基于多参数测量的叶绿素含量定量反演和误差分析

摘要

现阶段,国家对农业生产日益重视,提倡科技兴农,注重科学知识在农业生产中的指导作用。作物的生理生化特征决定了其对光的吸收、透射和反射的变化,而作物的生理特征又相应反映了它的长势情况。叶绿素是植物进行光合作用的催化剂,参与光能的吸收、传递和转化等过程,其含量反映绿色植物的生长状况及进行光合作用的活性与能力。因此实时、快速、无损、精确的测量叶绿素含量就显得尤为重要。
　　在前期实验中,用570nm和685nm波长的 LED灯为光源照射叶绿素溶液,利用荧光光强685570F/F衡量叶绿素含量,实验结果的误差很小,但是在用740nm和685nm波长的 LED灯为光源照射绿色植物叶片,利用荧光光强740685F/F研究叶绿素含量时,误差较大。查阅相关文献分析,测量误差产生的原因可能来源于叶片水分、叶片结构等。为此本课题搭建了叶绿素含量检测系统,以期实现活体植物叶片叶绿素含量的定量反演。
　　系统采用中心波长为460nm、650nm、940nm和1450nm的LED灯照射植物叶片,通过不同的光电探测器检测透射光信号和荧光信号,经信号处理放大后,测量信号的大小。建立了叶绿素相对含量 SPAD值、荧光强度和叶绿素含量的数学关系,同时研究叶片水分、叶片厚度对叶绿素含量的影响。为了减小误差,本课题用BP人工神经网络建立了基于多参数测量的叶绿素含量反演模型。
　　结果显示,BP神经网络反演叶绿素含量的误差比单参数的SPAD值反演时的误差小。本课题的植物叶片叶绿素检测系统采用光电检测方法,在不破坏叶片的前提下快速、准确的测量叶绿素含量,可用于现场科学实验和农业测量。

目录

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景和意义

1.2 国内外研究进展

1.3 技术路线与研究内容

2 叶绿素含量测量的理论基础及影响因素

2.1 叶绿素的组成及特点

2.2 传统的叶绿素含量检测方法

2.3 叶绿素荧光及分析方法

2.4 叶绿素相对含量SPAD及其计算

2.5 叶绿素含量检测的主要影响因素

2.6 本章小结

3 信号采集系统的设计

3.1 光源

3.2 光电探测器及转换电路

3.3 硬件电路原理图设计

3.4 放大电路噪声分析

3.5 本章小结

4 实验数据采集及数据分析

4.1 叶绿素实际含量的测量

4.2 叶绿素相关参数的测量

4.3 叶绿素相对含量SPAD值和叶绿素含量的关系研究

4.4 叶绿素荧光强度与叶绿素含量的关系研究

4.5 叶片水分含量与叶绿素含量的关系研究

4.6 叶片厚度d与叶绿素含量的关系研究

4.7 本章小结

5 BP人工神经网络模型的建立

5.1 人工神经网络简介

5.2 B P人工神经网络及学习算法研究

5.3 B P神经网络模型的训练

5.4 本章小结

6 叶绿素含量的反演及误差分析比较

6.1 SPAD值对叶绿素含量的反演及误差分析

6.2 B P神经网络对叶绿素含量的反演和误差分析

6.3 模型通用性研究

6.4 本章小结

7 总结与展望

7.1 本文研究工作总结

7.2 展望

致谢

参考文献