CN114112997A - 一种基于光学模型的活体叶片色素重叠吸收系数分离方法 - Google Patents
一种基于光学模型的活体叶片色素重叠吸收系数分离方法 Download PDFInfo
- Publication number
- CN114112997A CN114112997A CN202111206031.9A CN202111206031A CN114112997A CN 114112997 A CN114112997 A CN 114112997A CN 202111206031 A CN202111206031 A CN 202111206031A CN 114112997 A CN114112997 A CN 114112997A
- Authority
- CN
- China
- Prior art keywords
- absorption
- leaf
- blade
- absorption coefficient
- pigment
- 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
Images
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
- G01N21/47—Scattering, i.e. diffuse reflection
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/59—Transmissivity
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (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)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于光学模型的活体叶片色素重叠吸收系数分离方法。首先收集纯色素在有机溶剂中的吸收峰位与吸收峰个数,以及多种不同状态下的叶片光谱,测定其中的色素含量。计算得到叶片的细胞结构参数与基线吸收系数。在叶片细胞结构与基线吸收系数的影响下,基于传统的PROAPECT模型,对叶片吸收系数进行扩展,得到不同色素的特定吸收系数。其中特定吸收系数为该色素各吸收峰之和。通过G‑L函数对各吸收峰进行表征,再使用叶片的生化信息,迭代优化价值函数,从而得到不同色素在活体叶片中的特定吸收系数,完成系数的分离。该方法描绘了活体叶片中分离色素之间的重叠特征,首次分离获得叶绿素a和叶绿素b在活体叶片中的吸收系数。
Description
技术领域
本发明属于遥感监测技术领域,具体涉及一种基于光学模型的活体叶片色素重叠吸收系数分离方法。
背景技术
植物叶片色素信息特征是植物生理生态状况的重要表征之一,在植物叶片内,叶片光合色素和光保护色素的体内吸收特征与叶片400-800nm区域光谱密切相关。
在400-800nm区域的叶片光谱包含了多种光合色素的信息,包括叶绿素a(Chla)、叶绿素b(Chlb)和类胡萝卜素(Cars),以及光保护色素,如花青素(Ants)。这些色素与植被的生理生态功能密切相关。其中,Chla和Chlb分子进行叶片光合电子的收获、运输和吸收,Chla分子进行叶片荧光发射,Cars进行叶黄素循环的叶片热耗散,Ants进行叶片过剩光能的淬灭。利用遥感数据反演叶片色素与体内叶片色素的光学性质密切相关。因此,通过更好地测量和了解植物叶片中存在的色素,可以更好地在体内测定叶片中色素的光学性质,从而更好地了解植物的生长状况。
随着遥感技术的发展,高光谱遥感技术为植被色素信息特征检测或监测提供了一种有效的途径,因此,使用高光谱遥感技术在色素信息特征波段400-800nm的高能光谱区间检测或监测叶片色素变化,可间接地提供植被生理生态的信息特征。由于叶片色素在可见光谱中的选择性光吸收,单个叶片的颜色变化遵循其色素的比例,这提供了一个利用叶片反射率/透射率来检索叶片色素浓度的机会。但位于400-800nm的特定波段色素基团的吸收重叠特性掩盖了或影响了单个色素对叶片光谱的贡献,限制了单一色素含量的光谱反演。因此,精确反演各种单一色素含量中,分离叶片色素基团吸收之间的重叠特征是提取叶片色素含量的关键因素。
基于光学辐射传输模型在叶片色素的波段特征区域定量描述影响叶片光学属性因子是准确获取植物叶片色素信息特征的有效手段。通过光学辐射传输模型与色素波段重叠特征分离的耦合为活体叶片中提取各种色素吸收系数提供了一个机遇。
发明内容
针对现有技术的不足,本发明提出了一种基于光学模型的活体叶片色素重叠吸收系数分离方法,改进叶片光学辐射传输模型PROSPECT,从活体叶片光谱中提取各种单一色素的吸收系数,为利用光学特性监测植被生理生态特性提供更多的信息。
一种基于光学模型的活体叶片色素重叠吸收系数分离方法,包括以下步骤:
步骤一、数据采集
采集各种纯色素在有机溶剂中的吸收峰位和吸收峰个数,作为数据集I。采集多种不同状态下的植物叶片,记录植物叶片的方向半球反射光谱与透射光谱,以及各种色素的含量,作为数据集II。
作为优选,将乙腈、甲醇、二氯甲烷按照体积比60∶20∶20混合后加入少量37%的盐酸溶液,配置成pH值为5的有机溶剂。
作为优选,数据集II中还包括植物叶片的含水量以及各种色素含量的信息。
步骤二、数据预处理
根据数据集II中叶片的反射光谱与透射光谱,计算得到每个叶片的叶片结构参数N。选择数据集II中的白化叶片,根据这些白化叶片的光谱数据、生化组分与叶片结构参数,计算得到叶片的基线吸收系数K0(λ)。
作为优选,选用反射率最大波段、透射率最大波段和吸收率最小波段的光谱特征进行叶片结构参数的计算。
步骤三、模型建立与系数分离
对传统PROAPECT模型中的叶片吸收系数进行扩展,同时考虑基线吸收系数K0(λ),将叶片吸收系数k(λ)分解为:
其中,λ表示波长;K1(λ)、K2(λ)、K3(λ)和K4(λ)分别表示叶片中Chla、Chlb、Cars和Ants的特定吸收系数;CChla,CChlb,CCars和CAnts分别表示Chla,Chlb,Cars和Ants在活体叶片中的浓度。
由于色素的吸收特征来源于各峰的吸收特征之和,因此色素的特定吸收系数Ki(λ)由各对应色素的所有吸收峰的总和得出:
其中J表示第i种色素的吸收峰个数,Ki,j(λ)表示第i种色素的的第j个吸收峰系数。使用Gauss-Lorentz函数对每种色素的每个吸收峰Ki,j(λ)进行统一表征:
其中,Ki,j,v,Ki,j,h和Ki,j,w为活体叶片中第i种色素的第j个吸收峰的高斯比、峰高和半峰全宽;Ai,j,p是第i种色素在有机溶液中的第j个吸收峰的峰值位置,Ki,j,Δλ是叶片中第i种色素的第j个吸收峰的光谱位移。使用数据集I和数据集II,通过最小二乘法优化迭代获取Chla、Chlb、Cars和Ants在活体叶片中吸收系数,完成活体叶片中单一色素吸收系数的分离。
本发明具有以下有益效果:
通过一系列吸收特征参数,可以清晰地描绘出活体叶片中分离色素之间的重叠特征,并为未来的细化描述描述叶光学性质的框架,同时,首次分离获得叶绿素a和叶绿素b在活体叶片中的吸收系数。
附图说明
图1为实施例中测得的纯色素在有机溶剂中的吸收光谱;
图2为实施例中测得的纯色素在有机溶剂中400-800nm范围的吸收峰的数目和位置;
图3为实施例收集的数据集II中叶片的色素含量;
图4为实施例收集的数据集II中叶片的反射和透射特性;
图5为实施例中各种色素在活体叶片中吸收光谱与有机溶液中吸收光谱的光学性质比较;
图6为实施例中基于光学辐射传输模型率定的活体叶片色素吸收系数参数特征;
图7为实施例中得到的活体叶片色素特异性吸收特性。
具体实施方式
以下结合附图对本发明作进一步的解释说明;
一种基于光学模型的活体叶片色素重叠吸收系数分离方法,包括以下步骤:
步骤一、数据采集
s1.1、数据集I的采集
将乙腈、甲醇、二氯甲烷按照体积比60:20:20混合后加入少量37%的盐酸溶液,配置成pH值为5的有机溶剂。使用高效液相色谱系统中的岛津紫外-可见检测器测量纯色素Chla、Chlb、β-Car、Vi、An、Ze、Ne、Lu和Ants在该有机溶液中的吸收光谱,如图1所示,采用一阶导数和二阶导数联合方法对吸收光谱进行求导,获取对应色素在400-800nm波长范围下特定吸收系数明显的吸收峰个数与峰位,如图2所示。记录各种纯色素在有机溶剂中的吸收光谱、吸收峰位和吸收峰个数,作为数据集I。
s1.2、数据集II的采集
采集多种不同状态下的植物叶片,这些叶片来自不同的常绿和落叶的乔木、灌木、亚灌木以及草本阔叶植物,包括其健康和患有白化病的幼叶、成熟叶和衰老叶。选择Agilent 1100高效液相色谱仪进行叶片色素含量与含水量的测定。由于叶片中花青素的含量需要获取其总含量,因此使用分光光度计进行测定。测定结果如图3所示,其中Cars的浓度表示为叶片中Lu、An、Ze、Vi、Ne和β-Car浓度的总和。使用UV-3600分光光度计和积分球测定叶片的半球反射光谱与透射光谱,并记录如图4所示,400-800nm波长范围的反射率与透射率。多种不同状态下的植物叶片信息作为数据集II。
步骤二、数据预处理
s2.1、计算叶片结构参数N
叶片解剖结构的变化能够产生对400-2500nm区间整个光谱特征的影响,其中在800-1350nm区间存在一个反射率最大的波段、一个透射率最大的波段和一个吸收率最小的波段。在这个光谱区域中低的吸收率,也是叶片叶肉组织细胞在叶片光谱特征曲线中响应最敏感的区域。因此,选用这些近红外波段的光谱特征获取模型叶片结构参数,根据数据集II中叶片的反射光谱与透射光谱,计算得到每个叶片的叶片结构参数N。
其中,Rmea(λi)和Tmea(λi)分别表示在波段λi叶片实测的反射率和透射率;Rmod(λi)和Tmod(λi)分别表示相应叶片在波段λi模拟的反射率和透射率;λ1、λ2、λ3分别是反射率最大的波段、透射率最大的波段和吸收率最小的波段。基于光谱最小拟合法,通过迭代使不同生化组含量的叶片实测光谱与相应的模拟光谱达到最小差异,得到估算参数,然后使用最小二乘法令χ(N)函数达到最小值,获取每个叶片的叶片结构参数N。
s2.2、计算基线吸收系数K0(λ)
基线吸收系数为非色素光敏物质在叶片体内吸收特性。白化叶片中含有痕量植物色素,在400-800nm范围内叶片的吸收特性主要受叶片中蛋白质、酚类物质的影响。选择数据集II中枫树的白化叶片,计算白化叶片的叶片吸收系数kalbino(λ):
其中,Ci,0表示枫树白化叶片中第i种色素的浓度,N0表示结构参数;n0表示枫树白化叶片色素种类的数量。根据这些白化叶片的光谱数据、生化组分与叶片结构参数,基于公式(3)所述的最小迭代函数,得到叶片的基线吸收系数K0(λ):
其中Rmea,0、Tmea,0和Rmod,0、Tmod,0分别表示白化叶片的实测和模拟的反射和透射光谱。
步骤三、模型建立与系数分离
s3.1、模型建立
PROSPECT模型能够通过色素的吸收特性很好地定量光在也叶片中的辐射传输特性。在PROSPECT模型中,叶片吸收系数k(λ)函数是直接表征色素信息。由于Ants、Chlb、Cars和Chla的吸收特征存在明显的重叠带,为了同时获取Chla、Chlb、Cars和Ants的吸收系数,需要对传统PROAPECT模型中的叶片吸收系数进行扩展,同时考虑基线吸收系数K0(λ),将叶片吸收系数k(λ)分解为:
其中,λ表示波长;K1(λ)、K2(λ)、K3(λ)和K4(λ)分别表示叶片中Chla、Chlb、Cars和Ants的特定吸收系数;CChla,CChlb,CCars和CAnts分别表示Chla,Chlb,Cars和Ants在活体叶片中的浓度。
由于色素的吸收特征来源于各峰的吸收特征之和,因此色素的特定吸收系数Ki(λ)由各对应色素的所有吸收峰的总和得出:
其中J表示第i种色素的吸收峰个数,Ki,j(λ)表示第i种色素的的第j个吸收峰系数。
s3.2、系数分离
高斯-洛伦茨(Gauss-Lorentz,G-L)函数能够很好地分离具有波段重叠特征的吸收光谱,因此使用G-L函数化各种色素的特定吸收系数,使k(λ)函数中各种色素特定吸收系数的同性参数特征转化为相应色素特定吸收系数的G-L参数的非同性参数关系,消除由于目标色素之间在叶片吸收特征的重叠在分离过程中的遮挡现象。
使用Gauss-Lorentz函数对每种色素的每个吸收峰Ki,j(λ)进行统一表征:
其中,Ki,j,v,Ki,j,h和Ki,j,w为活体叶片中第i种色素的第j个吸收峰的高斯比、峰高和半峰全宽;Ai,j,p是第i种色素在有机溶液中的第j个吸收峰的峰值位置,Ki,j,Δλ是叶片中第i种色素的第j个吸收峰的光谱位移。
由统一表征后的公式(3)可知,G-L函数使用需要已知每个色素的吸收峰个数和吸收峰位,这些数据来源于步骤一收集的数据集I和数据集II。由于有机溶液中的极性小于水相的极性,而且,极性高的溶剂中吸收峰个数小于等于极性低的溶剂,因此,本实施例设定活体叶片各种色素吸收系数中吸收峰个数小于等于有机溶液。另外,考虑溶剂溶液与活体叶片极性的差异对吸收峰位置的红移或蓝移,本实施例使用各色素吸收峰在有机溶液中吸收峰位置+红移/蓝移的变量。
将公式(4)代入公式(5)中,结合多种光合作用色素和光保护色素的活体叶片内吸收系数,通过最小二乘优化最小化价值函数χ(Ki(λ)),确定了Chla、Chlb、Cars和Ants在体内叶片中的吸收系数(Ki(λ))。价值函数χ(Ki(λ))为:
式中m为数据集II中的叶片样本数;Rmea和Tmea,Rmod和Tmod分别为所选叶片的实测半球反射率和半球透射率,模型反射率和透射率。
然后通过输入有机溶液中色素各吸收峰的峰位、叶片结构参数、基线吸收系数及其每个叶片的反射和透射光谱,利用最小二乘法的优化方法,进行活体叶片单一色素各个吸收的参数迭代获取,最终获取活体叶片中Chla,Chlb,Cars和Ants的吸收系数。
步骤四、实验验证
s4.1、与纯色素在有机溶剂中的吸收光谱对比
通过公式(7)确定色素在活体叶片中的吸收系数,并与纯色素在有机溶液中的吸收光谱进行了光学性质比较,如图5所示,KChla和KChlb有两个明显的吸收峰,并有各自的吸收峰位置。KChla,1的位置为419nm,KChla,4位置为679nm,KChlb,1的位置为468nm,KChlb,3的位置为661nm。KCars和KAnts有一个明显的吸收峰,其吸收峰位分别位于482nm和544nm。模型测定的色素吸收系数的形状与相应纯色素在有机溶液中的吸收光谱具有相似的起伏形状。
本方法得到的色素特定吸收系数中吸收峰位置与色素在有机溶液中吸收峰位置出现相关的不同位移,KChla,1位置移动到较短的波长方向,即蓝移;KChla,4位置移动到更长的波长,即红移。使用光谱位移参数Δλi,j来描述峰位置的变化,结果如图6所示,KChla,1和KChla,4的位移分别为-13nm和15nm,KChlb,1和KChlb,3分别为4nm和11nm,KCars和KAnts分别为39nm和14nm。在数据集II使用的叶片的平均含水量通常超过50%。此外,鲜叶可视为被水介质包围。活体叶片和有机溶液的极性不同,因此,在体内叶片中测定的叶色素的环境极性大于在混合有机溶液。同时,由于活体叶片和有机溶液中发色团的电子跃迁模式的极性差异的影响,可以引起单个色素吸收峰的蓝移和红移所涉及的不同位移。因此,在活体叶片和有机溶液之间的叶片色素的吸收光谱/系数的相应吸收峰位置有蓝移或红移。
G-L函数可以准确地表征色素的吸收光谱,因为该函数的参数具有吸收光谱的明确物理意义,其中Ki,j,w和Ki,j,p可以描述吸收峰的主要吸收特征。采用由Ki,j,w和Ki,j,p驱动的RAF参数来描述所测定的色素吸收系数的主要特征。如图6所示,KChla的两个明显的吸收峰位于400-434纳米和659-699纳米的区域。KChlb在442-495nm和639-683nm处有明显的吸收峰。KCars和KAnts分别在447-517nm和494-594nm区域。
s4.2、与活体叶片对比
此处选用两组叶片的反射率来评估活体叶片吸收峰位置的光谱位移的有效性。从数据集II中提取了一组具有一定范围Ants浓度的叶子和一组缺乏Chlb的叶子。在图7的(a)表格中,Ants的吸收在500-580nm区域占主导地位,通过计算这些反射光谱的一阶和/或二阶导数获得活体叶片内Ants的吸收峰位置(545nm)。在图7的(b)中,显示了叶片内中Chla和Cars的吸收峰位置:ACars=480nm,AChla,2=590nm,AChla,3=628nm,AChla,4=676nm。而本方法测定的吸收峰位置:AAnts=544nm,ACars=482nm,AChla,2=591nm,AChla,3=627nm,AChla,4=679nm。这与活体叶片内吸收峰相对应,证明本方法成功实现了色素特定吸收系数的分离。
Claims (7)
1.一种基于光学模型的活体叶片色素重叠吸收系数分离方法,其特征在于:包括以下步骤:
步骤一、数据采集
采集各种纯色素在有机溶剂中的吸收峰位和吸收峰个数,作为数据集I;采集多种不同状态下的植物叶片,记录植物叶片的半球反射光谱与透射光谱、含水量以及各种色素的含量,作为数据集II;
步骤二、数据预处理
计算数据集II中每个叶片的叶片结构参数N;选择数据集II中的白化叶片,基于白化叶片计算叶片的基线吸收系数K0(λ);
步骤三、模型建立与系数分离
扩展传统PROAPECT模型中的叶片吸收系数,同时考虑基线吸收系数K0(λ),将叶片吸收系数k(λ)分解为:
其中,λ表示波长;K1(λ)、K2(λ)、K3(λ)和K4(λ)分别表示叶片中Chla、Chlb、Cars和Ants的特定吸收系数;CChla,CChlb,CCars和CAnts分别表示Chla,Chlb,Cars和Ants在活体叶片中的浓度;
不同色素的特定吸收系数Ki(λ)为该色素的所有吸收峰的总和:
其中J表示第i种色素的吸收峰个数,Ki,j(λ)表示第i种色素的的第j个吸收峰;使用Gauss-Lorentz函数对每种色素的每个吸收峰Ki,j(λ)进行统一表征:
其中,Ki,j,v,Ki,j,h和Ki,j,w为活体叶片中第i种色素的第j个吸收峰的高斯比、峰高和半峰全宽;Ai,j,p是第i种色素在有机溶液中的第j个吸收峰的峰值位置,Ki,j,Δλ是叶片中第i种色素的第j个吸收峰的光谱位移;使用数据集I和数据集II,通过最小二乘法优化迭代,获取Chla、Chlb、Cars和Ants在活体叶片中吸收系数,完成活体叶片中单一色素吸收系数的分离。
2.如权利要求1所述一种基于光学模型的活体叶片色素重叠吸收系数分离方法,其特征在于:所述有机溶剂为:将乙腈、甲醇、二氯甲烷按照体积比60:20:20混合后加入少量37%的盐酸溶液,pH值为5。
3.如权利要求1所述一种基于光学模型的活体叶片色素重叠吸收系数分离方法,其特征在于:数据集II中选用的叶片来自不同的常绿和落叶的乔木、灌木、亚灌木以及草本阔叶植物,包括其健康和患有白化病的幼叶、成熟叶和衰老叶。
4.如权利要求1所述一种基于光学模型的活体叶片色素重叠吸收系数分离方法,其特征在于:选用反射率最大波段、透射率最大波段和吸收率最小波段的光谱特征进行叶片结构参数的计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111206031.9A CN114112997A (zh) | 2021-10-14 | 2021-10-14 | 一种基于光学模型的活体叶片色素重叠吸收系数分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111206031.9A CN114112997A (zh) | 2021-10-14 | 2021-10-14 | 一种基于光学模型的活体叶片色素重叠吸收系数分离方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114112997A true CN114112997A (zh) | 2022-03-01 |
Family
ID=80376351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111206031.9A Pending CN114112997A (zh) | 2021-10-14 | 2021-10-14 | 一种基于光学模型的活体叶片色素重叠吸收系数分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114112997A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577287A (zh) * | 2023-07-12 | 2023-08-11 | 北京市农林科学院智能装备技术研究中心 | 植物叶片光谱采集系统、检测方法、装置及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106290189A (zh) * | 2016-08-02 | 2017-01-04 | 浙江大学 | Folium模型与多色素叶片光谱模拟方法 |
-
2021
- 2021-10-14 CN CN202111206031.9A patent/CN114112997A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106290189A (zh) * | 2016-08-02 | 2017-01-04 | 浙江大学 | Folium模型与多色素叶片光谱模拟方法 |
Non-Patent Citations (1)
Title |
---|
张垚: "基于PROSPECT-PLUS模型植物叶片多种色素高光谱定量遥感反演模型与机理研究", 中国博士学位论文全文数据库 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116577287A (zh) * | 2023-07-12 | 2023-08-11 | 北京市农林科学院智能装备技术研究中心 | 植物叶片光谱采集系统、检测方法、装置及电子设备 |
CN116577287B (zh) * | 2023-07-12 | 2023-10-20 | 北京市农林科学院智能装备技术研究中心 | 植物叶片光谱采集系统、检测方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Féret et al. | PROSPECT-D: Towards modeling leaf optical properties through a complete lifecycle | |
Ustin et al. | How the optical properties of leaves modify the absorption and scattering of energy and enhance leaf functionality | |
Yoder et al. | The normalized difference vegetation index of small Douglas-fir canopies with varying chlorophyll concentrations | |
Lu et al. | Comparison of total emitted solar-induced chlorophyll fluorescence (SIF) and top-of-canopy (TOC) SIF in estimating photosynthesis | |
Gitelson et al. | Remote estimation of chlorophyll content in higher plant leaves | |
CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
Fassnacht et al. | Non-destructive estimation of foliar carotenoid content of tree species using merged vegetation indices | |
Gitelson et al. | Derivation of canopy light absorption coefficient from reflectance spectra | |
CN107561022B (zh) | 一种改进的植物叶片干物质含量高光谱遥感反演方法 | |
CN102788752A (zh) | 基于光谱技术的农作物内部信息无损检测装置及方法 | |
CN107505271A (zh) | 基于氮素组分辐射传输模型的植株氮素估算方法和系统 | |
CN108520127A (zh) | 一种树种叶面积指数的高光谱反演方法 | |
CN104778349B (zh) | 一种用于水稻表土氮肥施用等级评定方法 | |
CN114112997A (zh) | 一种基于光学模型的活体叶片色素重叠吸收系数分离方法 | |
CN110414729A (zh) | 基于特征波长的植物潜在最大光合能力预测方法 | |
CN108333140A (zh) | 用于刚竹毒蛾危害检测的特征光谱指数及检测方法 | |
CN105136686A (zh) | 紫叶李叶片花青素含量的测定方法 | |
CN106202971A (zh) | 基于folium模型叶片色素遥感反演方法 | |
CN105954226B (zh) | 对叶表结构不敏感的叶绿素含量的检测方法 | |
CN111220552B (zh) | 考虑光照方向叶片辐射传输模型的叶绿素高光谱反演方法 | |
CN112362812A (zh) | 基于Lars算法的水稻叶片叶绿素类胡萝卜素含量比值遥感反演模型和方法 | |
CN106290189A (zh) | Folium模型与多色素叶片光谱模拟方法 | |
Concepcion et al. | Phytopigments profiling of Lactuca sativa leaf chloroplast photosystems via vision-based planar chromatography | |
Huang et al. | Monitoring Crop Carotenoids Concentration by Remote Sensing | |
Yu et al. | Improving SPAD spectral estimation accuracy of rice leaves by considering the effect of leaf water content |
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 |