基于图像处理技术的5种红树林叶片形态特征及叶绿素相对含量的估测

来源:用户上传      作者:

　　摘  要：為研究基于计算机视觉的图像处理技术获得的红树林叶片形态特征和叶绿素相对含量，以5种红树林为研究对象，分析其叶片形态特征及建立叶片颜色参数和叶绿素相对含量的回归模型，为苗木培育及营养诊断提供理论依据。结果表明：基于图像处理技术获得红树林叶片形态特征值是可信的，5种红树林叶片形态特征（叶面积、叶长、叶宽、叶周长、叶片形态因子）存在显著差异。红海榄和木榄单片叶片最大，其次是秋茄和桐花树，白骨壤叶片最小，白骨壤叶片形态接近椭圆形，红海榄和秋茄2种红树叶片属于长条型，木榄和桐花树叶片形态类似，红海榄叶长和叶宽相关性最强。5种不同种类红树林的SPAD值和Dualex值差异性显著。利用数码相机获取5种红树林叶片彩色图像，通过图像处理软件提取RGB以及通过差值、比值、标准化值、归一化值等运算组合的28种颜色特征值，与叶绿素相对含量（SPAD值、Dualex 值）进行回归分析，B值与SPAD值极显著相关，（R+B+G）/3、R/B、G/B与SPAD值显著相关;18种颜色特征参数与Dualex值显著相关，其中相关系数最大的为G-B和G值。因此，可依据颜色特征参数（R、G、B）建立相应的统计模型进行红树林叶片叶绿素含量的估测，进而为检测红树林生长、诊断营养状况以及进行水肥精确管理提供理论依据和技术支持。
　　关键词：红树林;图像处理技术;叶片形态特征;颜色特征参数;叶绿素相对含量
　　中图分类号;S758      文献标识码：A
　　Morphological Characteristics of Leaves and Estimation of Relative Chlorophyll Content in Five Species of Mangrove Based on Image Processing Technology
　　ZHANG Peijian， SHANG Xiuhua， WU Zhihua*
　　China Eucalypt Research Centre， Zhanjiang， Guangdong 524022， China
　　Abstract： The morphological characteristics of mangrove leaves， the relationship between color characteristic parameters of leaves and chlorophyll content were acquired by the computer vision image processing technology. The leaf morphological characteristics and regression models of leaf color parameters and chlorophyll content were established to provide a theoretical basis for seedling cultivation and nutritional diagnosis. It was reliable to obtain morphological characteristic values of mangrove leaves based on the image processing technology. There were significant differences in leaf morphological characteristics （leaf area， leaf length， leaf width， leaf circumference and leaf morphological factors） among the five mangrove species studied. Rhizophora stylosa and Bruguiera gymnorrhiza had the largest single leaf， followed by Kandeliaobvolata and Aegiceras corniculatum， and Avicennia marina had the smallest leaf. The leaf morphology of A. marina was nearly elliptic. R. stylosa and K. obvolata belonged to long strip type. The leaf morphology of B. gymnorrhiza and A. corniculatum was similar， and the correlation between leaf length and leaf width of R. stylosa was the biggest. The SPAD value and Dualex value of the five different mangrove species were significantly different. Five kinds of color images of mangrove leaves were acquired by a digital camera. RGB was extracted by an image processing software and 28 kinds of color eigenvalues were combined by difference， ratio， standardization and normalization， and the relative content chlorophyll （SPAD value， Dualex 4 value） was analyzed by regression. Statistical test showed that there was extremely significant correlation between B value and SPAD data， （R+B+G）/3， R/B and G/B were significantly correlated with SPAD data， and 18 color characteristic parameters were significantly correlated with Dualex data， among which G-B and G values had the largest correlation coefficient. Therefore， statistical model could be established to estimate the chlorophyll content of mangrove leaves based on the color characteristic parameters， which could provide a theoretical basis and technical support for the detection of mangrove growth， diagnosis of nutritional status and precise management of water and fertilizer. 　　Keywords： mangrove; image processing techniques; leaf morphology characteristics; color characteristic parameters; relative chlorophyll content
　　DOI： 10.3969/j.issn.1000-2561.2020.03.011
　　红树林（mangrove）是指生长在热带、亚热带海岸潮间带的木本生物群落，红树林区的植物可分为真红树植物、半红树植物和伴生植物[1]。全世界约有55种红树林树种，中国有38种，包括26种真红树，12种半红树[2]，主要位于广东、广西、海南和福建等省份[3]，一般分布于海口或河流出口处高潮线和低潮线之间的潮间带。红树林具有重要的生态服务功能和生态特征，在保护沿海生物多样性以及生态安全方面具有重要作用[4]。
　　叶片是植物进行生理活动和发挥生态功能作用的主要器官，是植物的主要组成部分[5]。植物的表型特性是為适应生存长期进化的表现，环境变化可导致叶的长度、宽度以及面积发生变化[6]。叶绿素是植物进行光合作用的重要色素，其含量是表征植物生长状况的重要指标，其值大小对植物光合效率、营养状况等具有重要的指示作用[7-9]。因此，研究红树林叶片叶绿素含量非常有意义，可对其进行营养诊断。传统的测定叶绿素的方法为分光光度计法，但需要破损取样。近年来，市面上流行的手持便携式叶绿素仪，如SPAD-502 叶绿素含量测定仪[10]，Dualex 4 氮平衡指数测量仪[11]等，能够快速便捷的测定叶片叶绿素水平，但又不对叶片造成损坏。
　　随着可见光遥感和数字图像处理技术的不断发展，机器视觉技术和计算机图像处理技术在作物形态生理监测[12-13]、作物缺素诊断[14-15]等领域得到越来越多的应用。叶片的叶绿素相对含量与叶片表观颜色具有较高的关联性[16]，基于计算机视觉的图像处理技术更加快捷、便利的特征，近年来已成为植物叶绿素信息获取的新手段[17-19]。本研究以雷州半岛廉江高桥镇近800 hm2红树林的5种优势种真红树植物如红树科（Rhizopho raceae）木榄（Bruguiera gymnoihiza）、秋茄（Kan delia obovata）、红海榄（Rhizophora stylosa），马鞭草科（Verbenaceae）白骨壤（Avicennia marina），紫金牛科（Myrsinaceae）桐花树（Aegiceras corniculatum）为研究对象，采用SPAD-502 叶绿素含量测定仪和Dualex 4 氮平衡指数测量仪2种方式测定叶片叶绿素相对含量，利用数码相机获取叶片颜色特征（RGB值以及比值、差值、标准化值、归一化值等运算），将两者进行相关回归分析，建立红树林叶片叶绿素相对含量的估测模型，为快速评估不同种类的红树林生长状况，诊断其营养状况以及以后的定向培育提供参考。
　　1  材料与方法
　　1.1   试验地概况
　　试验地位于湛江市廉江高桥镇的英罗湾内，地理位置为2132～2134N，10945～10946E，属南亚热带季风气候，年均气温22.8～23.4 ℃，年均水温25～27 ℃，年均降水量1534.6 mm，集中在4—9月[20]。
　　1.2  材料
　　该地红树林总面积接近800 hm2，具有明显的分带特征，红树林多呈灌木状[21]。于2014年3月选取立地条件一致的5个优势树种白骨壤（A. marina）、红海榄（R. stylosa）、木榄（B. gymnorrhiza）、秋茄（K. bvolata）和桐花树（A. corniculatum）样方，除桐花树样方规格为5 m×5 m外，其他树种均为10 m×10 m。采用随机区组设计，每个树种3个重复区组（样方），并对每个树种每个样方进行每木调查，依据每个重复（样方）内林木基径大小随机选择5株样木为试材，共75株作为实验材料，分别在树冠中部位置选择树枝第3叶序后展开的健康成熟叶，每株采取10片健康无损的叶片进行试验分析。各树种信息及生长条件见表1。
　　1.3  指标测定
　　1.3.1  叶片图像颜色特征参数的提取及形态特征测定  当天采集5个树种新鲜成熟展开的叶片，进行平铺获得叶片彩色图像信息，采用爱普生 V600以默认参数和分辨率300 dpi扫描采集图像，并以Image J软件分析包分析获得叶片颜色特征的R值、G值、B值以及叶片形态特征（叶面积、叶长、叶宽、叶周长、叶片形态因子），各叶片测定不少于3次，取平均值。用叶面积仪测定5种红树林叶片的叶面积，并和扫描图像获得的叶面积进行差异比较，差异计算公式为：（叶面积仪获得的叶面积?图像计算得到的叶面积）×100%/叶面积仪获得的叶面积。
　　1.3.2  叶片叶绿素相对含量的测定  采用SPAD- 502 叶绿素含量测定仪（Konica-Minolta，Tokyo，日本）测量SPAD值，每个树种选取15株树，每株树采取10片叶片进行测定，各叶片至少测量 3次（避开叶脉），然后取其平均值作为该树种的叶片叶绿素值（SPAD值）;采用 Dualex 4 氮平衡指数测量仪（Force-A，Orsay，法国）进行Dualex 4数据的采集，即叶绿素吸收率（chlorophyll， Chl），记为Dualex值，测定方法同SPAD值测定。
　　1.4  数据处理
　　运用Excel软件进行数据统计，采用SPSS 24.0软件进行方差分析、回归分析等数据处理。
　　2  结果与分析
　　2.1  叶片形态特征 　　2.1.2  叶面积仪与Image J图像获取的叶面积差异比较  由表2可知，由叶面积仪测定的红树林叶面积通过图像计算得到的叶面积差异较小，差值最大不超过±10%，其中差异最大的是白骨壤，其次是木榄，其余3种红树林红海榄、秋茄和桐花树差异低于±5%，所以由图像获得的叶片叶面积值是可信的，由此可推测由图像获得的红树林叶片形态特征值是可信的。
　　2.1.2  5种红树林叶片形态特征比较  5种红树林的叶片形态特征见图1。单从叶片形态观察可知，红海榄和木榄叶片较大，秋茄叶片次之，桐花树叶片小于秋茄，白骨壤叶片最小，其中白骨壤叶片偏向椭圆形，其余叶片形态属于细长型。
　　由扫描图像获得的叶片的形态特征见表3，5种红树林叶片叶面积、最长叶长、最长叶宽、叶周长、叶片形态因子存在显著差异。其中红海榄和木榄单片叶片最大，叶面积平均值分别为46.7.02、45.477 cm2，变异系数分别是25.56%和28.37%，其次是秋茄和桐花树，叶面积平均值分别为27.460、18.575 cm2，变异系数分别是23.74%和28.80%，白骨壤叶片最小，叶面积仅为8.515 cm2，变异系数为36.76%，說明白骨壤叶面积虽小，但种内变异丰富。白骨壤叶长变幅范围为3.10～7.10 cm，叶宽变幅范围为1.70～4.60 cm，红海榄叶长位于10.20～18.80 cm之间，叶宽在2.10～7.10 cm之间，木榄叶长和叶宽分别位于9.50～21.70 cm、2.20～8.00 cm之间，秋茄叶长、叶宽变异范围分别为7.90～14.40、2.30～4.90 cm，桐花树叶长和叶宽变幅范围分别为4.90～11.30、2.20～5.30 cm。叶片周长从大到小排列为：红海榄>木榄>秋茄>桐花树>白骨壤。可以看出红海榄和木榄叶片大小、形状相似，叶片较大，其次是秋茄，叶片大小为中等水平，白骨壤叶片最小。图像的形状因子是1个目标图像特征的数学描述，根据统计某一类特定的形状因子的值的范围可以有效的确定出目标图像的特征。本研究以圆形标准化情况下面积与周长的比率，被测对象越接近圆形该值越接近1，从各种红树林叶片形态因子值可以看出，白骨壤叶片形态比较接近椭圆形，红海榄和秋茄形态因子值最小，说明这2种红树叶片属于长条型，木榄和桐花树叶片形态类似（形态因子分别为0.26和0.27），和图1显示的叶片形态类似。
　　2.1.3  叶长和叶宽的关系  由表4所知，不同种类红树林叶片长度和宽度有一定的相关性，白骨壤、红海榄、木榄和桐花树叶长和叶宽相关性极显著（P≤0.01），秋茄叶长和叶宽相关性显著（P≤0.05）。叶长和叶宽相关系数为0.565～0.874，其中红海榄、桐花树叶长和叶宽相关系数最高（r=0.874， r=0.785），其次是木榄（r=0.621），相关系数最低的是秋茄（r=0.570）和白骨壤（r=0.565）。
　　2.2  叶片叶绿素含量及颜色特征参数
　　2.2.1  叶片叶绿素含量分析  叶绿素含量是体现植物生长状况的重要指标，本研究采用的2种无损测定方法，即SPAD-502叶绿素含量测定仪测量SPAD值以及用Dualex 4氮平衡指数测量仪测定的Dualex值，结果如表5所示，5种不同种类红树林的SPAD值和Dualex值差异性显著。其中SPAD值
　　从小到大排列为：秋茄（70.05）>红海榄（65.54）>木榄（62.54）>白骨壤（51.85）>桐花树（48.96），变异系数为4.75%～10.50%，说明红树林各个种类株间变异较小。Dualex值从大到小排列为：红海榄（47.00）>秋茄（44.41）>白骨壤（44.05）>木榄（37.29）>桐花树（32.91），变异系数为11.51%～ 19.26%，其中桐花树和白骨壤2个树种间株内存在着丰富的遗传变异，可进行遗传改良材料的选择。
　　2.2.2  叶片颜色特征分析  由图2所示，在5个树种中3个叶片颜色特征值来比较，均发现以G值最大，而以B值最小，树种中发现木榄R值和G值最大，红海榄R值和G值最小，白骨壤B值最大，秋茄B值最小。白骨壤、红海榄和桐花树叶片颜色指标变异系数普遍较小，说明在同一生长环境下的红树林在叶绿素含量和吸收营养成分方面大体一致。秋茄和木榄变异系数值较大，说明这2种红树林在叶绿素和吸收营养成分方面存在较为丰富的变异。
　　2.3  颜色参数与叶绿素含量相关性分析
　　R值、G值和B值分别表示在RGB色彩空间中彩色图像红、绿、蓝 3 种基本颜色的亮度值，通过改变3基色的相对数量，可混合出其他的各种颜色，参照程立真等[19]将红树林叶片R、B、G组合（如差值、比值、标准化值、归一化值等运算）共得到28种颜色参数，分别与SPAD值和Dualex值进行相关性分析，并建立回归线性模型。其中SPAD值和Dualex值可估算红树林叶绿素含量。由表6所示，颜色参数B值与SPAD值呈极显著负相关（r=?0.452），颜色参数（R+B+G）/3、R/B和G/B与SPAD值呈显著相关（r=?0.278、r=0.241和r=0.236），其余24种颜色与SPAD值相关性不显著，其中（G?R）/（R+B+G）、G/R、R/G和（G?R）/（G+R）与SPAD值相关性弱，r均小于0.05。28种颜色参数中绝大部分参数与Dualex值呈显著相关（r≥±0.239），除B、G/R、R/G、R/B、G/B、（G?R）/（G+R）、（G?R）/（R+B+G）、（G+B?R）/2B、（R?G?B）/（R+B）、（R?G?B）/（G+B）与Dualex值相关性不显著外，其余18种颜色参数均与Dualex值相关性达到显著水平，其中相关系数最大的2参数分别为G?R和G（r= 0.555和r=0.536）。颜色差值参数（G?B、G?R和R?B）与Dualex值相关性极显著（r≥±0.352）;在颜色比值参数中，B/R和B/G的相关性极显著（P<0.01），其余4个颜色参数与Dualex值相关性不显著;在标准化颜色参数中，G/（R+B+ G）和B/（R+B+G）与Dualex值相关性极显著;在归一化颜色参数中，（G?B）/（G+B）、（G?B）/（R+ B+G）和（G+B?R）/2G与Dualex值相关系数绝对值较高，相关系数分别为r=?0.306、?0.333、0.327。28个颜色特征参数与叶绿素SPAD 值和Dualex值进行回归分析得到的回归方程达到极显著水平（P<0.01）的颜色特征参数可以估算SPAD值和Dualex值，所以可将颜色特征参数中模型精度较高的B值估算SPAD值，模型精度较高的R值、G值、G?R、G?B和（R+B+G）/3估算Dualex值。 　　3  讨论
　　叶片的主要作用是植物进行光合作用和蒸腾作用，在植物进化过程中对环境变化比较敏感，且是具有可塑性较大的器官[22]。环境变化常常导致植物叶片的长、宽、面积等指标发生变化，叶片的可塑性是植物为适应生存环境在时空上的异质性的重要机制[23]，最能体现环境因子对植物的影响以及植物对环境的适应性[24-26]。通过叶面积仪测定的叶面积和通过扫描图像获得的叶片叶面积差异比较发现两者差异较小，所以以后的工作中可采用图像扫描方法获取红树林的叶片形态特征。通过比较5种红树林叶片形态特征发现，白骨壤、红海榄、木榄、秋茄和桐花树林叶片形态特征指标间存在着显著差异，不同种类红树林叶片形态差异较大，其中木榄和红海榄叶片较大，其面积是白骨壤叶片面积的5倍。从叶片形态因子指标看，白骨壤最接近圆形，红海榄和秋茄更接近长条形，可推断不同种类的红树林叶片形态不同与红树林长期进化有关，为适应不同的气候而进化成不同的形状。本研究对不同种类红树叶片形态特征进行分析，可进一步为红树林形态学描述及分类提供依据。
　　植物叶片的颜色与叶绿素含量有着密不可分的关系，即植物叶片颜色的变化是由植物体内叶绿素以及其他色素含量变化引起的[17]，植物叶片的叶绿素含量与其光合速率、营养状况有着密切的关系，人们常将叶色变化看作植物诊断及水肥管理的重要指标[27]。在不破坏样本的前提下，基于数码相机获取红树林叶片颜色值，RGB 颜色模型中的 R、G、B 值为叶片反射的红、绿、蓝可见光的颜色参数，利用不同的颜色模型量化数字图像的颜色信息，可快速、无损的估测植物叶绿素含量[19]。本研究结果显示，B值（蓝值）SPAD值相关性极显著，这与程立真等[19]和王克如等[13]用机器视觉获取的苹果和棉花叶片的叶绿素含量B值与SPAD值极显著相关的研究结果一致。同时，本研究发现在RGB三原色中，叶片颜色参数与SPAD值具有相关性的参数中均有B值参与，程立真等[19]研究也发现，苹果叶片叶绿素含量敏感的叶色参数为B、B/R、B/G、G/（R + G + B）等9个颜色参数，这9个敏感参数中均包含参数B，说明用颜色参数B值估测叶绿素相对含量具有一定的普适性和可靠性。本研究发现，28种颜色特征参数与Dualex值相关性最好的3个颜色参数为G?R、G、（R+B+G）/3和R值，其中G?B参数在其他植物中被认为是基于机器视觉的叶绿素相对含量的估测的最佳参数，如柴阿丽等[18]基于计算机视觉技术的番茄叶片叶绿素含量的检测中发现，颜色参数G-R为番茄叶绿素含量的最佳预测指标。王方永等[28]研究也认为，颜色特征参数G?R是获取棉花叶片叶绿素含量的群体绿色指数的最佳参数，因此，G?B颜色参数可估测红树林叶绿素相对含量，但这一研究结论能否推广应用还有待于进行进一步的研究。
　　SPAD-502测定叶片叶绿素吸收率是基于2种近红外光（650、940 nm）直接照射叶片，根据检测器分别监测到的透射率比较计算得到叶片Chl[29]。而Carter等[30]研究表明，850 nm和710 nm 的透射率之比（Dualex采用的）与叶片叶绿素含量的相关性最好。已有研究表明，两者测定叶绿素含量在精度存在着差异[31-32]，这可能是本研究中5种红树林树种叶片叶绿素含量存在着差异的原因。
　　本研究基于数码相机获取红树林叶片形态特征值是可信的，其颜色特征参数，在RGB三原色基础上基于28种颜色模型利用颜色特征参数建立了数个可行的叶绿素含量预测模型，该研究还有待于以后的实验验证，从侧面说明利用低成本的数码相机即可估测红树林营养状况，可对红树林进行精确的定向精确管理提供一定的参考。
　　参考文献
　　林  鹏， 傅  勤. 中国红树林环境生态及经济利用[M]. 北京： 高等教育出版社， 1995： 1-95.
　　廖宝文， 张乔民. 中国红树林的分布、面积和树种组成[J]. 湿地科学， 2014， 12（4）： 435-440.
　　张乔民， 张叶春. 华南红树林海岸生物地貌过程研究[J]. 第四纪研究， 1997（4）： 344-353.
　　于凌云， 林绅辉， 焦学尧， 等. 粤港澳大湾区红树林湿地面临的生态问题与保护对策[J]. 北京大学学报（自然科学版）， 2019， 55（4）： 782-790.
　　孙  梅， 田  昆， 张  贇， 等. 植物叶片功能性状及其环境适应研究[J]. 植物科学学报， 2017， 35（6）： 940-949.
　　彭耀强， 薛  立， 潘  澜， 等. 3种阔叶幼苗叶片形态特征的季节变化[J]. 中国农学通报， 2011， 27（13）： 31-36.
　　潘瑞炽. 植物生理學（第4版）[M]. 北京： 高等教育出版社， 2001： 112.
　　Broge N H， Mortensen J V. Deriving green crop area index and canopy chlorophyll density of winter wheat from spectral reflectance data [J]. Remote Sensing of Environment， 2002， 81（1）： 45-57.
　　张金恒， 王  珂， 王人潮. 高光谱评价植被叶绿素含量的研究进展[J]. 上海交通大学学报（农业科学版）， 2003， 21（1）： 74-80.
　　Minolta C. Manual for Chlorophyll Meter SPAD-502[M]. Osaka： Minolta Radiometric Instruments Divisions， 1989： 22. 　　Goulas Y， Cerovic Z G， Cartelat A， et al. Dualex： a new instrument for field measurements of epidermal ultraviolet absor bance by chlorophyll fluorescence[J]. Applied Optics， 2004， 43（23）： 4488-4496.
　　顧  清， 邓劲松， 陆  超， 等. 基于光谱和形状特征的水稻扫描叶片氮素营养诊断[J]. 农业机械学报， 2012， 43（8）： 170-174， 159
　　王克如， 李少昆， 王崇桃， 等. 用机器视觉技术获取棉花叶片叶绿素浓度[J]. 作物学报， 2006， 32（1）： 34-40.
　　王丽君， 淮永建， 彭月橙. 基于叶片图像多特征融合的观叶植物种类识别[J]. 北京林业大学学报， 2015， 37（1）： 55-61.
　　唐  俊， 邓丽苗， 陈  辉， 等. 基于机器视觉的玉米叶片投射图像特征识别研究[J]. 中国农业科学， 2014， 47（3）： 431-440.
　　苗  腾， 赵春江， 郭新宇， 等. 基于叶绿素相对值的植物叶片颜色模拟方法[J]. 农业机械学报， 2014， 45（8）： 282-287.
　　张彦娥， 李民赞， 张喜杰， 等. 基于计算机视觉技术的温室黄瓜叶片营养信息检测[J]. 农业工程学报， 2005， 21（8）： 102-105.
　　柴阿丽， 李宝聚， 王  倩， 等. 基于计算机视觉技术的番茄叶片叶绿素含量的检测[J]. 园艺学报， 2009， 36（1）： 45-52.
　　程立真， 朱西存， 高璐璐， 等. 基于RGB模型的苹果叶片叶绿素含量估测[J]. 园艺学报， 2017， 44（2）： 381-390.
　　许方宏， 吴晓东， 陈粤超， 等. 雷州半岛前沿恶劣潮间滩涂红树林造林树种的选择[J]. 防护林科技， 2013， 117（6）： 7-9.
　　杨  娟， Gao J， 刘宝林， 等. 雷州半岛红树林边缘效应及其对海岸有机碳库的影响[J]. 海洋学报， 2012， 34（5）： 161-168.
　　李芳兰， 包维楷. 植物叶片形态解剖结构对环境变化的响应与适应[J]. 植物学通报， 2005， 22（增刊）： 118-127.
　　史刚荣， 王旭明， 张  铮. 华中五味子叶片形态结构的可塑性研究[J]. 淮北煤炭师范学院学报， 2006， 27（1）： 44-48.
　　王勋陵， 王  静.植物的形态结果与环境[M]. 兰州： 兰州大学出版社， 1989.
　　王金政， 薛晓敏， 安国宁， 等. 早熟杏新品种‘金凯特’[J]. 园艺学报， 2012， 39（2）： 395-396.
　　李东胜， 史作民， 冯秋红， 等.中国东部南北样带暖温带区栎属树种叶片形态性状对气候条件的响应[J]. 植物生态学报， 2013， 37（9）： 793-802.
　　李卫星， 杨舜博， 何智冲， 等. 植物叶片变化机制研究进展[J]. 园艺学报， 2017， 44（9）： 1811-1824.
　　王方永， 王克如， 李少昆， 等. 利用数码相机和成像光谱仪估测棉花叶片叶绿素和氮素含量[J]. 作物学报， 2010， 36（11）： 1981-1989.
　　Lichtenthaler H K. Chlorophylls and carotenoids： pigments of photosynthetic biomembranes[J]. Methods in Enzymology， 1987， 148（34）： 350-382.
　　Carter G A， Spiering B A. Optical properties of intact leaves for estimating chlorophyll concentration[J]. Journal of Environmental Quality， 2002， 31（5）： 1424-1432.
　　Uddling J， Gelang-Alfredsson J， Piikki K， et al. Evaluating the relationship between leaf chlorophyll concentration and SPAD-502 chlorophyll meter readings[J]. Photosynthesis Research， 2007， 91（1）： 37-46.
　　Cerovic Z G， Masdoumier G， Ghozlen N ? B， et al. A new optical leaf-clip meter for simultaneous non-destructive assessment of leaf chlorophyll and epidermal flavonoids[J]. Physiologia Plantarum， 2012， 146（3）： 251-260.
转载注明来源:https://www.xzbu.com/1/view-15165356.htm