利用叶绿素荧光动力学参数识别苗期番茄干旱胁迫状态

分类：论文范文 发表时间：2021-11-19 11:31

　　摘要：为实现作物干旱胁迫状态无损识别，该研究提出了基于叶绿素荧光动力学参数的苗期番茄干旱胁迫状态识别方法。首先利用叶绿素荧光成像系统采集不同干旱胁迫程度的植株冠层叶绿素荧光图像，并将顶层叶片图像像素均值作为该植株的叶绿素荧光参数值；然后，采用连续投影法（SuccessiveProjectionsAlgorithm，SPA）、迭代保留信息变量法（IterativelyRetainsInformativeVariables，IRIV）和变量空间迭代收缩法（VariableIterativeSpaceShrinkageApproac，VISSA）分别提取与干旱胁迫高度相关的叶绿素荧光参数。并分析3种算法提取的5个公共荧光参数（光适应过程中L2时刻的实际光量子效率、光适应过程中L3时刻的非光化荧光淬灭、基于“Lake”模型光适应过程中L2时刻的光适应光化学淬灭、基于“Lake”模型的稳态光适应光化学淬灭和基于“Lake”模型暗弛豫过程中D3时刻的光适应光化学淬灭）在不同干旱等级下的变化趋势。最后，利用线性判别分析（LinearDiscriminantAnalysis，LDA）、支持向量机（SupportVectorMachines，SVM）和k最近邻（k-NearestNeighbor，KNN）建立干旱胁迫状态识别模型。其中，IRIV-LDA和VISSA-LDA建模效果最好，识别准确率均可达97.8%，且IRIV-LDA对干旱胁迫程度的区分度更好，对适宜水分、轻度干旱、中度干旱、重度干旱的识别率分别为100%、95%、98%、98%。仅用5个公共参数建立干旱识别模型的识别准确度最高可达83.7%，说明这5个荧光参数与番茄干旱胁迫高度相关。试验结果表明，利用叶绿素荧光动力学参数可以较准确的检测苗期番茄干旱胁迫状态。该研究为苗期番茄干旱胁迫早期监测和胁迫等级判定提供了一种新方法，也可为其他作物的干旱胁迫状态监测提供技术参考。

　　关键词：干旱；胁迫；叶绿素荧光；番茄幼苗；识别

　　0引言

　　水分对作物的生长至关重要，水分亏缺会造成作物的水势和膨压低于正常水平，使其正常代谢机能受到干扰或破坏，严重威胁作物的生长发育[1]。干旱作为一种多维胁迫，可以引起作物表型、生理学、生物化学和分子水平的变化，严重时将导致光合作用终止和代谢紊乱，最终导致作物死亡[2]。因此，及时识别作物干旱胁迫程度，对作物生长发育、合理灌溉和产量提升都具有重大意义。

　　1试验和方法

　　1.1干旱胁迫试验

　　干旱胁迫试验于西北农林科技大学旱区节水农业研究院人工气候室进行（北纬34°07′39″，东经107°59′50″，海拔648m），室内光周期为昼/夜14h/10h，环境温度为昼/夜24℃/14℃，空气相对湿度为60%。采用盆栽土培法，试验土壤为进口泥炭土，土壤容重1.1g/cm3，土壤养分含量为：磷1.52g/kg，钾2.64g/kg，镁0.28g/kg，硝态氮0.78g/kg，铵态氮0.56g/kg，pH值6.0，有机质质量分数64%。选取高13cm，口径15cm的塑料盆，每盆装土0.5kg。于2020年7月选择长势、大小较为一致的70株番茄苗移栽到塑料盆中，每盆1株。移栽当天浇透水，缓苗2d，第3天再次补充水分，后续不再浇水，直至番茄苗萎蔫。为方便后续建模分析，在每次荧光参数采集之前，使用土壤湿度传感器测量3次土壤湿度取平均值作为所测样本土壤含水率的实际值，将土壤含水率为最大持水量的75%～85%、55%～65%、35%～45%、15%～25%分别记为适宜水分、轻度干旱、中度干旱和重度干旱[19]。

　　1.2叶绿素荧光动力学参数采集

　　本研究使用PlantScreen植物表型成像分析系统（北京易科泰生态技术有限公司）测量叶绿素荧光参数，系统由测量光光源（610～620nm，红光）、光化学光光源（610～620nm，红光；470～480nm，蓝光）、饱和光光源（470～480nm，蓝光）、暗适应室、计算机以及控制软件等部件组成。将暗适应30min的番茄幼苗放入检测箱中，通过计算机控制程序运行，并利用FluorCam7.0软件采集、分析数据。由于整个番茄植株的叶片高低不同，荧光激发的强度对不同位置的叶片也不同。为避免高低叶位对结果的影响，该研究只选取植株冠层最上层的3片叶片的荧光图像为感兴趣区域，将感兴趣区域的像素均值作为该植株的叶绿素荧光参数值，图1为不同干旱胁迫状态下最小荧光参数感兴趣区域选取结果。每个样本共获取98幅荧光图像，即共有98个叶绿素荧光参数，参数符号和参数名称如表1所示。

　　2结果与讨论

　　2.1参数优选

　　该研究使用SPA、IRIV和VISSA算法对叶绿素荧光参数进行优选，图3为不同算法的优选过程，表2为不同算法的优选结果。

　　2.2干旱胁迫识别模型建立

　　利用LDA、SVM和KNN建立作物干旱胁迫识别模型。SVM建模选择种类为二次SVM，核函数为二次方内核，选择一对一多分类方法。KNN建模选择种类为加权KNN，设置邻近数为10。各建模方法的识别准确率如表3所示。从表3可以看出，98个荧光参数均参与建模时，LDA识别准确率最高，为94.2%；由SPA选出的12个荧光参数参与建模时，LDA识别准确率最高，为94.6%；由IRIV选出的29个荧光参数参与建模时，LDA识别准确率最高，为97.8%；经VISSA选出的25个荧光参数参与建模时，LDA识别准确率最高，为97.8%。仅用3种算法提取的5个公共参数建模时，准确率最高可达83.7%，仍达到了较高的精度，表明这5个公共参数是与植物干旱胁迫程度高度相关的荧光参数。

　　3结论

　　以苗期番茄植株为研究对象，利用叶绿素荧光参数完成不同干旱胁迫状态下植株的干旱等级识别。使用连续投影法（SuccessiveProjectionsAlgorithm，SPA）、迭代保留信息变量法（IterativelyRetainsInformativeVariables，IRIV）和变量空间迭代收缩法（VariableIterativeSpaceShrinkageApproach，VISSA）获取与干旱胁迫相关的荧光参数，通过线性判别分析（LinearDiscriminantAnalysis，LDA）、支持向量机（SupportVectorMachines，SVM）和k最近邻（k-NearestNeighbor，KNN）算法构建识别模型。通过对比分析试验结果，确定最优干旱胁迫状态识别模型。主要有以下结论：

　　1）为降低模型复杂度和冗余度，使用SPA、IRIV、VISSA对获取的98个叶绿素荧光参数进行参数优选，分别得到12、25、29个荧光参数，并分析3种算法提取的5个公共参数（光适应过程中L2时刻的实际光量子效率、光适应过程中L3时刻的非光化荧光淬灭、基于“Lake”模型的光适应过程中L2时刻的光适应光化学淬灭、基于“Lake”模型的稳态光适应光化学淬灭、基于“Lake”模型的暗弛豫过程中D3时刻的光适应光化学淬灭）的变化趋势和其所反映的干旱程度对植株光合作用的影响。

　　2）基于上述荧光参数提取，分别使用LDA、KNN、SVM算法建立干旱胁迫状态识别模型，试验结果表明LDA算法建模准确度高于KNN和SVM算法，且参数优选之后的建模准确度与全参数建模准确度相当或有所提高，表明了参数优选方法的有效性。仅用三种算法提取的5个公共参数建模时，准确度最高可达到83.7%，表明这5个公共参数是与植物干旱胁迫程度高度相关的荧光参数，包含了干旱胁迫下植物光合作用的大部分信息。

　　3）针对建模效果最好的LDA模型，对不同荧光参数建模结果的混淆矩阵进行分析。可以得到IRIV参数优选得到的LDA模型对适宜水分、轻度干旱、中度干旱和重度干旱的识别准确率较全参数分别提高了6%、4%、2%和2%，准确率分别达到了100%、95%、98%、98%。试验结果表明利用叶绿素荧光动力学参数对苗期番茄干旱胁迫状态识别是可行的。

　　[参考文献]

　　[1]张希彪.植物根系和叶片生长对水分亏缺的原初反应[J].西北植物学报，2001，21(4)：805-810.ZhangXibiao.Primaryresponsesofrootandleafelongatinggrowthunderwaterdeficits[J].ActaBotanicaBoreali-OccidentaliaSinica,2001,21(4):805-810.(inChinesewithEnglishabstract)

　　[2]温琦，赵文博，张幽静，等.植物干旱胁迫响应的研究进展[J].江苏农业科学，2020，48(12)：11-15.WenQi,ZhaoWenbo,ZhangYoujing,etal.Researchprogressinplantresponsetodroughtstress[J].JiangsuAgriculturalSciences,2020,48(12):11-15.(inChinesewithEnglishabstract)

　　[3]赵燕东，高超，张新，等.植物水分胁迫实时在线检测方法研究进展[J].农业机械学报，2016，47(7)：290-300.ZhaoYandong,GaoChao,ZhangXin,etal.Researchprogressonreal-timeonlinedetectionmethodsofplantwaterstress[J].TransactionsoftheChineseSocietyforAgriculturalMachinery,2016,47(7):290-300.(inChinesewithEnglishabstract)

　　[4]杜斌.交替沟灌夏玉米水分亏缺诊断与蒸腾估算研究[D].杨凌：西北农林科技大学，2018.DuBin.ResearchonWaterDeficitDiagnosisandTranspirationEstimationofSummerMaizeUnderAlternateFurrowIrrigation[D].Yangling:NorthwestA&FUniversity,2018.(inChinesewithEnglishabstract)

　　龙燕，马敏娟，王英允，宋怀波

上一篇：一种多功能医用垃圾桶的设计 下一篇：两种驱动力作用下植被调控堆积体坡面减水减沙效益