芒属植物叶片干物质的测定方法与流程

本发明涉及一种芒属植物叶片干物质的测定方法。
背景技术：
：芒属植物已列为全球重要生物质能源作物，其叶片为主要的光合作用器官，叶片的主要包括了碳水化合物、蛋白质、类脂及多种矿物质元素，干物质积累是芒草净光合作用的重要标志，直接影响着芒草的生物量。叶片干物重的测定方法主要是获取作物的鲜质量，烘干后再测定干质量。这种方法不仅费时、费力、实时性差，而且对作物有破坏性，在生产实践中很难大面积普及。近年来，近红外光谱技术在植物生理、生态等方面的测定研究已相当广泛。本研究以植物近红外光谱为手段，通过筛选芒属植物叶片反射光谱的全波段及敏感波段，分析干物重与叶片近红外反射光谱特征的定量关系，建立芒属植物叶片和干物重的数学预测模型。技术实现要素：本发明要解决的技术问题是提供一种芒属植物叶片干物质的测定方法，采用本发明可以无损快速检测芒属植物叶片干物质含量，从而加快测定速度、降低测定成本。为了解决上述技术问题，本发明提供一种芒属植物叶片干物质的测定方法，依次包括以下步骤：1)、采集待测的芒属植物叶片；2)、将芒属植物叶片在400nm-2500nm的近红外光谱波段内扫描，从而获得以下23个特征波长处的反射光光谱：486nm、554nm、624nm、676nm、694nm、714nm、772nm、912nm、958nm、1098nm、1322nm、1392nm、1432nm、1520nm、1642nm、1870nm、1900nm、2038nm、2122nm、2214nm、2274nm、2316nm和2404nm；3)、将上述步骤2)所得数据代入以下干物质含量计算公式，从而获得待测的芒属植物叶片的干物质含量；Y干物重＝47.319473-4.052λ486-709λ554+6.251λ624-14.251λ676+9.659λ694-14.988λ714+36.145λ772+28.185λ912-18.528λ958-2.62λ1098-62.589λ1322-38.958λ1392+33.745λ1432-28.239λ1520-38.184λ1642-45.284λ1870-24.767λ1900-48.384λ2038+40.576λ2122+1.028λ2214+76.801λ2274+72.944λ2316-14.557λ2404。其中Y干物重为待测芒属植物的预测叶片干物重含量，λ486为该样本在486nm处的光谱反射光数值，λ554为该样本在554nm处的光谱反射光数值，λ624为该样本在624nm处的光谱反射光数值，λ676为该样本在676nm处的光谱反射光数值，λ694为该样本在694nm处的光谱反射光数值，λ714为该样本在714nm处的光谱反射光数值，λ772为该样本在772nm处的光谱反射光数值，λ912为该样本在912nm处的光谱反射光数值，λ958为该样本在958nm处的光谱反射光数值，λ1098为该样本在1098nm处的光谱反射光数值，λ1322为该样本在1322nm处的光谱反射光数值，λ1392为该样本在1392nm处的光谱反射光数值，λ1432为该样本在1432nm处的光谱反射光数值，λ1520为该样本在1520nm处的光谱反射光数值，λ1642为该样本在1642nm处的光谱反射光数值，λ1870为该样本在1870nm处的光谱反射光数值，λ1900为该样本在1900nm处的光谱反射光数值，λ2038为该样本在2038nm处的光谱反射光数值，λ2122为该样本在2122nm处的光谱反射光数值，λ2214为该样本在2214nm处的光谱反射光数值，λ2274为该样本在2274nm处的光谱反射光数值，λ2316为该样本在2316nm处的光谱反射光数值，λ2404为该样本在2404nm处的光谱反射光数值。本发明的发明过程具体如下：(1)在光谱范围为400nm-2500nm的近红外光谱波段内扫描678份芒属植物样本，包括了187份芒草、189份荻、180份南荻、120份五节芒和2份巨芒。材料见表1。表1五个芒属植物的干物重范围品种数目范围(％)平均值(％)均方根芒草18714.46-34.2223.650.0211荻1894.39-27.0621.300.0235南荻18019.56-38.9829.090.0351五节芒12013.72-33.4223.200.0211巨芒220.88-23.7822.330.0205(2)利用烘干恒重法获取678份芒属植物样本的干物质含量，具体干物重含量见表1。(3)为了消除原始光谱数据中高频随机噪声、基线漂移等干扰因素对所建模型的影响，研究采用了Smoothing、Normalize等多种预处理方法。把各种预处理后的光谱数据作为自变量X，芒草叶片干物重含量作为Y变量，建立偏最小二乘回归(partialleastsquaresregression，PLS)模型，通过比较各个模型的预测效果从而对各种预处理方法进行评价，最后确定步长为3的移动平均平滑法的预处理方法并建立相应模型。(4)将678份样本中的以1:1的比例随机分为建模集和预测集，其中339份芒草样本用来建立模型，339份样本用于模型预测验证，其中用来建立模型的芒属材料干物质频度显示，主要干物质含量分布在20％至25％区间内。(5)获取样本的光谱漫反射值，并获取了与芒属材料叶片干物质含量密切相关的特征波。(6)以样本基于23个特征波长的漫反射光谱值为自变量，以测定的样本的干物质含量为应变量，使用PLS(偏最小二乘法)拟和光谱数据和干物质含量测定值，建立了基于23个特征波长的多元线性回归模型，两者之间的相关性系数达到0.9812，决定系数达到了0.9628。(7)建立建立了相应的干物质含量模型。具体公式如下：Y干物重＝47.319473-4.052λ486-709λ554+6.251λ624-14.251λ676+9.659λ694-14.988λ714+36.145λ772+28.185λ912-18.528λ958-2.62λ1098-62.589λ1322-38.958λ1392+33.745λ1432-28.239λ1520-38.184λ1642-45.284λ1870-24.767λ1900-48.384λ2038+40.576λ2122+1.028λ2214+76.801λ2274+72.944λ2316-14.557λ2404。其中Y干物重为待测芒属植物的预测叶片干物重含量，λ486为该样本在486nm处的光谱反射光数值，λ486为该样本在486nm处的光谱反射光数值，λ554为该样本在554nm处的光谱反射光数值，λ624为该样本在624nm处的光谱反射光数值，λ676为该样本在676nm处的光谱反射光数值，λ694为该样本在694nm处的光谱反射光数值，λ714为该样本在714nm处的光谱反射光数值，λ772为该样本在772nm处的光谱反射光数值，λ912为该样本在912nm处的光谱反射光数值，λ958为该样本在958nm处的光谱反射光数值，λ1098为该样本在1098nm处的光谱反射光数值，λ1322为该样本在1322nm处的光谱反射光数值，λ1392为该样本在1392nm处的光谱反射光数值，λ1432为该样本在1432nm处的光谱反射光数值，λ1520为该样本在1520nm处的光谱反射光数值，λ1642为该样本在1642nm处的光谱反射光数值，λ1870为该样本在1870nm处的光谱反射光数值，λ1900为该样本在1900nm处的光谱反射光数值，λ2038为该样本在2038nm处的光谱反射光数值，λ2122为该样本在2122nm处的光谱反射光数值，λ2214为该样本在2214nm处的光谱反射光数值，λ2274为该样本在2274nm处的光谱反射光数值，λ2316为该样本在2316nm处的光谱反射光数值，λ2404为该样本在2404nm处的光谱反射光数值。(8)扫描芒属植物叶片在23个特征波长处的反射光光谱，具体波长包括了486、554、624、676、694、714、772、912、958、1098、1322、1392、1432、1520、1642、1870、1900、2038、2122、2214、2274、2316nm和2404nm。本发明与已有的有关植物叶片干物重含量的特征峰相比，除去少数几个特征峰与已知的植物干物质特征峰比较接近，例如在茶叶叶片干物质的特征峰中有461、676、695、710、755和972nm的特征峰，在芒属植物叶片的特征峰有486、676、694、714、772和958nm，其他的特征峰均均为新的特征峰，而且敏感峰的数量更多，推测构成芒属植物叶片干物重的成分更加复杂。(9)339份样本芒属植物叶片样本在23个特征波长处的反射光光谱之代入公式，计算得到叶片干物重含量。预测集的真实值和预测值的相关性系数为0.9812，决定系数为0.9628，表明结果很可靠。本发明具有如下技术优势：(1)该方法步骤简单，可以直接取芒属植物鲜叶进行扫描，通过拟和多元线性回归模型，直接获得叶片干物质含量；(2)该方法快速无损，无需经过耗时长的称重烘干及多次称量步骤，且不破坏植物原始状态；(3)该方法扫描叶片面积小，可以用来快速测定芒属植物不同部位的干物质含量差异，相比较烘干法，更加精准。(4)该方法选取了与芒属植物叶片干物质密切相关的23个特征峰的近红外光谱值，无需全光谱扫描，制造芒属植物叶片干物质专用测量仪器原理更加简单，扫面时间更短。附图说明下面结合附图对本发明的具体实施方式作进一步详细说明。图1为芒属植物叶片干物质含量分布频度图；X轴为叶片干物质含量，Y轴为频度。图2是预测集样本的干物重实际值和预测值散点分布图；X轴表示样本的实际测定干物质含量，Y轴表示用23个特征光谱值预测获得的样本干物质含量。具体实施方式下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不仅限于此：实施例1、一种芒属植物叶片干物质的测定方法，依次进行以下步骤：1)、采集待测的芒属植物叶片；2)、将芒属植物叶片在400nm-2500nm的近红外光谱波段内扫描，从而获得以下23个特征波长处的反射光光谱：486nm、554nm、624nm、676nm、694nm、714nm、772nm、912nm、958nm、1098nm、1322nm、1392nm、1432nm、1520nm、1642nm、1870nm、1900nm、2038nm、2122nm、2214nm、2274nm、2316nm和2404nm；3)、将上述步骤2)所得数据代入以下干物质含量计算公式，从而获得待测的芒属植物叶片的干物质含量；Y干物重＝47.319473-4.052λ486-709λ554+6.251λ624-14.251λ676+9.659λ694-14.988λ714+36.145λ772+28.185λ912-18.528λ958-2.62λ1098-62.589λ1322-38.958λ1392+33.745λ1432-28.239λ1520-38.184λ1642-45.284λ1870-24.767λ1900-48.384λ2038+40.576λ2122+1.028λ2214+76.801λ2274+72.944λ2316-14.557λ2404。实验1、将以下样品按照上述实施例1所述方法进行检测，所得结果如下表2所示。将上述样品按照常规的“烘干恒重法”进行检测，所得与本发明结果的对比如表2所述。备注说明：每种样品取3个重复，取平均值。表2、不同方法测得的芒属植物干物质含量对比对比例1、将实施例1的23个特征波长的“1870m”改成“1700nm”，仍然以PLS(偏最小二乘法)拟和光谱数据和干物质测定值，从而获得相应的干物质计算公式。以此对比例1所述方法对表2所述的样品进行检测。检测结果如上表2所述。对比例2、将实施例1的23个特征波长的“554nm”改成“538nm”，仍然以PLS(偏最小二乘法)拟和光谱数据和干物质含量测定值，从而获得相应的干物质含量计算公式。以此对比例2所述方法对表2所述的样品进行检测。检测结果如上表1所述。最后，还需要注意的是，以上列举的仅是本发明的若干个具体实施例。显然，本发明不限于以上实施例，还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形，均应认为是本发明的保护范围。当前第1页1 2 3