本发明涉及植物根系观测
技术领域：
，具体涉及一种采用近红外装置测定露地草莓休眠进程的方法。
背景技术：
：露地草莓需要经过自然休眠后，才能正常的萌芽、开花，否则即使给予适宜的环境条件，也不萌芽开花，有时即使萌芽但不整齐，并且生长结果不良。草莓的休眠进程直接关系到自身需冷量的积累、产量和果实品质的提升。迄今为止，针对草莓休眠进程的判断仅限于通过观察花芽(叶芽)的大小变化的方法判别；然而，采用这种方法只能粗略地判断休眠结束前期，不能对休眠进程(休眠诱导期、深度休眠期、休眠解除期)进行动态观察，这对明确草莓休眠进程和调控需冷量，以增加产量、提升果实品质。有学者提出当芽增大时，束缚水开始向自由水转变；也有学者认为，与芽细胞内自由水的增加与芽的增大具有一致性，而芽大小是确定草莓休眠是否结束的简便方法。植物生理表明，草莓真正意义的休眠为根系的休眠，而芽体的休眠为休眠的表观现象，为此，准确地探明草莓的休眠进程，应对其根系的休眠情况进行研究。文献表明，草莓根系休眠与根系中水的自由度密切相关，即当根系的束缚水远远大于自由水时，草莓开始进入休眠；当根系自由水几乎不活动时，草莓草莓处于深度休眠时期；当根系中自由水远远大于束缚水时，草莓开始解除休眠。技术实现要素：本发明的目的在于克服现有技术中存在的上述问题，提供一种采用近红外装置测定露地草莓休眠进程的方法，通过测定草莓根系内束缚水和自由水的含量和自由度来了解草莓根系活动情况，为判断草莓的休眠进程提供可靠依据。为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：一种采用近红外装置测定露地草莓休眠进程的方法，该方法包括如下步骤：(1)模型的建立：取多组不同生长状况的草莓根系，每一组草莓根系分为两份，其中一份利用阿贝折射仪测得根系束缚水和自由水数据，另一份利用NIR(近红外)漫反射光谱技术采集草莓根系样品的NIR光谱，以阿贝折射仪测得的数据作为参考值，结合TQAnalyst7.1中的PLS(偏最小二乘法)法建立草莓根系中束缚水和自由水测定的NIR分析模型，并以未知样品进行验证；(2)在草莓休眠季节，定期挖开草莓根际土壤，露出侧根系和须根系；(3)选取步骤(2)中适量长度的侧根系和须根系作为样品，装入石英样品杯，近红外光谱仪采用积分球漫反射测样，分辨率为8cm-1，扫描64次，扫描范围12000～4000cm-1，温度23-27℃，相对湿度15％-20％；对所得到的NIR光谱进行预处理和特征分析，利用步骤(1)中的NIR分析模型，分析得到草莓休眠的深度。本发明中，所述草莓休眠季节限制为冬季11月份至翌年3月份。本发明中，所述步骤(2)中每隔2周挖开草莓根际土壤。本发明中，所述步骤(2)中挖开草莓根际土壤的深度10-20cm。本发明中，所述步骤(3)中每批样品重复装样并扫描5次，求平均光谱。近红外装置工作原理：近红外光是指波长介于可见光区与中红外区之间的电磁波，其波长范围约为780～2500nm，波数范围约为12500～4000cm-1。采用近红外装置，源于红外线发射器发出的红外光产生脉冲信号，这种脉冲信号源于分子振动能级的跃迁同时伴随转动能级跃迁而产生。它记录的是分子中单个化学键的频振动的倍频和合频信息，主要是由于对束缚水和自由水吸收峰的位置和强度上的不同，达到反映根系中水属于束缚水还是自由水，同时反应须根系膨胀的情况。本发明的有益效果是：1、检测过程简单快捷，近红外光具有很强的穿透能力和散射效应，在检测时不需要进行任何前处理，可以穿透玻璃、石英和塑料包装进行直接检测，也不使用任何化学试剂，结果更客观、准确。2、可全程监控休眠进程，克服肉眼观察时只能通过草莓芽体大小粗略判断草莓休眠进程的不足。当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本实施例中10批草莓根系扫描5次后的NIR光谱叠加图。具体实施方式下面的实施例仅用于解释本发明，而非限制本发明。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。实施例一采集NIR光谱：取适量长度的侧根系和须根系分为10批草莓根系样品，分别装入石英样品杯，近红外光谱仪采用积分球漫反射测样，分辨率为8cm-1，扫描64次，扫描范围12000～4000cm-1，温度23-27℃，相对湿度15％-20％；每批样品重复装样并扫描5次，求平均光谱，见图1。NIR光谱的预处理：分别采用一阶导数(firstderivative)、二阶导数(secondderivative)、多元散射校正(mutiplicativesignalcorrection，MSC)、矢量归一化、最大–最小归一化等方法对光谱预处理，以内部交叉验证决定系数(R2)、校正均方差(RMSEC)和预测均方差(RMSEP)为综合指标评价。R2越接近1，说明样品分析值与NIR预测值相关性越好。RMSEC越小，表面模型回归得越好。RMSEP越小，表明模型预测能力越强。本实施例中要求1＜RMSEP/RMSEC＜1.2，结果见下表1：表1预处理方法的影响主成分数的选定：合理确定参加建模的主成分数时充分利用光谱信息和滤除噪音的有效方法之一。以RMSECV为优化参数，当RMSECV值最小时，所选主成分数最佳，模型的预测精度越高。结果显示，RMSECV最小值为0.2412，对应的主因子数为10，见表2：表2预处理方法的影响主成分数5678RMSECV0.33280.32610.28990.2674主成分数9101112RMSECV0.24930.24120.26370.2619建立模型：运用TQAnalyst7.1中的PLS法建立模型，采用SNV+一阶导数进行预处理，选择4486.27～7408.30cm-1波段，主成分数10，建立模型。R2＝0.9748，RMSEC＝0.134，RMSEP＝0.147，RMSEP/RMSEC＝1.097，说明模型稳定、准确，该NIR分析模型可用于草莓根系束缚水和自由水的定量分析，进而分析得到草莓休眠的深度。以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属
技术领域：
技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。当前第1页1 2 3