绿色植被红边特征的研究

通过系统分析绿色植被在紫外可见波段光谱的产生机理,得出绿峰和红边是由叶绿素产生的。从叶绿素的结构上看,它属于卟啉类化合物,为了进一步探究红边产生的机理,合成了四苯基卟啉、四(4-甲氧基苯基)卟啉、四(4-磺酸钠苯基)卟啉、四吡啶基卟啉、四甲基卟啉、四(4-甲氧基苯基)卟啉合锌和四(4-甲氧基苯基)卟啉合铜,并采用紫外可见光谱、红外及核磁进行表征。通过对其紫外可见光谱的系统分析,提出“红边”不仅限于叶绿素,而是卟啉类化合物特有的光谱特征,红边是由卟啉环a_2u(π)-e_g(π*) 跃迁产生的Q带所致。其位置不仅与卟啉的浓度相关,与卟啉化合物外侧取代基类型也有关系,金属卟啉对红边的位置影响较大。     

基于BPLT模型的小麦叶片背景扣除方法的研究

为准确且无损测定小麦叶片的反射光谱,研究了不同背景对叶片表面反射光谱的影响,在400～1 000 nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。以PLATE模型为基础,首次提出了BPLT(background plate)模型,扣除由不同背景导致的叶片反射光谱的变化。模型以背景下叶片的反射率R₀,不同背景反射率σ为输入,空气和致密叶片的界面反射比R₁₂,致密叶片和空气的界面反射比R₂₁,致密叶片的透射系数τ三参数中间变量,得到最终无背景时叶片反射率R值的2-3-1模型。采用方差分析法(analysis of variance, ANOVA)进行了BPLT模型验证,对比分析了背景扣除前后10种叶绿素指数值的变化。结果表明,当反演的确定系数DC(determination coefficients)>0.90且残差平方和SSE<1时,反演的灵敏度较高,对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果;采用BPLT模型背景扣除后,背景因素所占的百分比低于5%;优选了NDI&MCARI的函数关系,NDI&MCARI的斜率和叶绿素浓度的R2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。为真实测定不同背景下小麦叶片的反射光谱提供了依据。     

叶绿素荧光技术对受Cu~(2+)胁迫藻类暗适应时间的研究

利用叶绿素荧光技术,对受相同浓度Cu2+胁迫的蛋白核小球藻、斜生栅藻、铜绿微囊藻的最佳暗适应时间进行研究.通过对三种供试藻在光照和暗适应时间分别为30s、1min、3min、5min、10min和20min条件下的光合荧光参量进行测定,以光化学淬灭参量值为主要参考依据,结合t检验方法对暗适应时间进行显著性差异分析,结果表明:暗适应条件下三种供试藻的潜在最大量子效率值略有增加,实际量子效率值基本保持不变;蛋白核小球藻和斜生栅藻的光化学淬灭参量值和非光化学淬灭参量值随暗适应时间的延长显著增加;铜绿微囊藻光化学淬灭参量值在光照1min时达到最大,无需进行暗适应,这可能与蓝藻在暗适应时发生状态转换有关;藻类不是暗适应时间越长越好,蛋白核小球藻和斜生栅藻的最佳暗适应时间分别为5min和10min.这将为采用叶绿素荧光技术进一步研究毒物对藻类的胁迫机理提供可靠依据.     

玉米作物多光谱图像精准分割与叶绿素诊断方法研究

为了快速获取大田玉米作物长势信息, 基于多光谱图像开展了大田玉米叶绿素指标的非破坏性诊断研究。应用自主开发的2-CCD多光谱图像感知系统, 在田间采集玉米冠层可见光［Blue(B), Green(G), Red(R);400～700 nm］和近红外(Near-infrared: NIR, 760～1 000 nm)图像, 并使用SPAD同步测量样本叶绿素指标。采集后图像经自适应平滑滤波处理后, 进行图像玉米植株提取。为了选择最优算法实现玉米植株与杂草、土壤背景的分割, 首先比较了最大类间方差(OTSU)分割算法和局部阈值处理分割算法, 选取了基于局部统计的可变阈值处理方法对玉米NIR图像进行初步分割, 进而采用区域标记算法进行精细分割, 分割准确率达95.59%。将分割结果应用于玉米植株可见光图像R, G, B各通道, 从而实现了玉米植株多光谱图像中可见光图像的整体分割。基于分割后R, G, B和NIR四个通道的玉米冠层图像, 提取了各通道图像灰度均值(ANIR, ARed, AGreen和ABlue)并计算了归一化植被指数(NDVI)、比值植被指数(RVI)和绿色归一化植被指数(NDGI)作为光谱特征参数, 建立了玉米冠层叶绿素指标诊断的偏最小二乘法回归模型。结果表明, 建模R2达0.596 0, 预测R2达0.568 5, 该方法通过玉米多光谱图像特征参数评估叶片叶绿素含量, 可为大田玉米长势监测提供支持。     

同步荧光法测定西双版纳热带雨林沉积物中的叶绿素及其环境意义

沉积物中的叶绿素及其衍生物不易变化,是生产力的敏感指标。因此,根据其含量和种类可探查陆地生态系统的初级生产力。讨论了沉积物中叶绿素的提取及同步荧光测定叶绿素的方法,并应用于西双版纳热带雨林沉积物中叶绿素的测定,并对其环境意义进行了初步研究。研究发现,在最佳实验条件下,叶绿素a、b的浓度在0.5～200μg/L范围内与荧光信号呈良好的线性关系,相关系数分别为0.9994、0.9999;其检出限分别为1.410和0.376μg/L。本方法适合批量测定,为沉积物中低含量叶绿素的测定提供了一种简单而快速的测定方法。     

转基因水稻及其亲本叶片的可见/近红外光谱分析

应用可见/近红外光谱技术实现了转基因水稻叶片的快速识别和叶绿素含量(SPAD)的快速检测。建立偏最小二乘-支持向量机(LS-SVM)鉴别模型,校正集的正确率为100%,同时应用连续投影算法(SPA)提取有效波长,建立SPA-LS-SVM鉴别模型,只用了全变量的0.3%进行建模,其预测集的正确率达到87.27%。在定量分析中,各模型的最优结果均来自经过正交信号校正(OSC)的光谱数据,经过SPA处理后的模型均优于最优的全波段PLS模型,说明SPA是一种有效的波长选择方法。最优SPAD值预测模型为SPA-LS-SVM,其相关系数(r)和预测均方根误差(RMSEP)分别为0.902 2和1.312 1,获得了满意的结果。这说明提出的SPA-LS-SVM方法能快速识别转基因水稻叶片并对SPAD值进行准确预测,为实现大田活体鉴别与连续监测提供了新方法。     

苹果树叶片叶绿素含量高光谱估测模型研究

叶片叶绿素含量是评估果树长势和产量的重要参数,实现快速、无损、精确的叶绿素含量估测具有重要意义。本研究以山东农业大学苹果园为试验区,采用高光谱分析技术探索苹果树叶片叶绿素含量的估测方法。通过分析叶片高光谱曲线特征,对原始光谱分别进行一阶微分、红边位置以及叶面叶绿素指数(LCI)变换,分别将其与叶绿素含量进行相关分析及回归分析,建立叶绿素含量估测模型并进行检验,从中筛选出精度最高的模型。结果显示,以LCI为变量的估测模型以及以一阶微分521和523nm组合为变量的估测模型拟合精度最高,决定系数R2分别为0.845和0.839,均方根误差RMSE分别为2.961和2.719,相对误差RE%分别为4.71%和4.70%。因此LCI及一阶微分是估测苹果树叶片叶绿素含量的重要指标。该模型对指导苹果树栽培生产具有积极意义。     

红紫素-18的卤化反应及其二氢卟吩类衍生物的合成

从红紫素-18甲酯开始,通过对其3-位乙烯基和20-meso-位的亲电加成和亲电取代反应,区域选择性地给出相应的氯代或者溴代产物.红紫素-18甲酯与重氮甲烷的1,3偶极环加成反应生成C(3)-吡唑啉基取代的红紫素-18,继续与N-溴代丁二酰亚胺(NBS)和N-氯代丁二酰亚胺(NCS)进行亲电取代反应,生成相应的卤代吡唑啉基取代二氢卟吩.3-吡唑啉基红紫素-18热裂解后的卤代反应则给出3-环丙基-20-卤代二氢卟吩.选择脱镁叶绿酸-a甲酯为另一起始反应物,通过C(3)-乙烯基和E-环结构的一系列化学转换和20-meso-位的溴代反应,区域选择性地得到20-溴代红紫素-18衍生物.新报道的标题化合物均经UV,IR,1H NMR及元素分析证明其结构.     

红紫素-18的胺解反应及其叶绿素类二氢卟吩衍生物的合成

以红紫素-18甲酯为原料,与脂肪胺或者苯胺在加热回流和微波促进的条件下进行胺解反应,分别得到单酰胺化、双酰胺化和羰基亚胺化产物;同时,沿着N21-N23轴向对所得红紫素-18酰亚胺实施化学修饰,分别得到难以分离的具有阻旋异构和差向异构特征的红紫素-18酰亚胺混合物.新的二氢卟吩类衍生物均经UV,IR,1H NMR光谱、质谱及元素分析证明其结构,并对相应的胺解反应提出了可能的反应机理.     

水稻叶片叶绿素、类胡萝卜素含量估算的归一化色素指数研究

测定了水稻叶片的高光谱反射率,以及相应的叶绿素、类胡萝卜素含量,采用一种将350～2 500 nm范围内所有光谱波段两两组合的方法,构建所有可能的归一化比值色素指数,并建立这些指数与叶绿素、类胡萝卜素含量的统计模型,然后将构成最佳模型的指数确定为最适合相应色素估算的指数,并进行验证以及与已知归一化色素指数进行了比较。结果表明,本研究所给出基于叶片水平的色素指数(R_{1 729}-R₇₀₇)/(R_{1 729}＋R₇₀₇),(R_{1 554}-R₅₇₂)/(R_{1 554}＋R₅₇₂),(R_{1 729}-R₇₀₆)/(R_{1 729}＋R₇₀₆),(R_{1 536}-R₇₀₇)/(R_{1 536}＋R₇₀₇)可以较好地估算叶绿素、类胡萝卜素含量。构成这些色素指数的指数波段主要位于700 nm附近,其次为绿光长波区域;构成指数的参照波段主要位于短波红外区域。这说明短波红外区域在色素指数的构建中也有重要作用。这些色素指数对叶绿素、类胡萝卜素含量的估算效果一般要好于各已知的归一化比值色素指数,或者与最好的已知色素指数估算效果相当。