CN113720798B - 农作物生理和结构表型参数多任务并行的自动观测方法 - Google Patents
农作物生理和结构表型参数多任务并行的自动观测方法 Download PDFInfo
- Publication number
- CN113720798B CN113720798B CN202111012242.9A CN202111012242A CN113720798B CN 113720798 B CN113720798 B CN 113720798B CN 202111012242 A CN202111012242 A CN 202111012242A CN 113720798 B CN113720798 B CN 113720798B
- Authority
- CN
- China
- Prior art keywords
- spectrum
- observation
- physiological
- structural
- optical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001228 spectrum Methods 0.000 claims abstract description 154
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000003287 optical effect Effects 0.000 claims description 35
- 230000010354 integration Effects 0.000 claims description 30
- 239000013307 optical fiber Substances 0.000 claims description 26
- 229930002875 chlorophyll Natural products 0.000 claims description 13
- 235000019804 chlorophyll Nutrition 0.000 claims description 13
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 13
- 238000002310 reflectometry Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 241001420622 Meris Species 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000000985 reflectance spectrum Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 abstract description 10
- 241000196324 Embryophyta Species 0.000 description 12
- 230000029553 photosynthesis Effects 0.000 description 10
- 238000010672 photosynthesis Methods 0.000 description 9
- 229910052736 halogen Inorganic materials 0.000 description 6
- 150000002367 halogens Chemical class 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000012010 growth Effects 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000835 fiber Substances 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000001932 seasonal effect Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000035882 stress Effects 0.000 description 3
- 230000036579 abiotic stress Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000004790 biotic stress Effects 0.000 description 2
- 238000009395 breeding Methods 0.000 description 2
- 230000001488 breeding effect Effects 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 230000008635 plant growth Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 241000258746 Asterina <sea star> Species 0.000 description 1
- 241000894006 Bacteria Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 108700001094 Plant Genes Proteins 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000004300 dark adaptation Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000012214 genetic breeding Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000000243 photosynthetic effect Effects 0.000 description 1
- 230000008638 plant developmental process Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了农作物生理和结构表型参数多任务并行的自动观测方法，包括：搭建光谱观测***并对其进行辐射定标，得到辐射定标系数；根据辐射定标后的光谱观测***，对太阳入射光谱和不同点位的农作物冠层反射光谱进行连续观测，得到时序光谱观测数据；根据辐射定标系数对光谱观测数据进行数据处理，得到太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值；根据太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值，并行反演各观测对象的生理和结构时序表型参数。本申请能够并行获取太阳入射光谱和不同点位的农作物冠层反射光谱，并反演得到不同点位的农作物冠层的生理和结构时序表型参数。
Description
技术领域
本申请涉及植被遥感参数获取技术领域，特别是涉及多点位农作物生理和结构表型参数多任务并行的自动观测方法。
背景技术
植物表型是研究植物基因与环境交互作用的重要桥梁，是服务作物遗传育种和栽培管理的核心手段，对于保障种质资源和粮食安全具有至关重要的战略意义。在实现作物高产、优质和高抗等目标进程中，对作物进行高通量的结构和生理表型监测是当前研究的热点。目前，作物结构表型的获取手段相对成熟，但是对其进行时间序列观测的方法相对欠缺，且大部分结构性状的生物学意义有待进一步探索。同时，作物生理表型的监测处于早期阶段，尚未实现与结构表型的同步观测，难以满足对作物生长发育过程中目标性状的综合监测、管理和筛选的需求。因此，亟需一种能同时获取农作物生理和结构表型参数的自动观测方法，以满足高通量植物表型的研究需求。
日光诱导叶绿素荧光(以下简称荧光)是由植物光合中心发射出的光谱信号(650-800nm)，可以反映植被的光合作用状态，被誉为“植物光合作用的探针”，为挖掘具有生物学意义的作物结构和生理表型估算提供新的思路和方法。植被吸收的光能有三个去向，分别是光合作用、热耗散和荧光。植被用于光合作用的能量不足吸收光能的20％，而大部分能量通过热耗散释放，少部分能量通过荧光形式释放。由于这三种能量紧密相关，存在着此消彼长的关系，因此在吸收太阳辐射能量一定的情况下，可以通过观测荧光更为直接探测植被的光合作用等有关信息。相比传统的植被指数，荧光更能够反映植被的光合动态变化，因此在作物生理表型监测领域充满潜力。
岑海燕等在“叶绿素荧光技术在植物表型分析的研究进展”一文中介绍了叶绿素荧光技术的基本原理和成像***、叶绿素荧光参数的分析和处理方法，总结了日光诱导叶绿素荧光技术在植物非生物胁迫分析、生物胁迫分析、优良性状筛选等方面的应用。由于植物在胁迫状态下的光合作用会发生变化，因此叶绿素荧光被广泛应用于干旱、温度和盐胁迫等非生物胁迫，以及病毒、细菌和真菌引起的生物胁迫。鉴于叶绿素荧光对光合作用变化的快速响应和准确指示作用，也被广泛应用于筛选对环境耐受同时兼具高产优质特性的作物新品种。
目前，叶绿素荧光技术在植物表型领域的应用主要是主动式叶绿素荧光，存在暗适应、长周期、尺度小和野外测量困难。相比之下，日光诱导叶绿素荧光具有快速、多尺度和野外测量容易的优点，有利于更好地获取与光合和逆境相关的生理表型。然而，时间序列的高通量生理和结构表型监测需要自动、稳定的荧光观测***。因此，目前亟需一种农作物生理和结构表型参数多任务并行的自动观测方法。
发明内容
本申请的目的是提供农作物生理和结构表型参数多任务并行的自动观测方法，以解决现有技术的问题，能够并行获取太阳入射光谱和不同点位的农作物冠层反射光谱，并反演得到不同点位的农作物冠层的生理和结构时序表型参数。
同时并行获取太阳入射光谱和不同点位的农作物冠层反射光谱，并通过反射光谱完成农作物生理和结构表型参数的并行反演。
为实现上述目的，本申请提供了如下方案：本申请提供一种农作物生理和结构表型参数多任务并行的自动观测方法，包括：
搭建光谱观测***，并对所述光谱观测***进行辐射定标，得到辐射定标系数；所述光谱观测***包括依次连接的光谱仪和多光路复用器；所述光谱仪仅包括一个光路入口，通过单芯光纤与所述多光路复用器的出口连接，所述多光路复用器包括若干个并行的光路入口，观测过程中，所述多光路复用器仅打开一个光路入口；所述多光路复用器的每个所述光路入口上均装配有预设长度的光纤，所述光纤一端与所述多光路复用器的光路入口连接；各所述光纤中的一根光纤的另一端连接有余弦校正器，所述余弦校正器垂直向上安装，用于收集太阳入射光谱；所述多光路复用器的其余若干个光路通道分别用于获取不同点位的农作物冠层反射光谱；
针对每个观测对象，首先采集太阳入射光谱，然后将多光路复用器切换至对应观测对象的冠层反射光谱的光路通道，采集冠层反射光谱，交替完成每个观测对象太阳入射光谱和冠层反射光谱的数据采集，得到时序光谱观测数据；其中，观测过程中，还包括对所述光谱观测***的光谱仪积分时间进行优化，所述光谱观测***根据优化后的所述光谱仪积分时间对太阳入射光谱和不同点位的农作物冠层反射光谱进行观测，并采集所述光谱仪积分时间对应的暗电流数据；
根据所述辐射定标系数和所述暗电流数据对所述光谱观测数据进行数据处理，得到太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值；
根据太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值，并行反演各观测对象的生理和结构时序表型参数。
可选地，通过并行获取不同观测对象的冠层反射光谱，反演获取各观测对象的生理和结构时序表型参数；生理参数的反演包括荧光反演；荧光反演包括：采用光谱拟合方法反演荧光F，将ρ和F用多项式模型表达，冠层反射的辐亮度L表示为：
式中ρMOD(λ)和FMOD(λ)分别是在相应的波段反射率和荧光的数学表达式，LTOC(λ)表示观测的冠层反射光谱的辐亮度，E(λ)为太阳入射光谱的辐亮度，ε(λ)表示每个波段观测值和拟合值的残差项；通过最小二乘解线性方程组，得到ρMOD(λ)和FMOD(λ)，从而计算得到F和ρ；
结构参数反演包括植被反射率指数反演，所述植被反射率指数包括归一化植被指数NDVI、植被近红外指数NIRv、比值植被指数RVI、宽动态范围植被指数WDRVI、MERIS陆地叶绿素指数MTCI；NDVI、NIRv、RVI、WDRVI、MTCI的计算如下所示：
式中，ρnir、ρred、ρ735.75、ρ708.75、ρ681.25分别为近红外波段、红光波段、波长735.75nm、波长708.75nm、波长681.25nm的反射率；α为降低近红外贡献的系数。
本申请公开了以下技术效果：
本申请提供了一种农作物生理和结构表型参数多任务并行的自动观测方法，利用自动高光谱观测***按时序获取农作物高通量光谱数据，提供了一种连续反演农作物冠层表型参数的方法。本申请通过多光路复用器，交替获取太阳入射光谱和冠层反射光谱，同时在一个观测循环中并行获取所有观测对象的光谱数据，保证在短时间内完成多目标的自动周期性观测，降低观测行为对观测目标的人为干扰和多目标观测周期内的时间差异，可得到时间序列的高通量结构和生理表型。通过融合结构和生理表型参数可以提升对作物在不同环境条件下长势的全面认知，进一步通过时间序列观测可深入挖掘品种在不同生育阶段的性状差异，更好地辅助作物栽培育种，既有利于作物栽培学家对农情(光合和逆境生理)的及时监测和管理措施的精准调节，又有利于遗传育种学家挖掘作物关键生育期的新性状，实现品种改良；对于解决当前种源“卡脖子”和粮食安全问题具有重要意义。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中农作物生理和结构表型参数多任务并行的自动观测方法流程图；
图2为本申请实施例中光谱观测***结构示意图；
图3为本申请实施例中辐射定标***结构示意图；
图4为本申请实施例中各小区反射率示意图；
图5(a)为本发明实施例中不同实验组和对照组的表型生理参数(以远红SIF和红波段SIF为例)的季节动态变化；
图5(b)为本发明实施例中不同实验组和对照组的表型生理参数(以远红SIF和红波段SIF为例)的日动态变化；
图6(a)为本发明实施例中不同实验组和对照组的表型结构参数(以NDVI和NIRv为例)的季节动态变化；
图6(b)为本发明实施例中不同实验组和对照组的表型结构参数(以NDVI和NIRv为例)的日动态变化。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
参照图1所示，本实施例提供农作物生理和结构表型参数多任务并行的自动观测方法，包括：
S101、搭建光谱观测***，并对光谱观测***进行辐射定标，得到辐射定标系数；
该步骤中，光谱观测***用于对太阳入射光谱和不同点位的农作物冠层反射光谱进行观测，并根据光谱观测结果对农作物进行表型参数反演；光谱观测***包括光谱仪和多光路复用器。
光谱仪用于对太阳入射光谱和不同点位的农作物冠层反射光谱进行观测；光谱仪仅包括一个光路入口，光谱仪的光路入口通过单芯光纤与多光路复用器的出口连接；光谱仪密封于温控箱中，温控箱中内置有降温设备，温控箱安装在便携密封箱内，保证野外安装使用的防水防晒效果。光谱仪的型号及降温设备可根据实际情况进行选取，例如，本实施例中，光谱仪采用由美国Ocean insight公司生产的超高光谱分辨率光谱仪，型号为QEPRO光谱仪，光谱范围为650-800nm，光谱分辨率为0.3nm，通过USB接口与电脑连接传输信号。光谱仪内部有光路开关，可控制外界光是否能够进入光谱仪，默认为打开状态。降温设备采用TEC降温设备，温控箱设定温度为25℃，避免环境温度过高。
多光路复用器用于交替采集太阳入射光谱和不同点位的农作物冠层反射光谱，并将采集的太阳入射光谱和农作物冠层反射光谱传送至光谱仪；多光路复用器包括若干个并行的光路入口，观测时多光路复用器仅打开一个光路入口，以保证进入光谱仪的光的唯一性；多光路复用器的若干个并行的光路通道分别用于获取太阳入射光谱和不同点位的农作物冠层反射光谱。多光路复用器的型号可根据实际情况进行选取，例如，本实施例中，多光路复用器采用由美国Ocean insight公司生产的型号为MPM-2000的多光路复用器，该多光路复用器包含16个光路入口。
多光路复用器的各光路入口上均装配有预设长度的光纤，光纤一端与多光路复用器的光路入口连接；各光纤中的一根光纤的另一端连接有余弦校正器，余弦校正器垂直向上安装，用于收集太阳入射光谱，多光路复用器的其余若干个光路入口分别用于获取不同点位的农作物冠层反射光谱，能够同时对多个小区进行光谱观测。野外观测时，多光路复用器的每个光路入口根据观测目标的位置，装配合适长度的光纤，余弦校正器的型号为CC-3，观测太阳入射光谱的光路通道上对应的余弦校正器垂直朝上安装；观测农作物的冠层反射光谱的光路通道上对应的光纤垂直朝下安装。光谱仪和多光路复用器通过USB连接线连接在一台微型电脑上，微型电脑通过程序控制二者的运行、光路切换和数据采集存储。
因各光路光纤长度和制作工艺造成光学特性的细微差异，会影响不同观测目标间参数对比的精确性，在野外安装前需对多光路复用器的各光路通道进行统一的辐射定标。本实施例中，通过辐射定标***对光谱观测***进行辐射定标，得到辐射定标系数；辐射定标***包括第一辐射定标装置、第二辐射定标装置；第一辐射定标装置用于对裸光纤(多光路复用器中用于获取不同点位的农作物冠层反射光谱的光纤)进行辐射定标；第二辐射定标装置用于对配备余弦校正器光纤(多光路复用器中用于收集太阳入射光谱的光纤)进行辐射定标；第一辐射定标装置、第二辐射定标装置有多种，例如，本实施例中，第一辐射定标装置采用积分球，可选地，积分球为50英寸漫反射积分球；对裸光纤进行辐射定标的方法为：在暗室内利用光强稳定的50英寸漫反射积分球对各多光路复用器的光路通道进行辐射定标，将各光路通道上连接的光纤末端固定在积分球出光口，测定获得无物理意义的记录值(光谱仪记录值)，根据积分球的辐亮度，转化为各光路通道中裸光纤的第一辐射定标系数。第二辐射定标装置采用卤素灯，可选地，卤素灯采用美国Ocean insight公司生产的HL-3卤素灯；对配备余弦校正器光纤进行辐射定标的方法为：将各光路通道上连接的光纤***卤素灯，测得无物理意义的记录值(光谱仪记录值)，根据卤素灯的辐亮度，转化为各光路通道中配备余弦校正器光纤的第二辐射定标系数。
对野外观测获得的各光路记录值，乘以对应光路的定标系数即可转化为具有物理意义的辐亮度，并消除各光路光学特性造成的差异。此外，作为可选方案，野外可以使用便携式小积分球对裸光纤进行辐射定标，而配备余弦矫正器的光纤同样可以使用HL-3卤素灯进行定标。
S102、根据辐射定标后的光谱观测***，对太阳入射光谱和不同点位的农作物冠层反射光谱进行连续观测，得到时序光谱观测数据；
该步骤中，光谱观测***的软件由C#语言编写，具有简洁的可视化操作界面。程序主要由光谱仪的初始化、光谱仪积分时间优化、光路切换、光谱仪扫描、数据采集、数据存储和表型参数的反演等部分组成。
通过光谱仪的初始化对光谱仪的初始积分时间进行设置。
由于野外天气不确定性，以及光谱仪记录数值范围有限，为达到光谱仪最佳的探测效果，既不使记录数据过小，也不使记录数据饱和，通过光谱强度变化自动调节采集光谱的积分时间，光谱观测***根据光谱仪积分时间优化结果对太阳入射光谱和不同点位的农作物冠层反射光谱进行观测，保证采集到的光谱信号精确有效。计算公式为：
T＝IT×targetDN/max (1)
其中，T为优化后的光谱仪积分时间，IT为用户自定义的初始积分时间，targetDN为用户自定义的理想光谱仪记录值，max为用户自定义的初始积分时间IT内采集到的光谱最大的光谱仪记录值。为光谱观测***设定最大积分时间，若积分时间达到最大积分时间时，无论记录值是否达到理想状态均进行记录，防止出现积分时间无穷大的情况。
按时序对太阳入射光谱和不同点位的农作物冠层反射光谱进行观测所得到的光谱观测数据包括：太阳入射光谱、不同点位的农作物冠层反射光谱、太阳入射光谱和不同点位的农作物冠层反射光谱所对应的光谱仪积分时间内的暗电流。观测的具体流程为：
多光路复用器首先切换至用于太阳入射光谱观测的光路通道，按照光谱仪的初始积分时间采集一条太阳入射光谱，使用公式(1)计算光谱仪优化后的积分时间，然后按照优化后的积分时间观测一条太阳入射光谱并记录数据，随后关闭光谱仪内部光路开关，按优化后的积分时间记录一条暗电流，即没有光进入光谱仪而由光谱仪自身产生的噪声数据；然后多光路复用器转至第一个用于农作物冠层反射光谱观测的光路通道，重复以上步骤以获取农作物冠层反射光谱和对应的暗电流。根据以上流程依次测定一轮所有农作物观测目标，每个小时完成一个观测循环。观测过程中获取的每一条太阳入射光谱和冠层反射光谱均记录在CSV文件中，同时记录有对应的积分时间和暗电流等信息。
S103、根据辐射定标系数对光谱观测数据进行数据处理，得到太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值，并计算得到相应的反射率；
该步骤中，数据处理方法包括：首先，将太阳入射光谱和不同点位的农作物冠层反射光谱分别减去对应的暗电流，以消除仪器自身的噪声；其次，将减去暗电流后的太阳入射光谱和农作物冠层反射光谱分别除以对应的积分时间；其中，积分时间归一化到1秒；再次，将除以积分时间后的太阳入射光谱和农作物冠层反射光谱与相应光路的辐射定标系数相乘，得到太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值；最后，将不同点位的农作物冠层反射光谱的辐亮度值分别除以太阳入射光谱的辐亮度值，得到不同点位的农作物的反射率；不同点位的农作物的反射率用于进行农作物表型参数的反演。光谱数据和反射率存储在电脑上。
S104、根据太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值，并行反演各观测对象的生理和结构时序表型参数。
该步骤中，通过并行获取不同观测对象的冠层反射光谱，反演获取各观测对象的生理和结构时序表型参数；生理参数的反演包括荧光反演，太阳辐射在760nm左右存在一个氧气吸收井，光谱曲线呈凹陷状态，荧光由植物向外发射，可填充这个吸收井，通过对比太阳入射光谱和农作物的冠层反射光谱吸收井暗线与其相邻波段的辐亮度相对强度，可反演提取得到冠层荧光；具体为：暗线处的冠层反射由冠层的真实反射ρ和荧光F两部分组成，采用光谱拟合方法反演荧光F，可将ρ和F用多项式模型表达，冠层反射的辐亮度L表示为：
式中ρMOD(λ)和FMOD(λ)分别是在相应的波段(波段的波长为入)反射率和荧光的数学表达式，LTOC(λ)表示观测的冠层反射光谱的辐亮度，E(λ)为太阳入射光谱的辐亮度，ε(λ)表示每个波段观测值和拟合值的残差项。通过最小二乘解线性方程组，可以得到ρMOD(λ)和FMOD(λ)，从而计算得到F和ρ。
光谱观测***可以获取高通量的650-800nm范围内的高光谱反射率数据，高光谱反射率数据可用于计算植物冠层结构相关的多种植被反射率指数，例如，归一化植被指数(NDVI)、植被近红外指数(NIRv)、比值植被指数(RVI)、宽动态范围植被指数(WDRVI)、MERIS陆地叶绿素指数(MTCI)等，具体如表1所示：
表1
表1中，ρnir、ρred、ρ735.75、ρ708.75、ρ681.25分别为近红外波段、红光波段、波长735.75nm、波长708.75nm、波长681.25nm的反射率；α为降低近红外贡献的系数。
以下通过一种优选的实施例对本发明观测方法及***进行详细说明：
S201、按照图2结构图安装光谱观测***；
S202、按照图3对光谱观测***进行辐射定标；其中，在野外安装后，需要定期进行野外辐射定标；测太阳入射光谱的光纤装有余弦校正器，垂直向上安装，观测农作物冠层反射光谱的各光纤对准各小区中心位置，垂直朝下安装。
S203、采用优化积分时间的算法对光谱仪的积分时间进行优化，自动采集太阳入射光谱和不同点位的农作物冠层反射光谱，以及对应积分时间的暗电流；每天太阳高度角大于0°的时候开始采集光谱，太阳高度角小于0°的时候停止运行。
S204、将太阳入射光谱和不同点位的农作物冠层反射光谱分别减去对应的暗电流，将减去暗电流后的太阳入射光谱和农作物冠层反射光谱分别除以对应的积分时间；其中，积分时间归一化到1秒；将除以积分时间后的太阳入射光谱和农作物冠层反射光谱分别与相应光路的辐射定标系数相乘，得到太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值；将不同点位的农作物冠层反射光谱的辐亮度值分别除以太阳入射光谱的辐亮度值，得到不同点位的农作物的反射率。
S205、反演表征植物表型生理和结构的参数。
为进一步验证本发明的有效性，本实施例中以小麦为观测对象测试***运行状况，图4为某一循环获取的光谱数据计算的各小区反射率，由图4可以看到曲线整体平滑，由于荧光的贡献，可以观察到在688nm和762nm附近有反射峰，此外各个小区的反射率存在明显差异，这些反射率数据可以用于计算植物生长阶段的结构信息的动态变化。图5(a)和图5(b)为不同实验组和对照组的表型生理参数(以远红SIF和红波段SIF为例)的季节和日动态变化，由图5(a)和图5(b)可以看出，该***可以长时间连续获取高频表型生理参数，其次可以很好观测到实验组和对照组的差异。图6(a)和图6(b)为不同实验组和对照组的表型结构参数(以NDVI和NIRv为例)的季节和日动态变化，由图6(a)和图6(b)可以看出，该***可以获取植物不同生长阶段的表型结构差异。
根据本发明提出的方法，可获取时间序列的植被冠层超高光谱数据，用于计算太阳和冠层辐亮度，进而计算反射率和反演表型参数。在科学上对于理解植物生长发育过程中结构和生理信息的动态变化及其受基因和环境的交互调控机理具有重要意义，在生产上通过提供无损、高通量和高精度的新技术手段有利于加速育种进程和优化栽培管理措施。
以上所述的实施例仅是对本申请的优选方式进行描述，并非对本申请的范围进行限定，在不脱离本申请设计精神的前提下，本领域普通技术人员对本申请的技术方案做出的各种变形和改进，均应落入本申请权利要求书确定的保护范围内。
Claims (2)
1.农作物生理和结构表型参数多任务并行的自动观测方法，其特征在于，包括：
搭建光谱观测***，并对所述光谱观测***进行辐射定标，得到辐射定标系数；所述光谱观测***包括依次连接的光谱仪和多光路复用器；所述光谱仪仅包括一个光路入口，通过单芯光纤与所述多光路复用器的出口连接，所述多光路复用器包括若干个并行的光路入口，观测过程中，所述多光路复用器仅打开一个光路入口；所述多光路复用器的每个所述光路入口上均装配有预设长度的光纤，所述光纤一端与所述多光路复用器的光路入口连接；各所述光纤中的一根光纤的另一端连接有余弦校正器，所述余弦校正器垂直向上安装，用于收集太阳入射光谱；所述多光路复用器的其余若干个光路通道分别用于获取不同点位的农作物冠层反射光谱；
针对每个观测对象，首先采集太阳入射光谱，然后将多光路复用器切换至对应观测对象的冠层反射光谱的光路通道，采集冠层反射光谱，交替完成每个观测对象太阳入射光谱和冠层反射光谱的数据采集，得到时序光谱观测数据；其中，观测过程中，还包括对所述光谱观测***的光谱仪积分时间进行优化，所述光谱观测***根据优化后的所述光谱仪积分时间对太阳入射光谱和不同点位的农作物冠层反射光谱进行观测，并采集所述光谱仪积分时间对应的暗电流数据；
根据所述辐射定标系数和所述暗电流数据对所述光谱观测数据进行数据处理，得到太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值；
根据太阳入射光谱和不同点位的农作物冠层反射光谱的辐亮度值，并行反演各观测对象的生理和结构时序表型参数。
2.根据权利要求1所述的农作物生理和结构表型参数多任务并行的自动观测方法，其特征在于，通过并行获取不同观测对象的冠层反射光谱，反演获取各观测对象的生理和结构时序表型参数；生理参数的反演包括荧光反演；荧光反演包括：采用光谱拟合方法反演荧光F，将ρ和F用多项式模型表达，冠层反射的辐亮度L表示为：
式中ρMOD(λ)和FMOD(λ)分别是在相应的波段反射率和荧光的数学表达式，LTOC(λ)表示观测的冠层反射光谱的辐亮度，E(λ)为太阳入射光谱的辐亮度，ε(λ)表示每个波段观测值和拟合值的残差项；通过最小二乘解线性方程组，得到ρMOD(λ)和FMOD(λ)，从而计算得到F和ρ；
结构参数反演包括植被反射率指数反演，所述植被反射率指数包括归一化植被指数NDVI、植被近红外指数NIRv、比值植被指数RVI、宽动态范围植被指数WDRVI、MERIS陆地叶绿素指数MTCI；NDVI、NIRv、RVI、WDRVI、MTCI的计算如下所示：
式中，ρnir、ρred、ρ735.75、ρ708.75、ρ681.25分别为近红外波段、红光波段、波长735.75nm、波长708.75nm、波长681.25nm的反射率；α为降低近红外贡献的系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111012242.9A CN113720798B (zh) | 2021-08-31 | 2021-08-31 | 农作物生理和结构表型参数多任务并行的自动观测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111012242.9A CN113720798B (zh) | 2021-08-31 | 2021-08-31 | 农作物生理和结构表型参数多任务并行的自动观测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113720798A CN113720798A (zh) | 2021-11-30 |
| CN113720798B true CN113720798B (zh) | 2022-04-19 |
Family
ID=78679722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111012242.9A Active CN113720798B (zh) | 2021-08-31 | 2021-08-31 | 农作物生理和结构表型参数多任务并行的自动观测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113720798B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
| CN108548793A (zh) * | 2018-03-26 | 2018-09-18 | 山东省农业可持续发展研究所 | 一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法 |
| CN108593611A (zh) * | 2018-04-25 | 2018-09-28 | 南京大学 | 一种植被叶绿素荧光的双通道自动观测方法 |
| CN110726474A (zh) * | 2019-09-04 | 2020-01-24 | 南京艾格赛弗环境科技有限公司 | 一种地物超光谱高频观测***及光谱观测方法 |
| CN112649392A (zh) * | 2020-12-15 | 2021-04-13 | 中国农业大学 | 一种快速鉴定小麦节水抗旱性的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10564316B2 (en) * | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
-
2021
- 2021-08-31 CN CN202111012242.9A patent/CN113720798B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103674852A (zh) * | 2013-08-22 | 2014-03-26 | 南京大学 | 一种多角度观测植被冠层阴阳叶光化学反射指数的方法 |
| CN108548793A (zh) * | 2018-03-26 | 2018-09-18 | 山东省农业可持续发展研究所 | 一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法 |
| CN108593611A (zh) * | 2018-04-25 | 2018-09-28 | 南京大学 | 一种植被叶绿素荧光的双通道自动观测方法 |
| CN110726474A (zh) * | 2019-09-04 | 2020-01-24 | 南京艾格赛弗环境科技有限公司 | 一种地物超光谱高频观测***及光谱观测方法 |
| CN112649392A (zh) * | 2020-12-15 | 2021-04-13 | 中国农业大学 | 一种快速鉴定小麦节水抗旱性的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113720798A (zh) | 2021-11-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| El-Hendawy et al. | Potential of the existing and novel spectral reflectance indices for estimating the leaf water status and grain yield of spring wheat exposed to different irrigation rates | |
| Ali et al. | Leaf nitrogen determination using non-destructive techniques–A review | |
| Neinavaz et al. | Retrieval of leaf area index in different plant species using thermal hyperspectral data | |
| Katsoulas et al. | Crop reflectance monitoring as a tool for water stress detection in greenhouses: A review | |
| Neto et al. | Vis/NIR spectroscopy and chemometrics for non-destructive estimation of water and chlorophyll status in sunflower leaves | |
| Bergsträsser et al. | HyperART: non-invasive quantification of leaf traits using hyperspectral absorption-reflectance-transmittance imaging | |
| Dong et al. | Evaluation of chlorophyll-related vegetation indices using simulated Sentinel-2 data for estimation of crop fraction of absorbed photosynthetically active radiation | |
| CN107796764B (zh) | 一种基于三波段植被指数的小麦叶面积指数估算模型的构建方法 | |
| Huang et al. | Phenotypic techniques and applications in fruit trees: a review | |
| Padilla et al. | Integration of vegetation indices into a water balance model to estimate evapotranspiration of wheat and corn | |
| Elvanidi et al. | Crop water status assessment in controlled environment using crop reflectance and temperature measurements | |
| Bi et al. | Estimating vertical chlorophyll concentrations in maize in different health states using hyperspectral LiDAR | |
| CN109187417B (zh) | 一种无人机载的太赫兹波及高光谱遥感农作物监测*** | |
| Ariza-Carricondo et al. | A comparison of different methods for assessing leaf area index in four canopy types | |
| Darvishsefat et al. | Evaluation of spectral reflectance of seven Iranian rice varieties canopies | |
| CN110987830A (zh) | 植物冠层叶片叶绿素含量快速测定模型、测定方法及应用 | |
| Zhang et al. | Vis/NIR reflectance spectroscopy for hybrid rice variety identification and chlorophyll content evaluation for different nitrogen fertilizer levels | |
| Jae-Hyun et al. | Simple method for extracting the seasonal signals of photochemical reflectance index and normalized difference vegetation index measured using a spectral reflectance sensor | |
| Yol et al. | Traits for phenotyping | |
| Bignami et al. | Image analysis estimation of leaf area index and plant size of young hazelnut plants | |
| Sookchalearn et al. | A low-cost sensor for measuring and mapping chlorophyll content in cassava leaves | |
| Yao et al. | Design and testing of an active light source apparatus for crop growth monitoring and diagnosis | |
| CN104236486A (zh) | 一种棉花叶面积指数快速无损测定方法 | |
| CN116482041B (zh) | 一种基于反射光谱的水稻抽穗期无损快速识别方法及*** | |
| CN104198397B (zh) | 氮磷钾交互作用下温室作物营养含量检测的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |