高光譜熒光成像技術在農業上的應用

近年來高光譜成像技術在農業中得到了廣泛的應用，主要表現在快速、精確地進行作物生長信息的提取
、作物長勢監測
、作物脅迫監測、估算植被 (作物 )初級生產力與生物量、估算光能利用率和蒸散量以及作物品質遙感監測預報等方麵。其中
，高光譜熒光成像技術在植物長勢監測
、病蟲害脅迫方麵顯示出巨大的潛力。該技術能用計算機模擬人的視覺功能，不破壞也不影響植株生長，從植物的熒光圖像中提取顏色
、紋理
、熒光強度等信息進行處理並加以分析
，最終用於實際檢測，是植物病害檢測的重要手段。

1.1  植物熒光原理

植物受激發後發出的熒光主要有：藍綠熒光( Blue-green fluorescence，BGF ) 、紅 熒 光 ( Red-fluorescence，RF) 和遠紅熒光( Far-red fluorescence
，FRF) 
，如圖3所示。

圖1波長 355 nm 激光激發的熒光光譜

經光照射後，植物的不同組織會吸收不同波段的光，因此植物能在不同波段發射出熒光，如圖2。激發光主要有以4個波段: 藍（波長435-480 nm），被類胡蘿卜素和葉綠素吸收

，並釋放出較高量子效率，可以激發葉片表皮及更深處組織的葉綠素熒光；紅光（波長 640-780 nm），隻能被葉綠素吸收
，因而相比藍光還能被類胡蘿卜素吸收
，該波段光的吸收範圍較窄
，能激發遠紅波段的葉綠素熒光
；綠光（波長 500 ～ 560 nm），被葉綠素吸收，但是吸收量很小，因而相比藍、紅光，綠光可以到達葉片的深度最大，能激發葉綠素熒光；紫外光（280 ～315 nm）既能激發葉綠素熒光，還能激發短波熒光。

圖2葉麵截圖

1.2  國內外研究進展

利用葉綠素熒光可以對植物的生長狀況和各類營養元素缺乏症狀進行鑒別。Subhash 等利用波長355 nm 的氙氣燈作為激發光源
，采集了煙草葉片4個波段( 中心波長分別為 440
、520

、690 和 740 nm)的熒光
，分析了各波段的熒光比率對煙草葉片衰老情況的鑒別能力。結果發現，隨著葉片的衰老，在各熒光比率中，葉綠素熒光比率( F 690 /F 740) 有明顯上升，說明葉綠素熒光可以作為檢測植物光合作用強弱的一項指標。Langsdorf等采用最大波長為340 nm的氙氣燈激發甜菜葉片，獲取相同4個波段的熒光圖像及熒光比率圖像
，經偽彩色處理後，通過觀察圖像發現，短波熒光( F440和F520) 在葉脈部位強度較高
，葉綠素熒光( F690和 F740) 在葉脈間隔部位強度較高，使用F440 /F690和F440 /F740這兩個熒光比率能區分葉片含氮量的高低。Cadet等對向日葵正常葉片和分別缺乏氮、磷、鉀的葉片進行實驗後發現，缺磷葉片的紅熒光和遠紅熒光強度比值( FRF /FFRF) 有明顯下；缺鉀葉片的藍綠熒光強度有明顯上升，並且從藍綠熒光圖像中可知：葉片的缺鉀症狀局限在葉尖和葉邊緣部位。Benediktyová 等發現大量的紫外光子都被葉片表皮吸收，難以到達葉細胞更深處，激發的葉綠素熒光十分微弱。因此采用最大波長為455 nm的藍色LED燈(deng)激(ji)發(fa)煙(yan)草(cao)健(jian)康(kang)葉(ye)片(pian)和(he)病(bing)害(hai)葉(ye)片(pian)的(de)葉(ye)綠(lv)素(su)熒(ying)光(guang)，通(tong)過(guo)葉(ye)綠(lv)素(su)熒(ying)光(guang)的(de)三(san)維(wei)重(zhong)建(jian)圖(tu)，將(jiang)葉(ye)片(pian)結(jie)構(gou)可(ke)視(shi)化(hua)
，對(dui)不(bu)同(tong)深(shen)度(du)的(de)葉(ye)細(xi)胞(bao)進(jin)行(xing)偽(wei)彩(cai)色(se)處(chu)理(li)，通(tong)過(guo)觀(guan)察(cha)圖(tu)像(xiang)發(fa)現(xian)，受(shou)病(bing)害(hai)浸(jin)染(ran)的(de)細(xi)胞(bao)深(shen)度(du)位(wei)於(yu)健(jian)康(kang)細(xi)胞(bao)下(xia)方(fang)約(yue)25μm處。Pereira 等采用波長473 nm 的激光激發柑橘黃龍病葉片
，提取熒光圖像的10個顏色描述符對葉片感染黃龍病的過程進行跟蹤。結果發現，綠色描述符的範圍
、均值和標準差等值在染病到發病的整個階段都有明顯變化。Pereira 等認為該方法可實現植物病害的無損檢測，檢測過程無需樣品預處理，具有檢測早期( 染病後1個月) 患黃龍病柑橘葉片的潛力。Sankaran等選取兩個品種的柑橘葉片
，分別在實驗室條件和自然環境進行實驗，用4種LED燈( 紫外、紅

、綠、藍) 照射葉片
，每個LED燈能激發 3個波段熒光(黃、紅、遠紅) ，總共提取了病害葉片的12個熒光特征和10個熒光比率特征，基於這22 個特征分別用兩種分類方法對病害葉片和健康葉片進行了鑒別。結果表明
，貝葉斯分類法在實驗室條件下的分類準確率高於85% ，而采用決策樹分類器的計算時間是前者的10多倍，但是後者在實驗室條件和自然環境都具有更好的識別能力，分類準確率高於94%。此外，在22個特征中
，由紫外激發的黃色熒光( YF_UV) 和由綠光激發的熒光比率(SFR_G) 能區分柑橘黃龍病葉片和缺氮葉片。

利用熒光成像技術監測作物生長及病害研究，國內學者也做了大量的研究
，如楊昊諭等用中心波長為473 nm和660 nm的激光，分別在4 種激光強度下激發黃瓜活體葉片熒光。通過對比實驗，確定最佳激發光源為強度7.5 W、波長473 nm
，並在此激發條件下，建立葉片熒光參數F732 /F 685與(yu)葉(ye)片(pian)葉(ye)綠(lv)素(su)含(han)量(liang)的(de)線(xian)性(xing)回(hui)歸(gui)模(mo)型(xing)。陳(chen)兵(bing)等(deng)研(yan)究(jiu)了(le)黃(huang)萎(wei)病(bing)對(dui)棉(mian)花(hua)葉(ye)片(pian)的(de)葉(ye)綠(lv)素(su)熒(ying)光(guang)特(te)性(xing)的(de)影(ying)響(xiang)，通(tong)過(guo)對(dui)熒(ying)光(guang)參(can)數(shu)的(de)分(fen)析(xi)可(ke)以(yi)發(fa)現(xian)，隨(sui)著(zhe)病(bing)害(hai)程(cheng)度(du)增(zeng)加(jia)
，棉(mian)花(hua)葉(ye)片(pian)的(de)葉(ye)綠(lv)素(su)a
、葉綠素b和葉綠素總含量均減少
，而類胡蘿卜素含量先降後增。結果表明，病害程度與葉綠素熒光參數的相關性較好。隋媛媛等采集健康、染病3 d和6 d的黃瓜霜黴病葉片的熒光光譜，用一階導數、主成分分析處理光譜數據後
，基於最小二乘支持向量機對前10個主成分進行分類和預測，結果表明
，使用徑向基核函數的支持向量機方法對黃瓜霜黴病害的分類預測能力達到了97. 73%。張石銳等以水稻葉片為研究對象，采集了水稻葉片在波長450 nm的LED燈照射條件下的葉綠素熒光光譜
，同時測量了水稻生長區土壤的濕度，建立了基於 Lorentzian 方程的土壤含水量和葉綠素熒光強度的回歸模型
，結果表明，該模型的決定係數達到0. 99，該方法可以用於土壤水分的檢測

圖3 不同波段下的熒光圖像

圖4  不同氮肥處理下不同波段的熒光圖像及熒光比值圖像

圖5  473 nm激光激發熒光光譜及熒光光譜參數 F732／F685與葉綠素含量關係

圖6  葉綠素熒光光譜及強度與葉片水分利用效率關係