張郡赫, 于海業(yè), 黨敬民

吉林大學生物與農(nóng)業(yè)工程學院, 吉林 長春 130022

引 言

工業(yè)革命以來, 溫室氣體排放量逐年增加, IPCC《1.5 ℃增暖特別報告》明確指出全球平均溫度已升高1 ℃, 且仍處于上升趨勢[1]。 日均溫度為15.8～27.7 ℃時, 氣溫每上升1 ℃, 小麥粒重會降低2.8 mg, 升溫幅度越大, 粒重降幅越大[2]。 溫室氣體增加還會導致臭氧層變薄, 直達地表的紫外線(UVB)輻射增強, 植物體內(nèi)葉綠素含量驟降, 光合速率降低, 植株生長受到抑制[3], 小麥大幅減產(chǎn)。 由此可見, 高溫和紫外線脅迫對小麥的生長與產(chǎn)量有著嚴重影響。 但植物自身擁有強大的調(diào)節(jié)機制響應脅迫, 細胞壁作為植物細胞抵抗外界脅迫的主要防線, 會在脅迫發(fā)生時做出響應。 高溫脅迫下, 細胞質(zhì)液膨脹, 細胞壁破裂, 可溶性物質(zhì)流失[4], 細胞壁中果膠多糖會發(fā)生不同的轉(zhuǎn)變來保護細胞結(jié)構(gòu)與胞內(nèi)物質(zhì)[5]。 紫外線脅迫下, 細胞壁結(jié)構(gòu)組分代謝加速, 延展性降低, 細胞會以果膠多糖組分含量增加, 細胞壁增厚形式響應脅迫[6]。 因此, 果膠作為能夠反映植物響應高溫和紫外線脅迫的重要多糖物質(zhì), 可作為研究植物內(nèi)部物質(zhì)響應脅迫規(guī)律的重要指標。

因傳統(tǒng)的果膠檢測方法步驟繁瑣、 耗時較長、 樣品損耗量大, 具有簡單快速、 分辨率高、 實時性強等優(yōu)點的光譜檢測得到了廣泛應用。 研究人員通過不同的光譜檢測技術(shù)、 數(shù)據(jù)處理方法及模型建立方法開展了大量的植物生理信息檢測研究, 均實現(xiàn)了精準檢測。 研究表明: 基于高光譜遙感檢測技術(shù), 將包絡線去除一階導數(shù)變換后的光譜數(shù)據(jù)與蟲害脅迫下毛竹葉綠素含量值通過多元逐步回歸法建立毛竹葉綠素含量反演模型, 校正決定系數(shù)為0.835[7]; 基于多光譜檢測技術(shù), 將平滑降噪后的光譜數(shù)據(jù)與小麥相對葉綠素含量SPAD通過逐步回歸法構(gòu)建小麥SPAD反演模型, 校正決定系數(shù)為0.77[8]; 基于近紅外光譜檢測技術(shù), 將多元散射校正及二階導數(shù)處理后的光譜數(shù)據(jù)與香菇總糖含量值通過偏最小二乘法建立香菇總糖含量反演模型, 校正集決定系數(shù)為0.940 04[9]。 為提高小麥葉片果膠含量反演精度, 本研究通過高光譜與葉綠素熒光光譜兩種光譜檢測, 對小麥葉片光譜信息進行測定。 在小麥分蘗期, 模擬高溫與紫外線脅迫環(huán)境, 獲取不同脅迫下小麥葉片果膠含量值與兩種光譜數(shù)據(jù), 建立果膠含量反演模型。 相比于單一光譜反演果膠含量模型, 兩種光譜數(shù)據(jù)復合后的雙光譜反演果膠含量模型效果更好, 檢測精度更高, 可實現(xiàn)基本無損的果膠含量實時檢測。

1 實驗部分

1.1 實驗概況及設(shè)計

實驗于吉林大學生物與農(nóng)業(yè)工程學院日光溫室進行。 溫室設(shè)有集中控制箱, 可對室內(nèi)溫度、 光照、 濕度等進行調(diào)控, 模擬小麥生長環(huán)境。 將濟麥22作為研究對象, 于25 ℃恒溫培養(yǎng)箱內(nèi)完成小麥催芽后, 選取長勢一致的幼苗移栽至配有霍格蘭標準營養(yǎng)液的供氧型水培種植箱中, 保持每日10 h供氧。

實驗中采用人工氣候培養(yǎng)箱(RXZ-1000C)調(diào)控溫度及紫外線燈(TL 20W/01 RS SLV/25 PHILIPS)輻照對高溫及紫外線脅迫環(huán)境分別進行模擬, 紫外線照射強度使用紫外線輻照計測量。 實驗由單一脅迫及復合脅迫兩種方式構(gòu)成, 兩種脅迫方式均設(shè)立對照組(CK)。 脅迫水平設(shè)計如表1所示。

表1 高溫及紫外線脅迫實驗設(shè)計

1.2 數(shù)據(jù)采集與處理

統(tǒng)一選擇分蘗數(shù)相同的小麥, 取相應植株葉面積最大的葉片進行測量。 采集的數(shù)據(jù)包括小麥葉片高光譜數(shù)據(jù)、 葉綠素熒光光譜數(shù)據(jù)及葉片果膠含量值。 (1)高光譜: 使用Analytical Spectral Devices 公司的Hand held 2便捷式地物光譜儀進行測量。 (2)熒光光譜: 采用Avantes公司的AvaSpec-2048光纖光譜儀進行測量。 (3)果膠含量: 使用南京優(yōu)選生物公司研制的試劑盒進行果膠含量測定。

小麥葉片高光譜及葉綠素熒光光譜數(shù)據(jù)通過Matlab進行光譜數(shù)據(jù)預處理; 預處理后最優(yōu)光譜數(shù)據(jù)采用相關(guān)系數(shù)分析法在SPSS軟件中與葉片果膠含量值建立關(guān)系, 選取高相關(guān)系數(shù)特征波段; 利用TQ Analyst軟件對葉片果膠含量及特征波段光譜數(shù)據(jù)分析處理, 建立果膠反演模型。

2 結(jié)果與討論

2.1 不同脅迫條件下小麥葉片果膠含量變化

根據(jù)實驗設(shè)計方案進行為期10 d的脅迫實驗, 單一脅迫和復合脅迫條件下小麥葉片果膠含量變化情況如圖1所示。 可以看出, 隨著脅迫時間增加, U1、 U2脅迫組果膠含量呈上升趨勢, UVB脅迫前期, 果膠含量與輻射強度成正相關(guān), 與Ken Yokawa研究結(jié)果一致[10], 這是因為在增強的UVB脅迫下, 小麥會通過降低細胞內(nèi)多糖酶含量、 增加果膠等多糖含量、 硬化細胞壁等方式響應脅迫。 T1U1、 T1U2脅迫組果膠含量呈先上升后下降趨勢, 同許多植物經(jīng)受脅迫預處理后響應方式相似, 脅迫初期細胞壁中多糖含量大幅上升響應脅迫, 脅迫后期細胞壁適應能力增強, 細胞壁各組分含量回歸正常。

圖1 10 d內(nèi)不同脅迫條件下小麥葉片果膠含量變化

2.2 光譜數(shù)據(jù)預處理

在光譜數(shù)據(jù)采集中, 數(shù)據(jù)極易受到基線漂移、 噪聲侵擾的影響, 為提取高精度光譜數(shù)據(jù), 需要對原始光譜數(shù)據(jù)進行預處理。 目前, 小波分析(WA)已然是一種常態(tài)化的噪聲處理方式[11-12]。 基于Matlab算法實現(xiàn)光譜數(shù)據(jù)的小波分析預處理, 通過Haar小波、 Daubechies(dbN)小波與Mexican Hat小波函數(shù)對光譜原始數(shù)據(jù)進行預處理。 對比發(fā)現(xiàn)使用Daubechies小波基db5進行光譜數(shù)據(jù)預處理結(jié)果最優(yōu)。 結(jié)果如圖2所示, 原始光譜在db5小波處理下得到6層小波分解曲線圖, 其中L0層為原始光譜曲線, 受噪聲影響較大, 表現(xiàn)為不規(guī)則“鋸齒”形狀, L1—L6層分別為降噪1～6次后的光譜曲線。 光譜曲線中高頻信號隨著降噪次數(shù)的增加不斷被篩除, 不規(guī)則“鋸齒”形狀逐漸減少, 曲線趨于平滑。 隨著層數(shù)增加, 光譜特征增強, 當高光譜與熒光光譜曲線分別降噪到第4層與第3層時, 重塑光譜曲線不再保留原始光譜曲線局部信號, 呈過度平滑狀態(tài)。 綜合考慮降噪后曲線平滑度及信噪比等因素, 最優(yōu)高光譜小波降噪曲線選擇其降噪后的第3層, 最優(yōu)熒光光譜小波降噪曲線選擇其降噪后的第2層。

圖2 小波降噪處理后的光譜曲線

2.3 最優(yōu)降噪光譜數(shù)據(jù)與果膠含量相關(guān)性分析

基于SPSS軟件, 采用相關(guān)系數(shù)分析法對不同脅迫下小麥葉片的果膠含量及兩種光譜數(shù)據(jù)分別進行相關(guān)性分析, 結(jié)果如圖3所示。 可以看出, 高光譜全波段中, 與果膠含量相關(guān)系數(shù)大于0.46(p<0.05)的波段有515～530、 620～651、 690～717 nm; 葉綠素熒光光譜全波段中, 與果膠含量相關(guān)系數(shù)大于0.46(p<0.05)的波長范圍為547～658 nm; 為實現(xiàn)同波段光譜復合, 取相關(guān)系數(shù)最高的重合波段620～651 nm內(nèi)兩光譜數(shù)據(jù)的平均值, 得到全新的雙光譜數(shù)據(jù)。

圖3 相關(guān)性分析提取特征波段

2.4 果膠反演模型建立

以上結(jié)果表明特征波段內(nèi)的光譜數(shù)據(jù)與小麥葉片果膠含量顯著相關(guān), 因此, 通過光譜反演小麥葉片果膠含量是可行的。 共采集小麥樣品54個, 去除2個異常樣本后按3∶1比例合理劃分, 訓練集樣本39個, 驗證集樣本13個。 將小波降噪后的特征波段內(nèi)光譜數(shù)據(jù)與小麥葉片果膠含量作為輸入量, 利用偏最小二乘回歸法PLS分別建立高光譜、 葉綠素熒光光譜及雙光譜反演果膠模型。 檢驗反演模型中訓練集和驗證集樣本的預測值與實際值吻合程度, 結(jié)果如表2和圖4所示, 將葉片果膠含量值與經(jīng)db5處理后的光譜數(shù)據(jù)通過PLS法進行建模分析后, 對比模型訓練集與驗證集相關(guān)系數(shù)Rc及Rp發(fā)現(xiàn), 以果膠含量值與雙光譜數(shù)據(jù)為建模對象得到的果膠反演模型預測性及穩(wěn)健性較好。

圖4 果膠反演模型預測值與實測值吻合程度

表2 不同建模對象反演結(jié)果

3 結(jié) 論

基于光譜技術(shù), 將不同程度高溫及紫外線脅迫下的小麥葉片果膠含量測定值與高光譜、 葉綠素熒光光譜數(shù)據(jù)進行相關(guān)性分析, 選取特征波段重疊部分光譜數(shù)據(jù)分別建立三種果膠含量反演模型, 結(jié)果表明: (1)高光譜數(shù)據(jù)與葉綠素熒光光譜數(shù)據(jù)在620～651 nm范圍內(nèi)變化趨勢相同, 且對小麥所處脅迫環(huán)境表征情況均表現(xiàn)為隨著脅迫程度增強, 光譜數(shù)據(jù)值升高, 隨著脅迫程度減弱, 光譜數(shù)據(jù)值下降; (2)用620～651 nm波段內(nèi)高光譜數(shù)據(jù)、 葉綠素熒光光譜數(shù)據(jù)及雙光譜數(shù)據(jù)分別建立小麥葉片果膠含量反演模型, 相關(guān)系數(shù)Rc分別為0.889、 0.862和0.944 9, 可見雙光譜反演果膠模型的效果最好, 可為逆境下小麥葉片生理信息檢測提供參考依據(jù), 并為預測大田作物所處脅迫環(huán)境及程度和種植環(huán)境的精準管控提供參考和幫助。