[桂花树价格]不同微生物对桂花叶片含水量的定量

　　通过测量高光谱反射桂花L.出锅实验下，分析纸张的含水量，我们研究叶片含水量的不同微生物活动的影响植被及其光谱特征和尝试的高光谱遥感。
　　技术监测和鉴定不同处理条件下桂花叶片的含水量。果表明，治疗预测模型CK Y =的0.839×[EXP（0.006吨）]具有最高的预测精度，确定（R2）的系数是0.851，则RMSE为0.018，并且治疗预测模型GM Y = 0.84到100.128吨-166 349.654 t2到最低预测的精度，具有0.638判定（R2）的一个系数和0.013Pa的RMSE。过不同的治疗方法构建的模型能够有效地预测对应的树叶中的水分，并提供用于监控和有用的信息植被叶子的水分含量在各种微生物的作用下迅速而有效的评估微生物再生领域。光谱遥感;微生物恢复;叶子的含水量;估计模型图分类号：P237文献代码：A文章编号：0439-8114（2018）24-0151-05DOI：开放科学10.14088 / .24.041 j.cnki.issn0439-8114.2018标识码（资源服务（OSID）：摘要：通过在实验条件下测量不同类型微生物对桂花植物叶片的高光谱反射率，进行叶片含水量差异分析。查在存在于植物和它的光谱特性的变形例的水含量的不同微生物的效果，也已试图使用高光谱遥感技术监测和识别在桂花叶中的水含量不同的治疗条件。

　　果表明预测模型CK Y = 0.839×[EXP（0.006吨）]具有预测的在用于估计叶的水分含量的最佳模式最高的精度，判定系数为0.851，的RMSE为0.018，预测的使用模型Y = 0.84-100.128叔166 349 654，t2是最低的精确度，决定系数R2等于0.638时，RMSE等于0.013。过不同处理构建的模型可以有效地预测微生物控制领域中相应叶片的含水量。了恢复，一个信息载体被不同类型的微生物的关键词的作用下提供了一种用于植被叶子的水含量的监测和快速和有效评价：高光谱遥感微生物再生内容在叶子的水中;通过有效推断植物的水分状况，然后指导植被干旱和灌溉水的监测，可以控制植被生长和最终产量，这在植被的整个生长期[1，2]。于光谱的可见光和红外波段可以响应植被水分信息，敏感波段分析技术和光谱特征已成为国内外研究人员检索信息的重要途径。被的湿度。究揭示了5个叶片吸收带集中在970，1200，1450，1930和2500nm [3]，为估算叶片含水量奠定了理论基础。光谱遥感技术植被。谱表征是衍生光谱和连续光谱中最广泛使用的技术。被水分指数可以减少对带的散射效应，因此可以用于植被含水量的反演[7-16]。然有关专家已经做了许多研究叶片含水量，他们专注于对应于含水量的变化植被张差光谱。些研究为植被信息的高光谱识别和定量反演奠定了基础，但仍然没有系统研究不同水分条件下光谱特征的差异和不同条件下植被含水量的预测。这项研究中，我们研究了植被叶和叶的不同引起的各种微生物的活动中的水含量的定量估计的光谱特性，并讨论了不同的治疗效果上的植被和叶片的含水量它们的光谱特征，以不同的方式识别它们。段的光谱特性和桂花不同微生物的叶子的水含量的数学模型来获得微生物补种后的不同处理的水含量的准确估计，从而提供水含量的一种新的和有效的监测微生物再生领域的植被技术手段和监测方法。料和方法测试的菌株的细菌菌株C6X硅酸盐（表示为CR）和菌根真菌（内生真菌球囊霉，GM的菌株），用于分离和中国矿业大学的筛选微生物康复实验室和技术（北京）。据石英，钾长石和伊利石1：1：3的质量比制备测试基质，并将每种矿物研磨至100目。测试基板在高温和高压（121℃，2小时）下蒸汽灭菌并风干。试验植物从中国农业科学院购买并浸没在10％的H 2 O 2在表面消毒在接种之前10分钟，然后用去离子水洗涤数次，排出和排出。

　　验盆使用一个18厘米高的小盆，口径24厘米，盆直径15厘米。盆5.0kg空气干燥的基质。试处理基板由四个处理：无接种（表示为CK），接种C6X应变硅酸盐细菌（表示为CR），菌根真菌接种（指定GM）接种细菌硅酸盐C6X和细菌组合真菌真菌（注意到CR Gm）。个处理由9个重复组成，总共36个罐随机放置。物定期以基质最大持水量的75％浇水，并根据天气条件进行通风。间樨生长（20，40，桂花树价格60天）的不同阶段，在随机选择的植物的3个盆每个处理，以便收集樨叶的光谱曲线，并且同时确定参数相关的生理生化）确定叶子的含水量。收集叶片光谱期间进行同时取样，并且通过干燥称重法确定叶片的水含量。对每朵桂花进行取样时，选择两片上层，中层和下层，并在测量光谱的同时测量叶片含水量。新鲜叶子称重，余量为0.001g。

　　重后，将叶子置于105℃的培养箱中15分钟。
　　80℃下干燥至恒重后，称量干重并计算每片的水含量。子的水分含量=（叶子的鲜重 - 叶子的干重）/叶子的鲜重量×100％）获得光谱数据。
　　花盆栽种植在五月2015年底在20，第40和增长桂花的第60天，至少有两个桂花叶的上，中，下部的收集和顺序编号。谱测量使用由American ASD Company制造的FieldSpec 3便携式地面光谱仪进行，相关参数是350-2500nm的光谱带范围，1nm数据输出范围并且光谱分辨率在350和1000nm之间。2500nm处3nm和1000之间的光谱分辨率是10nm。避免因长期测量中的误差，该光谱仪在白色判定spectromètre.La光谱曲线樨片材之前，调节与营养探针和检测器测量光谱叶片（仪器仪表），每个片位于叶片的末端。叶子的中间，叶子的根部选择在5到10个点之间，用于确定光谱曲线。每个地方读取5次的值，尽可能避免肋骨。每张薄片测量的光谱曲线的平均值用作叶子的光谱。征对于每种处理定义三次重复，并且将三个桂花叶的反射光谱的平均值作为最终光谱曲线。20天内收集总共60个样品，在40天内收集82个样品，在60天内收集总共70个样品，或在整个生长期间收集212个样品。处理光谱数据。不同的时间采集的原始光谱曲线，异常光谱数据首先被去除，然后将剩余的频谱数据进行平均，由光谱仪ViewSpec临5.0软件（在5个点平滑方法）平滑。光谱仪是所有离散数据收集的光谱曲线，原始频谱数据的第一光谱微分处理被执行（公式1）：结果与分析在图1中，示出的效果的水含量在图1中看到的是，在这三个生长阶段20，40和60天时RWC桂花L的内容与叶长期延迟肉桂和含量降低在同一处理中，桂花叶的RWC叶片已达到显着差异。平和含量表示20天> 40天> 60天，同时整个过程先增加后减少。20天桂花L.叶含量RWC是显著不同处理间：桂花RWC含量叶三种接种处理比对照组高显著没有接种，Gm组是最高的;具有不同樨40天治疗中RWC的在植物的叶子中的内容的总的变化是相同的20天，但在RWC CR和GM CR之间的内容差异不显着：在60天时，桂花植物的RWC含量仅为CR和Gm CR。CK和CK组之间的差异是显著：RWC值CR组均最高的四种处理，和转基因组和CK组之间的差异不RWC的évidente.La值Gm CR组显着低于CK组。
　　可能是由于这样的事实，GM和GM CR的治疗比其它两种处理显著更好的数量和叶片的表面较大，出汗增多。着接种时间的增加，相同处理叶片的含水量降低，与蒸腾量和浇水持续时间有关。花样品不同处理的叶片含水量与光谱曲线的相关性分析所有样品的一级光谱数据与叶片含水量的总体相关性分析图4中示出了在四种不同微生物下的三个桂花期的过程。图2中可以看出，通过每种处理的统计分析获得的相关系数基本上与波长相容。果表明，在可见光区（400-780纳米），相关系数等于550nm的作为临界点，相关系数之前550nm和相关系数的绝对值逐渐增加是负的。550nm之后，相关系数正相关并逐渐减小。关系数似乎是700nm附近的负相关。近红外（780-1100 nm）的短波区域，它快速，正反两相关，没有明显的规律性;在长波长的近红外的区域中，相关系数是正相关于频带1 300-1 400，1600和1 900 2 200 2 500 nm和剩余条带负相关;峰出现在1400，1650，2250nm，1500，2A附近出现在000nm附近。级差分光谱与叶片含水量之间的强相关性主要发生在550-600 nm，700 nm，1600-1700 nm和1400-1 550 nm附近。波段可用作叶片含水量定量监测的最佳灵敏度。离，但必须准确选择用不同微生物处理的桂花叶。桂花叶片含水量预测模型的不同处理建立光谱指数是一个可以指示目标土壤对象的数学模型。由一系列以线性和非线性方式组合的光谱特征数据组成。谱指数可以降低太阳高度角，环境条件等因素对原始光谱数据的影响，提高目标特征的相关信息，提高光谱数据的准确性。取信息[8]。了探索不同处理条件下叶片含水量的最佳预测光谱指数，计算了预处理原始光谱数据与一阶差分光谱数据之间的相关性。相关性的基础上，建立新的特征参数，并选择具有较高相关性的光谱指数作为由该模型建立的特征变量。
　　关每种光谱处理指数的选择和重要性，请参见表2。于表2中选择的特征参数，分别进行桂花叶不同处理的相关性分析（表3）。个过程选择三个具有高相关性的特征参数作为由预测模型建立的特征变量，桂花树价格然后是线性和均匀的。线估计方法用于子曲线，对数，指数和幂函数的常用函数中，考虑曲线的质量选择最优预测模型。整（确定系数），显着性检验和实际情况（表4）。

　　水含量为樨叶不同处理的预测模型的精确度的验证可以通过检查叶桂花的水含量的预测模型来预测更好（图3） ，对不同微生物处理的桂花叶片含水量具有良好的预测能力。不同的生长条件下，可以准确估算桂花叶片的含水量。论：桂花的水含量的统计分析叶锅从不同的微生物的不同阶段（20J / 40J / 60 j）的显示，有在生长桂花显著差异不同微生物下的香气和双杆菌（Gm） CR组的处理）桂花植物的生长要比其他处理好得多。一接种硅酸盐细菌（CR组）有利于桂花植物的生长，其具有比单一接种簇（G.m组）低得多的令人愉悦的香味。桂花生长（60天）的最后阶段，在对应于CR和CK处理，GM和GM CR生长桂花幼苗的差比樨（40天）的显著低。究表明，光谱指数如微星，NDII，WBI和NDWI实际上可以预测植被的水分含量，但有研究表明，这些光谱指数只适用于厚度的表征相当于水，但不是植被叶片的含水量。本研究的结果中，通过上述指数建立的模型的R2，RMSE和F值表明相应的预测精度不理想。可能是由于一个事实，即谱指数MSI NDII，WBI和NDWI直接通过植被的光谱反射率，这是可能产生的背景信息，并在模型中增加了干扰因素构建的。确估算植被的物理和化学指标。这项研究中，第一阶微分处理，进行了基于初始光谱，以消除的在地面上基本信息的影响：在内置谱指数，三个指数提供每个最佳性能处理可以有效地表征桂花叶片的含水量，并产生不同的微生物。用下桂花叶片含水量的定量估算。验结果表明，治疗预测模型CK Y =的0.839×[EXP（0.006吨）]具有最高的预测精度，确定（R2）的系数是0.851，0.018的RMSE和Gm处理预测是估算叶水含量的最佳模型。型Y = 0.84-100.128 t-166 349.654 t2具有最低的预测精度，确定系数（R2）为0.638，RMSE为0.013。研究表明，各种微生物的作用下的植物水含量桂花的定量预测是理想的，并且可以被用于相关的指标定量评估，证实了监测的可行性高光谱遥感植被。厥提供了一种信息媒介，用于快速有效地无损监测和评估不同微生物下植被的水分含量。而，不同桂花处理的叶片含水量没有统一的特征变量，模型的普遍性还有待进一步研究。
　　本文转载自
　　桂花树价格 https://www.guihua1998.com