利用叶绿素荧光动力学参数识别苗期番茄干旱胁迫状态

为实现作物干旱胁迫状态无损识别,该研究提出了基于叶绿素荧光动力学参数的苗期番茄干旱胁迫状态识别方法.首先利用叶绿素荧光成像系统采集不同干旱胁迫程度的植株冠层叶绿素荧光图像,并将顶层叶片图像像素均值作为该植株的叶绿素荧光参数值;然后,采用连续投影法(Successive Projections Algorithm,SPA)、迭代保留信息变量法(Iteratively Retains Informative Variables,IRIV)和变量空间迭代收缩法(Variable Iterative Space Shrinkage Approac,VISSA)分别提取与干旱胁迫高度相关的叶绿素荧光参数.并分析3种算法提取的5个公共荧光参数(光适应过程中L2时刻的实际光量子效率、光适应过程中L3时刻的非光化荧光淬灭、基于"Lake"模型光适应过程中L2时刻的光适应光化学淬灭、基于"Lake"模型的稳态光适应光化学淬灭和基于"Lake"模型暗弛豫过程中D3时刻的光适应光化学淬灭)在不同干旱等级下的变化趋势.最后,利用线性判别分析(Linear Discriminant Analysis,LDA)、支持向量机(Support Vector Machines,SVM)和k最近邻(k-Nearest Neighbor,KNN)建立干旱胁迫状态识别模型.其中,IRIV-LDA和VISSA-LDA建模效果最好,识别准确率均可达97.8％,且IRIV-LDA对干旱胁迫程度的区分度更好,对适宜水分、轻度干旱、中度干旱、重度干旱的识别率分别为100％、95％、98％、98％.仅用5个公共参数建立干旱识别模型的识别准确度最高可达83.7％,说明这5个荧光参数与番茄干旱胁迫高度相关.试验结果表明,利用叶绿素荧光动力学参数可以较准确的检测苗期番茄干旱胁迫状态.该研究为苗期番茄干旱胁迫早期监测和胁迫等级判定提供了一种新方法,也可为其他作物的干旱胁迫状态监测提供技术参考.