植物电信号特征分析及其与环境因子关系研究

摘要

植物电信号是植物细胞或组织的静息电位在外界刺激下，发生变化并能在细胞、组织间传递的一种微弱信号，是一种能表征植物生理过程及体内信息变化的重要植物生理信号。环境变化能激发刺激植物电信号的变化。因为产生植物电信号的植物电生理系统是一个非线性和非稳态的系统，所以植物电信号是一种具有非平稳性和非线性的随机信号，而且与植物生命活动密切关联。植物电信号属于微弱低频信号范畴，其幅度在几微伏到几十毫伏之间，这种信号总是被强噪声背景所包围，这些噪声除了来自于测试现场，植物内部各种信号之间也存在干扰，这对植物电信号的提取和分析技术提出了更高的要求。
　　 目前就植物电信号的处理方法而言，方法单一，关于植物电信号的研究多只是停留在对信号进行分析上，研究植物电信号的方法及目的意义有待进一步开发。纵观大量文献，如何从植物电信号出发，探寻信号特征与植物生理变化的关系，如何建立信号特征参数与环境因子的定量关系，以实现对植物的保护、监测，这些方面的研究相对偏少。本文致力于将先进的、优化的信号处理和分析方法应用于植物电信号，综合考虑植物电信号时域、频域、时频域中的各种特征，以期从中发掘出与植物体生理特性相关的信息，使植物成为“会说话的植物”，其次探索特征值与环境因子的关系，为指导灌溉、调控环境参数提供科学依据。本文主要研究内容和结论如下:
　　 从植物电信号的特点出发，采用小波硬阈值消噪法、小波软阈值消噪法、无偏风险估计法及改进的自适应小波闽值去噪法，对采集的植物叶片电信号进行降噪处理，通过对信噪比SNR和均方误差MSE两个参数的比较，得出结论:当利用标准的小波固定阈值消噪时，虽然对白噪声性质的仪器噪声具有良好的去除效果，但是对一些随机噪声的去除效果不理想，采用改进的自适应小波软阈值收缩法进行消噪处理，获得了较标准固定阈值收缩法更好的降噪效果。
　　 对植物叶片电信号时域特征进行了分析。分析结果显示:四种植物的叶片电信号呈现随机性、差异性，体现出不同植物具有不同的电生理特性。植物电信号的均方值都小于200μV2，说明正常环境下的植物电信号的能量很小，表明植物自身的电信号是一种微弱信号。采用相关法测试了芦荟在烧伤、冻伤、刺伤三种刺激性伤害下所产生的变异信号，信号的传递速度分别为22.4 mm/s、15.8mm/s、9.5mm/s，为植物电信号测速提供了可行的方法。为了实现植物电信号的拟合与预测，采用自适应AR模型进行参数估计，建立了观音莲和君子兰两种植物电信号AR模型，结果表明该方法收敛速度快，所需样本数据个数少，易于实现实时在线预报。
　　 对所采集的四种盆栽植物叶片电信号进行了频谱分析。从重心频率分布看，四种植物电信号的功率主要集中在1.78Hz、1.34Hz、1.3Hz和1.53Hz附近，说明植物电信号属于低频信号。从功率谱熵的数据看四种植物信号的复杂程度在正常状态下相近，但由于植物个体的差异性，使得它们为响应不同的胁迫刺激，各自植物体内离子运动的快慢程度不同。改变不同土壤含水量采集碧玉叶片电信号分析其频谱参数，当含水量在1.9％到27.8％时，边缘频率呈现上升的趋势;当含水量超过27.8％后，边缘频率呈现下降趋势，说明27.8％的含水量是碧玉的需水饱和点;当含水量在5％到20％时边缘频率变化很小，说明该植物有对应的合适需水范围。
　　 选择“db3”小波作为基函数，对采集的植物电信号进行5尺度小波分解，从小波分解图中能清晰地区分不同胁迫时各高频、低频部分的差别及细节部分出现的噪声。结合小波包分解提取特征值能力强的优点，用模糊准则来优化小波包分解，进而以此来提取植物电信号中各种胁迫的特征，应用于四种植物所处的七种胁迫因子的识别，结果表明本文所提方法下的识别率明显高于统计方法下的识别率，四种植物胁迫的平均识别率达到96％以上，说明了此方法的准确性和可行性。
　　 从空气温度、相对湿度、光照度及土壤含水量四个因子出发，在其他环境因子不变的条件下，分别改变某个单一环境因子，研究了时域、频域及时频域中典型特征参数与这一因子的变化关系，分析了单个因子与这些参数的相关程度，建立了相关程度最大的参数与这些单一因子的数量关系模型，从拟合优度看决定系数均达到0.98以上。为了建立适合碧玉生长的环境因子模型，利用学习速度快、范化性能好的极限学习机，在环境温度、光照度及空气相对湿度三个变量中，分别以其中一个变量为输出，选取剩下的两个环境因子变量、土壤含水量及信号的7个特征值作为输入变量，建立对应输出因子的预测模型，通过与BP神经网络算法进行对比，从预测评价结果看，三个因子的预测模型决定系数均大于0.92，充分说明了此方法的可行性。
　　 本文选取的植物是温室中的典型盆栽植物，研究方法和结论对其他植物也适用，从实用性上看，可以利用对植物电信号的预测数据作为温室或塑料大棚自动调控系统的重要输入参数，为实现温室等农业环境的自动监测提供方便。如果综合考虑影响植物生长的环境因子与植物体的生理状况，建立更优化模型，将为植物的生物信息学提供新的研究内容和方法。

目录

声明

摘要

第一章 绪论

1．1 研究背景与意义

1．1．1 植物电信号解析

1．1．2 植物电信号特点

1．1．3 课题研究意义

1．2 植物电信号相关内容的研究现状

1．2．1 逆境胁迫对植物的影响

1．2．2 植物电信号测试方法

1．2．3 植物电信号主要分析技术

1．2．4 面临的问题

1．3 本文主要研究内容

参考文献

第二章 植物电信号的采集与预处理

2．1 植物电信号的采集

2．1．1 采集硬件装置

2．1．2 测试电极

2．1．3 实验材料

2．1．4 植物电信号的采集方法

2．2 植物电信号中的噪声

2．3 信号去噪方法及预处理结果

2．3．1 小波去噪方法

2．3．2 无偏风险估计法去噪

2．3．3 基于自适应小波阈值去噪

2．3．4 预处理结果与讨论

2．4 本章小结

参考文献

第三章 植物电信号时域特征及应用

3．1 植物电信号时域特征分析

3．1．1 时域中的统计特征参数

3．1．2 植物叶片电信号的统计特征参数

3．1．3 植物电信号自相关性分析

3．2 基于相关法的植物电信号传递速度测试

3．2．1 概述

3．2．2 相关性测速法原理

3．2．3 相关法测速结果

3．3 基于自适应AR模型植物电信号预测

3．3．1 实验材料与方法

3．3．2 自回归(AR)模型

3．3．3 自适应AR模型参数估计

3．3．4 AR模型阶数P的确定

3．3．5 AR模型的建立

3．3．6 模型预测结果

3．4 本章小结

参考文献

第四章 植物电信号频域特征及应用

4．1 植物电信号的功率谱分析

4．1．1 信号频域分析方法及特征参数

4．1．2 植物正常状态下叶片电信号功率谱分析

4．1．3 植物不同胁迫下的电信号功率谱分析

4．2 碧玉电信号功率谱参数与土壤含水量的关系

4．2．1 材料与方法

4．2．2 SEF、SCF与土壤含水量的关系

4．2．3 不同温度、光照度下功率谱参数与土壤含水量的关系

4．3 虎皮兰电信号功率谱参数与土壤含水量的关系

4．3．1 材料与方法

4．3．2 SEF、SCF与土壤含水量的关系

4．4 本章小结

参考文献

第五章 植物电信号时频域特征及应用

5．1 植物电信号的小波分析

5．1．1 小波分解系数

5．1．2 植物电信号的小波分解

5．2 植物电信号的时频分布

5．2．1 虎皮兰叶片电信号的Wigner-Ville分布

5．2．2 芦荟叶片电信号的Rihaczek分布

5．3 基于模糊最优小波包的植物胁迫因子识别

5．3．1 概述

5．3．2 基于模糊集最优小波包分解

5．3．3 识别流程

5．3．4 材料及胁迫处理

5．3．5 神经网络分类器

5．3．6 识别结果讨论

5．4 本章小结

参考文献

第六章 植物电信号特征值与环境因子的关系

6．1 信号特征值与光照度关系

6．1．1 材料与方法

6．1．2 实验结果讨论

6．1．3 特征值随光照度变化关系

6．2 信号特征值与空气温度关系

6．2．1 材料与方法

6．2．2 实验结果讨论

6．2．3 特征值随温度变化关系

6．3 信号特征值与土壤含水量关系

6．3．1 材料与方法

6．3．2 实验结果讨论

6．3．3 特征值随土壤含水量变化关系

6．4 信号特征值与空气相对湿度关系

6．4．1 材料与方法

6．4．2 实验结果讨论

6．4．3 特征值随湿度变化关系

6．5 本章小结

参考文献

第七章 基于极限学习机的环境因子模型

7．1 极限学习机

7．1．1 概述

7．1．2 ELM理论基础

7．2 环境因子模型的建立

7．2．1 实验材料与方法

7．2．2 空气温度模型的建立

7．2．3 空气相对湿度模型的建立

7．2．4 光照度模型的建立

7．3 本章小结

参考文献

第八章 结论与建议

8．1 研究工作小结及结论

8．2 创新点

8．3 进一步研究的建议

附录

致谢

攻读博士学位期间发表及完成论文情况