脂质体体系中甲基紫精与抗坏血酸的光敏氧化还原

叶绿素a作为一种光敏色素嵌入脂质体的类脂双分子层液晶态膜中,光照时观察到脂质体外部水相中的甲基紫精被脂质体内部水相中的抗坏血酸还原。用来配制缓冲液的三羟甲基氨基甲烷同时可起质子载体作用。本文还初步讨论了pH值的改变对光敏反应的影响。     

叶绿素光敏氧化香叶烯合成齿小蠹二烯醇

报道了以叶绿素(Chl)为敏化剂、香叶烯光敏氧化的同时用四丁基硼氢化铵(TBABH₄)还原得到相应的二级和三级烯丙基醇。讨论了玫瑰红(RB)、甲素(HA)和叶绿素三种敏化剂对产物分布的影响。实验结果表明:以叶绿素为敏化剂由香叶烯合成的齿小蠹二烯醇(Ipsdienol,2-甲基-6-甲叉基-2,7-辛二烯-4-醇),副产物少,收率较高。还讨论了还原剂的用量及光照时间对产物的影响。     

基于离散小波-微分变换算法定量反演火龙果茎枝叶绿素含量的研究

作为一种仙人掌科植物，火龙果植株无叶，主要依靠肉质茎进行光合作用、蒸腾作用等生理功能，火龙果的肉质茎与常见绿叶类植物叶片在组织结构、形态等方面存在明显差异，且二者在植株冠层结构方面也存在明显差异，该差异会直接影响植株冠层光谱特征，进而影响基于与光谱技术的光合色素监测。为探寻提升火龙果茎枝叶绿素含量估测精度的方法，研究以贵州省罗甸县龙坪镇烟山火龙果种植基地为试验区，先采集火龙果茎枝光谱及光谱测定部位的组织，并采用乙醇萃取法测定此组织的叶绿素含量，然后选用传统数学变换、连续小波变换、离散小波变换、离散小波-微分变换方法分别处理分析光谱数据，并采用相关性分析算法提取、筛选敏感特征波段，最后选用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型，分析结果如下：(1)采用离散小波-微分变换算法，高频信息与低频信息的峰、谷交替依次呈现，且可用信息分部具有较强的稳定性，可用信息随尺度的增加，曲线振幅加大、频率降低。(2)数学变换内的微分变换、连续小波变换、离散小波变换与离散小波-微分变换方法均能明显提升光谱对火龙果茎枝叶绿素含量的敏感性，其中以离散小波-微分变换方法最优，经处理后光谱与火龙果茎枝叶绿素含...     

基于无人机多光谱估测不同品种紫花苜蓿的地上生物量和叶绿素含量

地上生物量和叶绿素是紫花苜蓿生长过程中的重要指标，可以为其生长的动态监测与管理提供有效的帮助。紫花苜蓿作为最为重要的饲草作物，如何利用现代光谱智能技术有效且准确地预测其状态是紫花苜蓿种植过程中的重要问题。基于无人机多光谱对不同品种紫花苜蓿的地上生物量和叶绿素含量的估算结果进行研究并为此构建预估模型。共研究了21个紫花苜蓿品种，采用无人机搭载多光谱相机在天气晴朗无风时起飞并拍摄图像，将无人机拍摄得到的多光谱图像采用ENVI 5.3软件进行分析，挑选出NDVI、 EVI、 SAVI、 Green NDVI、 NDGI、 DVI、 NGBDI、 OSAVI、 NDRE和MSR共10个植被参数和无人机多光谱相机自带的5个光谱波段(蓝、绿、红、红边、近红外)进行特征分析，再使用Matlab 2020b软件，采用支持向量机(SVM)构建不同品种紫花苜蓿的地上生物量和叶绿素含量的预测模型。然而在实际操作的运行中，发现使用SVM构建的预估模型其准确率不理想，因此使用智能算法鲸鱼(WOA)和灰狼(GWO)对SVM预估模型进行优化，发现使用SVM预估模型能预估不同品种的紫花苜蓿的地上生物量和叶绿素含量，其...