叶绿素含量测量方法及装置的制造方法
【技术领域】
[0001]本发明涉及遥感数据处理和农学技术领域，尤其涉及一种叶绿素含量测量方法及
目.ο
【背景技术】
[0002]叶绿素在植物进行光合作用的过程中起着重要的作用，植物叶片的叶绿素含量SPAD值是植物营养胁迫、光合作用能力和生长发育状况的重要指示因子，其值的多少不仅反映植物的生长状况，而且可以体现出植物与外界发生物质交换的能力。叶绿素含量检测技术的研究在农业生产、林业研究等方面有着至关重要的意义。
[0003]目前测定植物叶片叶绿素含量的标准方法是分光光度计法，即将植物叶片取回实验室，将叶片称重剪碎，用丙酮提取叶片叶绿素，然后用分光光度计测定提取液在645nm和663nm的光密度，然后按公式换算成叶绿素含量。这种方法具有耗时长、环节多、操作复杂、对叶片有破坏性、不便于野外现场测量、不便于连续测量等诸多缺点，而且实验条件等易受到诸多因素的影响。
[0004]现有研究表明，植物冠层和叶片的反射光谱曲线在可见光区主要受植物色素(叶绿素和类胡萝卜素)的影响，而在近红外范围主要受叶子内部细胞结构、冠层结构、生物量、蛋白质和纤维素等影响。目前，现有技术已得出了 680nm-740nm范围内的红边波段对叶绿素最为敏感的结论，并且针对不同植被、不同影响因素已建立数十种叶绿素含量敏感的光谱指数。
[0005]因此，现存的亟待解决的技术问题是:如何运用光学遥感技术提供一种非接触式、经济有效且不受实验条件等因素影响的叶绿素含量测量方法，以实现叶绿素含量的准确简便、快速及时地测量。
【发明内容】
[0006]为解决上述技术问题，本发明一方面提出了一种叶绿素含量测量方法，包括以下步骤:
[0007]采集预设样本的叶绿素含量，并根据所述预设样本的高光谱反射率数据计算对应的光谱植被指数；
[0008]根据所述预设样本的叶绿素含量与对应的光谱植被指数构建待测植被的叶绿素含量与所述光谱植被指数的预测关系模型；
[0009]获取待测植被的叶片和冠层的高光谱反射率数据；
[0010]根据所述高光谱反射率数据，利用光谱指数算法计算待测植被的光谱植被指数；
[0011]根据所述待测植被的光谱植被指数，采用预先建立的预测关系模型反演得到所述待测植被的叶绿素含量。
[0012]优选地，所述光谱反射率数据为近红外光谱反射率数据和红光光谱反射率数据。
[0013]优选地，所述利用光谱指数算法计算出待测植被的光谱植被指数具体包括:
[0014]利用差值比值算法，计算一个红边波段叶绿素指数SRCI，将所述SRCI作为待测植被的光谱植被指数；
[0015]所述SRCI的表达式为:
[0016]SRCI = (NIR-R) / (NIR+R)，
[0017]其中，NIR—为近红外波段的反射值；R—为红光波段的反射值。
[0018]优选地，所述方法还包括:
[0019]根据实际测量的待测植被的叶绿素含量，对所述待测植被的叶绿素含量与所述光谱植被指数的预测关系模型进行修正。
[0020]优选地，所述方法还包括:
[0021]针对所述待测植被的不同生长阶段，分别建立叶绿素含量的反演模型。
[0022]优选地，所述方法还包括:
[0023]当超出所述光谱植被指数的预测关系模型的预设有效期限时，重新建立所述光谱植被指数的预测关系模型。
[0024]另一方面，本发明提供了一种叶绿素含量测量装置，包括样本光谱植被指数计算单元、预测关系模型建立单元、高光谱反射率获取单元、光谱植被指数计算单元及叶绿素含量反演单元；
[0025]所述样本光谱植被指数计算单元，用于采集预设样本的叶绿素含量，并根据所述预设样本的高光谱反射率数据计算对应的光谱植被指数；
[0026]所述预测关系模型建立单元，用于根据所述预设样本的叶绿素含量与对应的光谱植被指数构建待测植被的叶绿素含量与所述光谱植被指数的预测关系模型；
[0027]所述高光谱反射率获取单元，用于获取待测植被的叶片和冠层的高光谱反射率数据；
[0028]所述光谱植被指数计算单元，用于根据所述高光谱反射率数据，利用光谱指数算法计算待测植被的光谱植被指数；
[0029]所述叶绿素含量反演单元，根据所述待测植被的光谱植被指数，采用预先建立的预测关系模型反演得到所述待测植被的叶绿素含量。
[0030]优选地，所述光谱植被指数计算单元具体用于利用差值比值算法，计算一个红边波段叶绿素指数SRCI，将所述SRCI作为待测植被的光谱植被指数；
[0031]所述SRCI的表达式为:
[0032]SRCI = (NIR-R)/(NIR+R)，
[0033]其中，NIR—为近红外波段的反射值；R—为红光波段的反射值。
[0034]优选地，还包括预测关系模型修正单元，用于根据实际测量的待测植被的叶绿素含量，对所述待测植被的叶绿素含量与所述光谱植被指数的预测关系模型进行修正。
[0035]优选地，还包括预测关系模型有效期控制单元，当超出所述光谱植被指数的预测关系模型的预设有效期限时，重新建立所述光谱植被指数的预测关系模型。
[0036]本发明提供的叶绿素含量测量方法及装置，将光学遥感技术运用到叶绿素含量测量领域，提供了一种非接触式、经济有效且不受实验条件等因素影响的叶绿素含量测量方法，可实现叶绿素含量的准确简便、快速及时地测量，对农作物长势监测、产量估算等领域具有十分重要的意义。
【附图说明】
[0037]通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中:
[0038]图1示出了本发明实施例提供的叶绿素含量测量方法的流程图；
[0039]图2示出了本发明另一实施例提供的叶绿素含量测量方法的流程图；
[0040]图3示出了本发明实施例提供的监测植被的植被指数效果示意图；
[0041]图4示出了本发明实施例提供的SCRI指数的叶绿素含量估算模型示意图；
[0042]图5示出了本发明实施例提供的叶绿素含量测量装置的结构示意图；
[0043]图6示出了本发明另一实施例提供的叶绿素含量测量装置的结构示意图。
【具体实施方式】
[0044]下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
[0045]本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
[0046]本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非被特定定义，否则不会用理想化或过于正式的含义来解释。
[0047]图1示出了本发明实施例提供的叶绿素含量测量方法的流程图。如图1所示，本实施例提出的一种叶绿素含量测量方法，包括以下步骤:
[0048]S1:采集预设样本的叶绿素含量，并根据所述预设样本的高光谱反射率数据计算对应的光谱植被指数；
[0049]S2:根据所述预设样本的叶绿素含量与对应的光谱植被指数构建待测植被的叶绿素含量与所述光谱植被指数的预测关系模型；
[0050]S3:获取待测植被的叶片和冠层的高光谱反射率数据；
[0051]S4:根据所述高光谱反射率数据，利用光谱指数算法计算待测植被的光谱植被指数；
[0052]S5:根据所述待测植被的光谱植被指数，采用预先建立的预测关系模型反演得到所述待测植被的叶绿素含量。
[0053]本实施例提供的叶绿素含量测量方法，可实现叶绿素含量的准确简便、快速及时地测量，提供了一种非接触式、经济有效且不受实验条件等因素影响的叶绿素含量测量方法，对农作物长势监测、产量估算等领域具有十分重要的意义。
[0054]在此实施例的基础上，所述光谱反射率数据为近红外光谱反射率数据和红光光谱反射率数据。
[0055]所述利用光谱指数算法计算出待测植被的光谱植被指数具体包括:
[0056]利用差值比值算法，计算一个红边波段叶绿素指数SRCI，将所述SRCI作为待测植被的光谱植被指数；
[0057]所述SRCI的表达式为:
[0058]SRCI = (NIR-R)/(NIR+R)，
[0059]其中，NIR—为近红外波段的反射值；R—为红光波段的反射值。
[0060]图2示出了本发明另一实施例提供的叶绿素含量测量方法的流程图。如图2所示，该测量方法还可包括以下步骤:
[0061]S6:根据实际测量的待测植被的叶绿素含量，对所述待测植被的叶绿素含量与所述光谱植被