述油菜干旱监测方法，其特征在于，在检测过程中，向样本检测仓内充干燥氮气，控制空气湿度低于5％，并采用太赫兹时域光谱系统的透射扫描模块，在氮气环境下获取油菜叶片的太赫兹光谱。
6.根据权利要求1所述油菜干旱监测方法，其特征在于，采用热重法计算叶片的含水率时，将每次获取光谱后的油菜叶片进行称重，作为叶片鲜重，然后将叶片烘干至衡重，作为叶片干重。
7.根据权利要求1所述油菜干旱监测方法，其特征在于，所建立的水分表达模型为Y＝-0.1472X+129；相关系数R＝-0.9268，误差RMSE＝6.696；其中X为太赫兹时域光谱最大幅值，Y为叶片含水率。
8.根据权利要求1所述油菜干旱监测方法，其特征在于，油菜叶片含水率阈值为73％。
9.根据权利要求1所述油菜干旱监测方法，其特征在于，太赫兹时域光谱的时间分辨率为39.2fs。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710762005.1A CN107589090A (zh) | 2017-08-30 | 2017-08-30 | 基于太赫兹时域光谱技术的油菜干旱监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710762005.1A CN107589090A (zh) | 2017-08-30 | 2017-08-30 | 基于太赫兹时域光谱技术的油菜干旱监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107589090A true CN107589090A (zh) | 2018-01-16 |
Family
ID=61050540
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710762005.1A Pending CN107589090A (zh) | 2017-08-30 | 2017-08-30 | 基于太赫兹时域光谱技术的油菜干旱监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107589090A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108279335A (zh) * | 2018-02-12 | 2018-07-13 | 中国科学院地球化学研究所 | 一种测定特定频率下的植物生理电容的方法 |
| CN114162065A (zh) * | 2021-08-17 | 2022-03-11 | 南昌大学 | 一种基于太赫兹波的饲料含水量检测方法及其系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104089924A (zh) * | 2014-07-10 | 2014-10-08 | 北京农业智能装备技术研究中心 | 基于太赫兹光谱技术设施内植物病害在线预警方法与系统 |
| CN105628640A (zh) * | 2015-09-24 | 2016-06-01 | 首都师范大学 | 一种基于太赫兹光谱技术的检测尿液的方法 |
| CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
-
2017
- 2017-08-30 CN CN201710762005.1A patent/CN107589090A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104089924A (zh) * | 2014-07-10 | 2014-10-08 | 北京农业智能装备技术研究中心 | 基于太赫兹光谱技术设施内植物病害在线预警方法与系统 |
| CN105628640A (zh) * | 2015-09-24 | 2016-06-01 | 首都师范大学 | 一种基于太赫兹光谱技术的检测尿液的方法 |
| CN106018327A (zh) * | 2016-06-23 | 2016-10-12 | 北京农业信息技术研究中心 | 基于太赫兹波的植物叶片含水量检测方法和系统 |
Non-Patent Citations (1)
| Title |
|---|
| 马品等: "运用太赫兹光谱技术检测天麻中的水分含量", <太赫兹科学与电子信息学报> * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108279335A (zh) * | 2018-02-12 | 2018-07-13 | 中国科学院地球化学研究所 | 一种测定特定频率下的植物生理电容的方法 |
| CN114162065A (zh) * | 2021-08-17 | 2022-03-11 | 南昌大学 | 一种基于太赫兹波的饲料含水量检测方法及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10845243B1 (en) | Method for establishing content monitoring model of canopy water of winter wheat based on spectral parameters | |
| Moureaux et al. | Annual net ecosystem carbon exchange by a sugar beet crop | |
| CN104408307B (zh) | 田间小麦白粉病发病程度的快速监测方法及其监测模型的构建方法 | |
| Li et al. | Evaluation and application of ORYZA2000 for irrigation scheduling of puddled transplanted rice in north west India | |
| CN107561032A (zh) | 基于太赫兹吸收系数光谱检测油菜叶片水分状态的方法 | |
| CN110222475A (zh) | 一种基于无人机多光谱遥感反演冬小麦植株含水率的方法 | |
| KR20020060997A (ko) | 토양의 ｐＦ값의 측정방법 및 관수제어방법 및 관수제어장치 | |
| Auzmendi et al. | Intercepted radiation by apple canopy can be used as a basis for irrigation scheduling | |
| CN114128608B (zh) | 一种果园灌溉管理方法及系统 | |
| CN102954816A (zh) | 作物长势的监测方法 | |
| Conesa et al. | Maximum daily trunk shrinkage and stem water potential reference equations for irrigation scheduling in table grapes | |
| CN108106676B (zh) | 一种基于遥感数据的农作物晚霜冻害的监测方法和装置 | |
| Shan et al. | Monitoring tomato root zone water content variation and partitioning evapotranspiration with a novel horizontally-oriented mobile dielectric sensor | |
| CN111066535A (zh) | 一种使用ai光谱的种植温室及种植方法 | |
| CN107589090A (zh) | 基于太赫兹时域光谱技术的油菜干旱监测方法 | |
| Bai et al. | Simulating on the effects of irrigation on jujube tree growth, evapotranspiration and water use based on crop growth model | |
| Silva et al. | Irrigation in the age of agriculture 4.0: management, monitoring and precision | |
| Vijay | Application of sensor networks in agriculture | |
| Camporese et al. | Efficient irrigation of maize through soil moisture monitoring and modeling | |
| Glenn | An analysis of ash and isotopic carbon discrimination (Δ13C) methods to evaluate water use efficiency in apple | |
| CN103340041A (zh) | 一种基于受激发光的作物种子萌发期抗旱性评价方法 | |
| CN107576631A (zh) | 基于太赫兹透射率光谱检测油菜叶片水分状态的方法 | |
| CN108062602A (zh) | 一种预测温室茄果类作物同化产物产量的方法 | |
| Abd Zeed et al. | Cost-effective IoT-based control system for smart greenhouses powered by solar energy | |
| Mobe et al. | Modelling water utilization patterns in apple orchards with varying canopy sizes and different growth stages in semi-arid environments |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180116 |
|
| RJ01 | Rejection of invention patent application after publication |