基于可见光谱参数的烤烟叶片叶绿素含量估算模型

为快速、无损、准确地估计烟草叶绿素含量,通过品种和氮素水平双因素试验,获得叶片数字图像和叶片叶绿素含量数据集,分析叶片可见光谱参数与叶绿素含量参数间的关系并选择最佳参数建立估测模型。结果表明,烤烟品种和氮素水平互作增加了叶绿素与光谱参数的变异性;在3类颜色指标中,NRI、R/（G+B）、（R-B）/G、（G-R）/（R+G+B）、（R-B）/（R+G+B）、ExR与叶绿素指标达到极显著相关（p<0.01）,其中R/（G+B）与Chl.a、Chl.b、Chl.（a+b）之间的相关系数分别为-0.632、-0.636、-0.666,相关性表现最好;利用田间试验进行验证,R/（G+B）对叶绿素指标的预测精度最高,与Chl.a、Chl.b、Chl （a+b）之间的均方根误差值分别为0.6069、0.1567、0.7575;选择R/（G+B）作为叶绿素含量估测的最佳颜色指标。利用该方法可实现智能手机对烟草叶绿素含量进行快速测定,及时指导烟田施肥和采取合适的栽培管理措施,具有可期的应用潜力。     

基于高光谱成像的烟叶泛青特征分析与表征

为解决鲜烟叶成熟度、烘烤质量评价及青烟等级判定过程中存在人为因素对判定结果影响较大等问题,基于高光谱成像技术,通过分析鲜烟叶黄化过程和烤烟正常区域与泛青区域光谱特征差异,采用光谱吸收指数（spectral absorption index,SAI）对烟叶泛青特征进行量化表征。结果表明：(1)在400～780 nm波段,烟叶泛青区域光谱呈现“两谷一峰”特征,随着泛青程度的减弱,吸收谷深度逐渐减小,烘烤后烤烟正常区域在680 nm左右处的波谷基本消失;(2)烟叶泛青程度越高,其SAI值越大;(3)烤烟SAI阈值范围设置为1.19～1.28时,可准确区分正组、微带青组、青黄1级、青黄2级烤烟组别;(4)设定不同的SAI阈值,结合颜色映射,可实现烟叶不同泛青程度相应的泛青区域位置分布。该方法可为鲜烟叶成熟度评价、烘烤变黄期进程的衡量及烤烟等级的判定提供技术支持。     

不同成熟度茄衣烟叶高光谱特征分析及分类模型构建

为掌握不同成熟度茄衣烟叶的高光谱特征,本研究利用便携式高光谱相机采集3种成熟度[尚熟（SS）、成熟（CS）以及完熟（WS）]茄衣烟叶的高光谱图像并提取光谱数据,通过多元统计分析研究了不同成熟度茄衣烟叶高光谱特征,并构建了支持向量机（SVM）模型用于茄衣烟叶成熟度的分类判别。茄衣烟叶高光谱在400～680 nm、730～1000 nm各自区域内以及400～430 nm与730～1000 nm两个区域之间具有很强的正相关性,在460～730 nm与760～940 nm之间相关性较弱;3个特征值大于1的主成分（PC1～PC3）几乎包含了所有的光谱信息;主成分方差分析结果表明,不同成熟度茄衣烟叶的高光谱反射特征在可见光、红边以及近红外区域均存在统计学差异;SVM对3种成熟度茄衣烟叶的分类准确率达到98%以上,对CS茄衣烟叶的精确率、召回率和F1分数均为100%,对SS和WS茄衣烟叶均达到94%以上。茄衣烟叶高光谱存在多重共线性,具有很好的降维效果,不同成熟度茄衣烟叶的光谱反射特征差异明显,SVM在茄衣烟叶成熟度分类判别方面表现优异,可辅助用于茄衣烟叶适熟采收。     

TMV侵染后烤烟叶片色素含量高光谱估算模型研究

人工诱发不同病级烟草普通花叶病,接种后第3d采用ASD Field spec FR 2500光谱仪对叶片进行光谱分析和相应色素含量测定.运用单变量线性或非线性拟合分析技术,选取部分样本建立色素含最估测模型,并利用其余样本对模型进行精度检验.结果表明,以蓝边面积(SDb)为自变量的线性模型是估测叶绿素a含量的最佳模型;以蓝边面积(SDb)为白变量的指数模型是估测叶绿素b和叶绿素a+b含量的最佳模型;以绿峰幅值(Rg)为自变量的线性模型足估测类胡萝卜素含量的最佳模型,其估测叶绿素a,叶绿素b,叶绿素a+b和类胡萝卜索含量的相对误差为-9.131%,-22.975%,-11.408%,-5.855%.     

鲜烟叶高光谱特征与颜色分析及其关系研究

  目的  明确各部位不同颜色鲜烟叶的高光谱特征及其与颜色参数的关系,为科学判定烟叶成熟度提供参考。  方法  研究了各部位烟叶颜色参数和高光谱特征的变化规律,对颜色参数和高光谱特征参数进行了相关分析和回归分析,基于高光谱特征参数建立了颜色参数回归模型,并对其进行检验。  结果  随着落黄程度的提高,颜色参数L、b、C呈不断增大的趋势,a值呈先减小后增大的趋势,H°呈不断减小的趋势;高光谱特征参数随烟叶颜色的改变呈现规律性的变化;高光谱特征参数与各颜色参数有显著或极显著相关性,基于高光谱特征参数建立的颜色参数回归模型预测效果较好。  结论  利用高光谱技术对鲜烟叶颜色参数进行分析是可行的。      

基于合成孔径雷达(SAR)数据的贵州喀斯特山区烟草叶面积指数估算模型

喀斯特山区多云雨天气,地表破碎,耕地分布不集中,农作物套种,导致常规遥感监测手段难以满足烟草实时监测的需要。为实现现代烟草农业实时快速监测,研究选取高分辨率合成孔径雷达(SAR),以贵州清镇流长现代烟草农业基地单元为研究区,在烟叶成熟期,考察不同极化方式(HH、VV以及H/VV)雷达亮度值与烟草叶面积指数(LAI)的相关性,进而构建线性回归模型和二次多项式模型。结果表明:一元线性比值HH/VV模型(Y=0.612X+1.410, R2=0.862)反演精度最高。该模型可用于大面积遥感监测贵州喀斯特山区烟草种植,掌握烟草生长状况。      

烟叶叶绿素金属配合物制备及其降低主流烟气CO的效率

采用微波破壁法提取烟叶叶绿素,并对其金属配合物在主流烟气中的CO降低率进行研究.结果表明:烟叶叶绿素制备的最佳工艺条件为微波辐射60 s,溶剂乙醇用量为液固比8∶1,提取温度60℃,提取时间30 m in,此时提取率可达81.52%,比传统工艺提取率提高了20%;主流烟气中去除CO的最佳条件为:温度30℃,ρ(叶绿素铜钠盐)=1 g/L,剂量为100μL/支,此时CO降低率可达15.55%.经评吸,加入叶绿素金属配合物后,卷烟原有风格保持不变,刺激性降低.     

烟叶中多酚含量与储存时间的关系

为探讨用多酚含量表征烟叶合理储存时间的可行性,采用高效液相色谱测定了22个代表性烟叶样品中6种多酚(绿原酸、新绿原酸、莨菪灵、莨菪亭、芸香苷和山萘酚糖苷)的含量,并分析了多酚含量随储存时间的变化规律。结果表明:①烟叶储存1年内,6种多酚总量增加54.6%,各种多酚含量变化明显。②烟叶储存2~3年,莨菪灵含量大幅下降,其他多酚含量变化幅度较小。③不同部位烟叶中,各种多酚含量随储存时间变化趋势相似。多酚含量的变化趋势可以作为衡量烟叶最佳储存时间的参考依据。     

烤烟叶片色素含量的高光谱预测模型研究

研究烤烟叶片的高光谱曲线特征,探索建立烤烟色素含量的高光谱预测模型,以促进高光谱技术在现代烟草农业中的发展。采用大田试验,分析了不同光质条件下,烤烟叶片光谱的特征。利用相关分析方法,确定了21个光谱参数与色素含量的相关性,并建立了叶片色素含量的高光谱线性与非线性模拟方程。不同光质处理下,烟叶叶片光谱曲线相似,在可见光与近红外短波区域差异比较明显,而在近红外长波区域基本没有差异。光谱参数G_NDVI和TCARI分别与叶绿素、类胡萝卜素含量之间有较好的相关性,并建立了预测模型。经精度检验的结果显示,模型能较好的预测烤烟色素含量。光谱参数G_NDVI和TCARI能有效检测烤烟色素含量,为高光谱技术在不同生态区域的应用提供理论依据。      

烘烤过程中烟叶颜色特征参数与色素含量的关系

为了明确烟叶颜色特征与色素含量的关系,以红花大金元品种不同成熟度烟叶为试验材料,研究了烘烤过程中颜色特征参数和色素含量的变化以及二者间的关系.结果表明,在整个烘烤进程中,烟叶图像的3个颜色特征参数的大小依次为R(彩色数字图像中红色的亮度值)＞G(彩色数字图像中绿色的亮度值)＞B(彩色数字图像中蓝色的亮度值);不同成熟度烟叶R、G、B分量的平均值均表现为过熟＞适熟＞尚熟.烘烤过程中成熟度低的烟叶叶绿素降解速度较快,降解量明显大于成熟度高的烟叶;尚熟烟叶的类胡萝卜素含量在变黄和定色期大量降解,直到定色期结束时与适熟和过熟烟叶的类胡萝卜素含量接近,而过熟烟叶的类胡萝卜素含量下降幅度较小.R值与烟叶叶绿素含量间呈极显著负相关,B值与烟叶类胡萝卜素含量间存在显著负相关;R,G组合和r,g值(颜色分量)均与色素含量有较好的相关性;H(色调)值与烟叶叶绿素和类胡萝卜素含量间均存在极显著的正相关.选取与烟叶色素含量均具有显著相关关系的8个颜色特征参数,即H,g,r-g,G-R,G/R,G/(R+B),(G-R)/(G+R)和(R-G)/(R+G+B)值,建立了对烟叶色素含量的逐步回归方程,经F测验达到极显著水平.因此,烘烤中不同成熟度烟叶颜色特征参数和色素含量的相关性明显,可以用颜色特征参数作为辅助指标来判断烟叶色素含量.     

基于颜色参数变化的青花菜叶绿素含量预测模型

为研究青花菜贮藏期间叶绿素含量和颜色变化的关系,通过不同温度贮藏实验建立基于颜色参数-a/b值的叶绿素含量预测模型。将青花菜贮藏在273、278、283、293、303K条件下,测定花蕾-a/b值和叶绿素含量的变化。基于Arrhenius动力学方程分别建立青花菜-a/b值、叶绿素含量与贮藏时间和温度之间的动力学模型,再根据-a/b值与叶绿素含量变化的线性关系,进一步建立基于-a/b值的叶绿素含量预测模型。在275、280、285、295、305K贮藏温度条件下对基于-a/b值的叶绿素含量预测模型进行验证,预测的相对误差(RE)为4.31%,预测精度较高。因此该预测模型可以较好的预测在273～305K温度条件下青花菜叶绿素含量的变化状况,从而可为应用颜色参数的检测方法来检测青花菜的品质提供依据。     

使用叶绿素计对甜菜品种叶绿素含量的调查

SPAD—501型叶绿素计(日本制)是根据叶片中叶绿素含量不同而所吸收的光谱量产生差异的原理,在不损伤植物叶片的情况下,追踪测定各种具有扁平叶植物的叶绿素含量的仪器。该仪器体积很小,手持轻便,操作简单。笔者于1988年在日本研修期间,使用叶     

四川烟叶淀粉含量的分析评价

对四川不同产区、品种及部位的烟叶样品淀粉含量进行了分析评价.结果表明:四川省烤烟烟叶淀粉平均含量为4.30％,但仍有近1/3的烟叶淀粉含量大于5％.相同年份不同产区、品种和部位间烟叶淀粉含量差异较大,中部烟叶淀粉含量高于其他部位,攀枝花产区烟叶的淀粉含量高于四川其他产区,云烟97烟叶淀粉含量高于其他品种.     

绿色蔬菜叶绿素含量与颜色的关系

研究了绿色蔬菜叶绿素含量与色差计测定的颜色之间的关系,线性回归分析结果表明,总叶绿素含量与色角具有很好的相关性;与ａ和ｌａ／ｂ｜相关性次之,相关系数分别为０．７１５９,０．７１０８;与Ｌ＾＊、Ｃｈｒｏｍａ和Ｌ＾＊、Ｃｈｒｏｍａ和Ｌ＾＊｜ｂ／ａ相关性很差,相关系数分别为０．５５９５,０．４２３,０．５９８１。     

烤烟烟叶钾含量的遗传分析

运用主基因—多基因混合遗传理论对烤烟南卡58和中烟14两亲本及其F1、F2、F3家系的烟叶钾含量的遗传特征进行了研究。在主基因—多基因混合遗传模型分析中,采用了F2代图形分析法和P1、P2、F1、F2、F3家系多世代联合分析法分别对烤烟烟叶钾含量的遗传进行分析,从F2代图形分析的结果可初步判断烤烟烟叶钾含量的遗传有主基因的存在;P1、P2、F1、F2、F3家系多世代联合分析表明烤烟烟叶含钾量的遗传符合模型D,即一个主基因+多基因模型;综合两种方法分析得出:烤烟烟叶钾含量遗传最适合的模型为一个主基因+多基因混合遗传模型;对遗传效应的分析认为,烤烟烟叶钾含量的遗传以负显性效应为主(h=-0.612),加性效应很小(d=-0.05),主基因遗传率为52.78,多基因遗传率为2.78%,总遗传率为55.55%。     

基于近红外光谱的PLS-DA算法判别烤烟烟叶产地

为了快速、无损地鉴别和识别烟叶的产地,以2008年产于四川、云南、重庆和福建的464个烤烟烟叶样品的近红外光谱为基础,采用PLS-DA算法建立了烤烟烟叶产地的分类判别模型.结果表明:①4个模型校正集分类变量的预测值与实测值的相关系数均超过0.94,模型拟合性较好;②模型对检验集样本的判别准确率均高于93.0％,效果良好;③可对四川、云南、重庆和福建烟叶的产地进行有效识别.     

基于高光谱成像技术的烟叶田间成熟度判别模型

为探索基于高光谱技术的烟叶田间成熟度判别方法,使用高光谱成像仪采集不同田间成熟度档次烟叶的高光谱信息,比较5种数据预处理方法[一阶导数（1stD）、多元散射校正（MSC）、标准正态变量变换（SNV）、Savitzky-Golay（SG）平滑、一阶导数+SG平滑]和两种建模算法[支持向量机（SVM）和BP神经网络（BPNN）]在建立烟叶田间成熟度判别模型中的适用性,并利用遗传算法（GA）优选出反映鲜烟叶成熟差异的最佳特征变量用于建立判别模型。结果表明:①不同田间成熟度烟叶的高光谱反射率差异明显,且在550 ~ 675 nm波长范围内最突出,其反射率随烟叶田间成熟度的增加而增大;②在10种光谱数据预处理方法与建模算法的组合中,SNV+SVM组合的预测性能最佳;③使用GA在400 ~ 1 000 nm间优选出了可反映烟叶田间成熟度差异的19个特征光谱波段,其中大多与烟叶质体色素的特征光谱有关;④以特征波段为输入变量建立了烟叶田间成熟度的SVM判别模型,预测准确率达95%,F1分数达0.95,平均精确率、召回率也均大于95%。高光谱信息可敏锐地反映烟叶田间成熟度的差异,采用SNV数据预处理方法与SVM算法组合可建立性能优异的烟叶田间成熟度判别模型。      

不同空间配置套作大豆后期农学参数及光谱特征分析

以玉米-大豆套作种植模式为研究对象,通过设置不同的大豆行距调整大豆与玉米的空间位置（大豆行距设置为30cm和70cm,即距离玉米行分别为60cm和40cm）,研究套作大豆后期（套作玉米收获后）农学参数变化及光谱响应特征。结果表明,由于苗期受玉米荫蔽作用,距离玉米行越近,大豆冠层透光率越低,玉米收获后大豆花期（8月10日）生物量、株高、水分含量及叶绿素在不同处理条件下差异明显。玉米收获后直至盛荚期（9月9日）和鼓粒期（10月6日）,大豆迅速恢复生长,各农学参数存在差异,但不显著。通过大豆冠层反射率分析,绿峰区域（550nm左右）和近红外区域（760～1 000nm）能够很好地解析大豆叶绿素和水分变化规律。     

甜菜航天育种材料的叶绿素含量及某些形态特征研究初报

试验对8个甜菜航天育种材料及其对照进行田间观察及叶绿素含量分析,一年生甜菜航天育种材料的出苗状况、子叶大小、形状、叶形、株高等表现型与未经诱变的对照材料未发现明显差异。甜菜航天育种材料叶绿素含量在7月24日和8月4日均高于对照,其中HT-3、HT-5、HT-7、HT-8在整个一年生期间均表现出较高的趋势,并且HT、-3、HT-8与对照比较,达到了5％的显著差异。二年生甜菜采种株有6个航天育种材料在叶丛生长期表现生长迟缓,有少数植株叶片变窄,个别生长畸形,母根出苗不整齐。     

TLC法测定烟叶中茄尼醇的含量

本文建立了烟叶茄尼醇含量测定的薄层扫描分析方法;以硅胶G为薄层吸附剂,石油醚-乙酸乙酯（4：1,v／v）为展开剂,香草醛-硫酸-乙醇液显色,在620nm处进行扫描测定,茄尼醇质量在2．04ug～7．68ug范围内,与峰面积呈良好的线性关系C=349．94S-193．94,r=0．9954,RSD为6．86％（C为茄尼醇浓度ug／ml,S为峰面积）。并对烟的烟叶、嫩芽、茎进行了含量测定。结果表明：用TLC法测定烟叶中茄尼醇的含量方法简便、快捷、准确度高、重复性好。烟叶中茄尼醇含量达0．822％。