紫叶李叶片花青素含量的测定方法技术

本发明专利技术公开了一种紫叶李叶片花青素含量的测定方法，属于精准农业中作物生长信息无损监测技术领域。该方法采用高光谱辐射仪测定紫叶李叶片的反射光谱数据，室内测定叶片花青素含量，然后将紫叶李叶片反射光谱数据与花青素含量数据相融合，通过相关分析确定花青素的敏感波长，构建基于特征波长的花青素含量光谱监测模型，再采用光谱辐射仪测定待测紫叶李叶片在特征波长的反射光谱数据，将数据代入花青素含量光谱监测模型中，计算得到紫叶李叶片的花青素含量；该方法简单、高效、实用，准确度高，能实现叶片无损检测，适用于不同树龄、不同颜色样品的原位重复测量及大区域监测。

【技术实现步骤摘要】

本专利技术涉及一种，属于精准农业中作物生长信 息无损监测

技术介绍
花青素是水溶性的黄酮类化合物，它是植物叶片色素中第三类主要色素，是一种 具有多重生理功能的植物次生代谢物。通常，花青素的有效积累是由许多环境胁迫引起的， 包括强光、中波紫外线照射、低温、干旱、损伤、细菌及真菌感染、氮和磷的缺乏、某些除草剂 及污染物等，尤其在植物幼小和衰老叶片中含量丰富。花青素能够修复叶片的光环境，具有 潜在地调节光合作用和限制光抑制与光漂白作用的能力，以及对光破坏的防御能力。花青 素可以作为渗透调节物质，提高植物抗冰冻与抗干旱胁迫的能力。此外，花青素还具有抗氧 化作用，有助于修复损伤后的叶片。 传统的花青素含量测定主要采用湿化学法，包括用溶剂提取叶片中花青素，分光 光度计测定花青素在溶剂中的吸光度，将测定的吸光度值转换成花青素含量等步骤。该方 法能够准确测定叶片中花青素的含量，但是存在劳动强度大，测量费时、费力，需要对叶片 进行破坏，不能进行原位重复测量及大区域监测等问题。因此，亟需一种简单、准确、高效、 实用的花青素含量测定方法。已有研究表明，植物色素能够选择性地吸收或反射特定波长 的光，利用光谱吸收或反射检测技术替代破坏性的、费时费力的湿化学法，将有利于植物色 素的快速、无损估测。目前，基于高光谱监测模型的紫叶李叶片花青素测定还未见报道。
技术实现思路
本专利技术的目的是提供一种简单、准确、高效、实用的紫叶李叶片花青素含量测定方 法。 为了实现以上目的，本专利技术所采用的技术方案是： ，步骤如下：采用高光谱辐射仪测定紫叶李叶 片在特征波长的反射光谱数据，将测得的反射光谱数据代入花青素含量光谱监测模型中， 计算得到紫叶李叶片的花青素含量。 所述花青素含量光谱监测模型的建立包括以下步骤： 1)取样与数据采集 采集不同树龄的紫叶李叶片，将颜色均匀一致的多个叶片组成一个叶片样本，分 别测定每一个样本中叶片的花青素含量和反射光谱数据； 2)数据预处理 对于一个叶片样本，先对反射光谱数据重采样至lnm，再分别计算花青素含量和重 采样反射光谱数据的均值，并记为一组样本数据，将得到的多组样本数据按照花青素含量 大小排序，形成一个数据集； 3)确定特征波长 对数据集中的花青素含量和反射光谱数据作相关分析，相关系数最大且双尾检验 达到极显著水平（此时二者之间的相关性最大）； 4)建模与验模 利用花青素含量与特征波长的反射光谱数据拟合公式，得到花青素含量光谱监测 模型，验模，即得。 步骤1)中测定花青素含量可采用本领域常规方法，优选0. lmol/L盐酸甲醇低温 浸提分光光度法，步骤如下：将破碎的紫叶李叶片置于〇. lmol/L盐酸酸化甲醇（每升甲醇 中含有0.1mol HC1)中浸提（如在45°C下浸提2次，每次浸提2h)，浸提完毕离心取上清 液（或合并上清液），分光光度计测定上清液（或上清液定容后溶液）在特定波长处的光 密度值，计算得到紫叶李叶片中花青素含量（特定波长取530nm、620nm、650nm时，计算方法 参见：熊庆娥，叶珍，杨世民，等.植物生理学实验教程.成都：四川科学技术出版 社，2003:94-95)。 步骤1)中测定反射光谱数据可采用高光谱福射仪，如美国Spectra Vista公司生 产的SVC HR-1024i便携式光谱仪，波段值350~2500nm，350~1000 nm波段的光谱分辨率 彡3. 5nm，1000~1850nm波段的光谱分辨率彡9. 5nm，1850~2500nm波段的光谱分辨率 < 6. 5nm〇 步骤2)中多组样本数据优选350~1000 nm波段的反射光谱数据，这是因为花青 素主要对紫外、可见光波段响应，其他波段可不作考虑。 步骤3)中特征波长为560nm。 步骤4)中建模、验模分别采用数据集中2/3、1/3数据进行。 步骤4)中花青素含量与特征波长的反射光谱数据拟合可采用Excel、SPSS等软 件。 步骤4)中采用复相关系数（R2)评价花青素含量光谱监测模型，满足R2> 0. 8时 模型构建合适。同时，采用独立样本检验验证模型的准确性和稳定性，评价指标选用复相关 系数（R2)、均方根误差（RMSE)和预测残差偏差（RPD)，满足R 2> 0. 8、RMSE < 0. 5 ymol/g、 RPD > 2时模型构建成功。 上述评价指标的计算公式如下： 式 1 : 式 2 : 式 3 : 式中：驾为预测值；f为观测值的均值J1为观测值；η为样本数，i为正整数，i = 1，2,…，n ;SDVS验证集的标准偏差；RMSE v为验证集的均方根误差。 优选的，花青素含量光谱监测模型可采用下式I所示模型。 式 I :y = 0· 0189x 1 67S，R2= 0· 823 ; 式中：y :叶片花青素含量，ymol/g ;x :560nm波长处的反射光谱数据； 模型验证的评价指标为：复相关系数R2= 0. 876,均方根误差RMSE = 0. 370 μ mol/ g，预测残差偏差RPD = 2. 542。 本专利技术的有益效果： 本专利技术中简单、高效、实用，准确度高，能实现 叶片无损检测，适用于不同树龄、不同颜色样品的原位重复测量及大区域监测。该方法采 用高光谱辐射仪测定紫叶李叶片的反射光谱数据，室内测定叶片花青素含量，然后将紫叶 李叶片反射光谱数据与花青素含量数据相融合，通过相关分析确定花青素的敏感波长，构 建基于特征波长的花青素含量光谱监测模型（如式I所示，该模型简单，具有良好的稳定 性和适应性，准确性高），再采用光谱辐射仪测定待测紫叶李叶片在特征波长的反射光谱数 据，将数据代入花青素含量光谱监测模型中，计算得到紫叶李叶片的花青素含量，达到监测 的目的。【附图说明】 图1为实施例1中紫叶李叶片花青素含量光谱监测模型的构建流程示意图； 图2为花青素含量预测值与测量值的散点图及拟合曲线。【具体实施方式】 下述实施例仅对本专利技术作进一步详细说明，但不构成对本专利技术的任何限制。 实施例1 本实施例中紫叶李（Prunus cerasifera)叶片花青素含量的测定方法，包括以下 步骤： -、建立紫叶李叶片花青素含量光谱监测模型（流程示意图见图1) 1)取样与数据采集 采集不同树龄的紫叶李叶片，叶片基于可视化特征随机选择，颜色从绿、微红到完 全红，且健康、无损伤，将颜色均匀一致的3个叶片组成一个叶片样本，分别测定每一个样 本中同一个叶片的花青素含量和反射光谱数据； 花青素含量的测定方法为：取紫叶李叶片用水洗净去杂、吸干，剪成2X5mm长条 状碎片，准确称取0. 15g，加入0. lmol/L盐酸酸化甲醇10mL，在45°C下浸提2次，浸提时间 为2h，浸提后在5000r/min下离心当前第1页1 2 本文档来自技高网...

【技术保护点】
紫叶李叶片花青素含量的测定方法，其特征在于：步骤如下：采用高光谱辐射仪测定紫叶李叶片在特征波长的反射光谱数据，将测得的反射光谱数据代入花青素含量光谱监测模型中，计算得到紫叶李叶片的花青素含量；所述花青素含量光谱监测模型的建立包括以下步骤：1)取样与数据采集采集不同树龄的紫叶李叶片，将颜色均匀一致的多个叶片组成一个叶片样本，分别测定每一个样本中叶片的花青素含量和反射光谱数据；2)数据预处理对于一个叶片样本，先对反射光谱数据重采样至1nm，再分别计算花青素含量和重采样反射光谱数据的均值，并记为一组样本数据，将得到的多组样本数据按照花青素含量大小排序，形成一个数据集；3)确定特征波长对数据集中的花青素含量和反射光谱数据作相关分析，相关系数最大且双尾检验达到极显著水平的波长确定为特征波长；4)建模与验模利用花青素含量与特征波长的反射光谱数据拟合公式，得到花青素含量光谱监测模型，验模，即得。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘秀英，熊建利，常庆瑞，宋荣杰，严林，秦占飞，谢飞，
申请(专利权)人：河南科技大学，
类型：发明
国别省市：河南;41