基于圖像處理技術的5種紅樹林葉片形態(tài)特征及葉綠素相對含量的估測

張沛健 尚秀華 吳志華

摘? 要：為研究基于計算機視覺的圖像處理技術獲得的紅樹林葉片形態(tài)特征和葉綠素相對含量，以5種紅樹林為研究對象，分析其葉片形態(tài)特征及建立葉片顏色參數(shù)和葉綠素相對含量的回歸模型，為苗木培育及營養(yǎng)診斷提供理論依據(jù)。結果表明：基于圖像處理技術獲得紅樹林葉片形態(tài)特征值是可信的，5種紅樹林葉片形態(tài)特征（葉面積、葉長、葉寬、葉周長、葉片形態(tài)因子）存在顯著差異。紅海欖和木欖單片葉片最大，其次是秋茄和桐花樹，白骨壤葉片最小，白骨壤葉片形態(tài)接近橢圓形，紅海欖和秋茄2種紅樹葉片屬于長條型，木欖和桐花樹葉片形態(tài)類似，紅海欖葉長和葉寬相關性最強。5種不同種類紅樹林的SPAD值和Dualex值差異性顯著。利用數(shù)碼相機獲取5種紅樹林葉片彩色圖像，通過圖像處理軟件提取RGB以及通過差值、比值、標準化值、歸一化值等運算組合的28種顏色特征值，與葉綠素相對含量（SPAD值、Dualex 值）進行回歸分析，B值與SPAD值極顯著相關，（R+B+G）/3、R/B、G/B與SPAD值顯著相關;18種顏色特征參數(shù)與Dualex值顯著相關，其中相關系數(shù)最大的為G-B和G值。因此，可依據(jù)顏色特征參數(shù)（R、G、B）建立相應的統(tǒng)計模型進行紅樹林葉片葉綠素含量的估測，進而為檢測紅樹林生長、診斷營養(yǎng)狀況以及進行水肥精確管理提供理論依據(jù)和技術支持。

關鍵詞：紅樹林;圖像處理技術;葉片形態(tài)特征;顏色特征參數(shù);葉綠素相對含量

中圖分類號;S758? ? ? 文獻標識碼：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

紅樹林（mangrove）是指生長在熱帶、亞熱帶海岸潮間帶的木本生物群落，紅樹林區(qū)的植物可分為真紅樹植物、半紅樹植物和伴生植物[1]。全世界約有55種紅樹林樹種，中國有38種，包括26種真紅樹，12種半紅樹[2]，主要位于廣東、廣西、海南和福建等省份[3]，一般分布于?？诨蚝恿鞒隹谔幐叱本€和低潮線之間的潮間帶。紅樹林具有重要的生態(tài)服務功能和生態(tài)特征，在保護沿海生物多樣性以及生態(tài)安全方面具有重要作用[4]。

葉片是植物進行生理活動和發(fā)揮生態(tài)功能作用的主要器官，是植物的主要組成部分[5]。植物的表型特性是為適應生存長期進化的表現(xiàn)，環(huán)境變化可導致葉的長度、寬度以及面積發(fā)生變化[6]。葉綠素是植物進行光合作用的重要色素，其含量是表征植物生長狀況的重要指標，其值大小對植物光合效率、營養(yǎng)狀況等具有重要的指示作用[7-9]。因此，研究紅樹林葉片葉綠素含量非常有意義，可對其進行營養(yǎng)診斷。傳統(tǒng)的測定葉綠素的方法為分光光度計法，但需要破損取樣。近年來，市面上流行的手持便攜式葉綠素儀，如SPAD-502 葉綠素含量測定儀[10]，Dualex 4 氮平衡指數(shù)測量儀[11]等，能夠快速便捷的測定葉片葉綠素水平，但又不對葉片造成損壞。

隨著可見光遙感和數(shù)字圖像處理技術的不斷發(fā)展，機器視覺技術和計算機圖像處理技術在作物形態(tài)生理監(jiān)測[12-13]、作物缺素診斷[14-15]等領域得到越來越多的應用。葉片的葉綠素相對含量與葉片表觀顏色具有較高的關聯(lián)性[16]，基于計算機視覺的圖像處理技術更加快捷、便利的特征，近年來已成為植物葉綠素信息獲取的新手段[17-19]。本研究以雷州半島廉江高橋鎮(zhèn)近800 hm2紅樹林的5種優(yōu)勢種真紅樹植物如紅樹科（Rhizopho raceae）木欖（Bruguiera gymnoihiza）、秋茄（Kan delia obovata）、紅海欖（Rhizophora stylosa），馬鞭草科（Verbenaceae）白骨壤（Avicennia marina），紫金?？疲∕yrsinaceae）桐花樹（Aegiceras corniculatum）為研究對象，采用SPAD-502 葉綠素含量測定儀和Dualex 4 氮平衡指數(shù)測量儀2種方式測定葉片葉綠素相對含量，利用數(shù)碼相機獲取葉片顏色特征（RGB值以及比值、差值、標準化值、歸一化值等運算），將兩者進行相關回歸分析，建立紅樹林葉片葉綠素相對含量的估測模型，為快速評估不同種類的紅樹林生長狀況，診斷其營養(yǎng)狀況以及以后的定向培育提供參考。

1? 材料與方法

1.1? ?試驗地概況

試驗地位于湛江市廉江高橋鎮(zhèn)的英羅灣內(nèi)，地理位置為2132～2134N，10945～10946E，屬南亞熱帶季風氣候，年均氣溫22.8～23.4 ℃，年均水溫25～27 ℃，年均降水量1534.6 mm，集中在4—9月[20]。

1.2? 材料

該地紅樹林總面積接近800 hm2，具有明顯的分帶特征，紅樹林多呈灌木狀[21]。于2014年3月選取立地條件一致的5個優(yōu)勢樹種白骨壤（A. marina）、紅海欖（R. stylosa）、木欖（B. gymnorrhiza）、秋茄（K. bvolata）和桐花樹（A. corniculatum）樣方，除桐花樹樣方規(guī)格為5 m×5 m外，其他樹種均為10 m×10 m。采用隨機區(qū)組設計，每個樹種3個重復區(qū)組（樣方），并對每個樹種每個樣方進行每木調(diào)查，依據(jù)每個重復（樣方）內(nèi)林木基徑大小隨機選擇5株樣木為試材，共75株作為實驗材料，分別在樹冠中部位置選擇樹枝第3葉序后展開的健康成熟葉，每株采取10片健康無損的葉片進行試驗分析。各樹種信息及生長條件見表1。

1.3? 指標測定

1.3.1? 葉片圖像顏色特征參數(shù)的提取及形態(tài)特征測定? 當天采集5個樹種新鮮成熟展開的葉片，進行平鋪獲得葉片彩色圖像信息，采用愛普生 V600以默認參數(shù)和分辨率300 dpi掃描采集圖像，并以Image J軟件分析包分析獲得葉片顏色特征的R值、G值、B值以及葉片形態(tài)特征（葉面積、葉長、葉寬、葉周長、葉片形態(tài)因子），各葉片測定不少于3次，取平均值。用葉面積儀測定5種紅樹林葉片的葉面積，并和掃描圖像獲得的葉面積進行差異比較，差異計算公式為：（葉面積儀獲得的葉面積?圖像計算得到的葉面積）×100%/葉面積儀獲得的葉面積。

1.3.2? 葉片葉綠素相對含量的測定? 采用SPAD- 502 葉綠素含量測定儀（Konica-Minolta，Tokyo，日本）測量SPAD值，每個樹種選取15株樹，每株樹采取10片葉片進行測定，各葉片至少測量 3次（避開葉脈），然后取其平均值作為該樹種的葉片葉綠素值（SPAD值）;采用 Dualex 4 氮平衡指數(shù)測量儀（Force-A，Orsay，法國）進行Dualex 4數(shù)據(jù)的采集，即葉綠素吸收率（chlorophyll， Chl），記為Dualex值，測定方法同SPAD值測定。

1.4? 數(shù)據(jù)處理

運用Excel軟件進行數(shù)據(jù)統(tǒng)計，采用SPSS 24.0軟件進行方差分析、回歸分析等數(shù)據(jù)處理。

2? 結果與分析

2.1? 葉片形態(tài)特征

2.1.2? 葉面積儀與Image J圖像獲取的葉面積差異比較? 由表2可知，由葉面積儀測定的紅樹林葉面積通過圖像計算得到的葉面積差異較小，差值最大不超過±10%，其中差異最大的是白骨壤，其次是木欖，其余3種紅樹林紅海欖、秋茄和桐花樹差異低于±5%，所以由圖像獲得的葉片葉面積值是可信的，由此可推測由圖像獲得的紅樹林葉片形態(tài)特征值是可信的。

2.1.2? 5種紅樹林葉片形態(tài)特征比較? 5種紅樹林的葉片形態(tài)特征見圖1。單從葉片形態(tài)觀察可知，紅海欖和木欖葉片較大，秋茄葉片次之，桐花樹葉片小于秋茄，白骨壤葉片最小，其中白骨壤葉片偏向橢圓形，其余葉片形態(tài)屬于細長型。

由掃描圖像獲得的葉片的形態(tài)特征見表3，5種紅樹林葉片葉面積、最長葉長、最長葉寬、葉周長、葉片形態(tài)因子存在顯著差異。其中紅海欖和木欖單片葉片最大，葉面積平均值分別為46.7.02、45.477 cm2，變異系數(shù)分別是25.56%和28.37%，其次是秋茄和桐花樹，葉面積平均值分別為27.460、18.575 cm2，變異系數(shù)分別是23.74%和28.80%，白骨壤葉片最小，葉面積僅為8.515 cm2，變異系數(shù)為36.76%，說明白骨壤葉面積雖小，但種內(nèi)變異豐富。白骨壤葉長變幅范圍為3.10～7.10 cm，葉寬變幅范圍為1.70～4.60 cm，紅海欖葉長位于10.20～18.80 cm之間，葉寬在2.10～7.10 cm之間，木欖葉長和葉寬分別位于9.50～21.70 cm、2.20～8.00 cm之間，秋茄葉長、葉寬變異范圍分別為7.90～14.40、2.30～4.90 cm，桐花樹葉長和葉寬變幅范圍分別為4.90～11.30、2.20～5.30 cm。葉片周長從大到小排列為：紅海欖>木欖>秋茄>桐花樹>白骨壤?？梢钥闯黾t海欖和木欖葉片大小、形狀相似，葉片較大，其次是秋茄，葉片大小為中等水平，白骨壤葉片最小。圖像的形狀因子是1個目標圖像特征的數(shù)學描述，根據(jù)統(tǒng)計某一類特定的形狀因子的值的范圍可以有效的確定出目標圖像的特征。本研究以圓形標準化情況下面積與周長的比率，被測對象越接近圓形該值越接近1，從各種紅樹林葉片形態(tài)因子值可以看出，白骨壤葉片形態(tài)比較接近橢圓形，紅海欖和秋茄形態(tài)因子值最小，說明這2種紅樹葉片屬于長條型，木欖和桐花樹葉片形態(tài)類似（形態(tài)因子分別為0.26和0.27），和圖1顯示的葉片形態(tài)類似。

2.1.3? 葉長和葉寬的關系? 由表4所知，不同種類紅樹林葉片長度和寬度有一定的相關性，白骨壤、紅海欖、木欖和桐花樹葉長和葉寬相關性極顯著（P≤0.01），秋茄葉長和葉寬相關性顯著（P≤0.05）。葉長和葉寬相關系數(shù)為0.565～0.874，其中紅海欖、桐花樹葉長和葉寬相關系數(shù)最高（r=0.874， r=0.785），其次是木欖（r=0.621），相關系數(shù)最低的是秋茄（r=0.570）和白骨壤（r=0.565）。

2.2? 葉片葉綠素含量及顏色特征參數(shù)

2.2.1? 葉片葉綠素含量分析? 葉綠素含量是體現(xiàn)植物生長狀況的重要指標，本研究采用的2種無損測定方法，即SPAD-502葉綠素含量測定儀測量SPAD值以及用Dualex 4氮平衡指數(shù)測量儀測定的Dualex值，結果如表5所示，5種不同種類紅樹林的SPAD值和Dualex值差異性顯著。其中SPAD值

從小到大排列為：秋茄（70.05）>紅海欖（65.54）>木欖（62.54）>白骨壤（51.85）>桐花樹（48.96），變異系數(shù)為4.75%～10.50%，說明紅樹林各個種類株間變異較小。Dualex值從大到小排列為：紅海欖（47.00）>秋茄（44.41）>白骨壤（44.05）>木欖（37.29）>桐花樹（32.91），變異系數(shù)為11.51%～ 19.26%，其中桐花樹和白骨壤2個樹種間株內(nèi)存在著豐富的遺傳變異，可進行遺傳改良材料的選擇。

2.2.2? 葉片顏色特征分析? 由圖2所示，在5個樹種中3個葉片顏色特征值來比較，均發(fā)現(xiàn)以G值最大，而以B值最小，樹種中發(fā)現(xiàn)木欖R值和G值最大，紅海欖R值和G值最小，白骨壤B值最大，秋茄B值最小。白骨壤、紅海欖和桐花樹葉片顏色指標變異系數(shù)普遍較小，說明在同一生長環(huán)境下的紅樹林在葉綠素含量和吸收營養(yǎng)成分方面大體一致。秋茄和木欖變異系數(shù)值較大，說明這2種紅樹林在葉綠素和吸收營養(yǎng)成分方面存在較為豐富的變異。

2.3? 顏色參數(shù)與葉綠素含量相關性分析

R值、G值和B值分別表示在RGB色彩空間中彩色圖像紅、綠、藍 3 種基本顏色的亮度值，通過改變3基色的相對數(shù)量，可混合出其他的各種顏色，參照程立真等[19]將紅樹林葉片R、B、G組合（如差值、比值、標準化值、歸一化值等運算）共得到28種顏色參數(shù)，分別與SPAD值和Dualex值進行相關性分析，并建立回歸線性模型。其中SPAD值和Dualex值可估算紅樹林葉綠素含量。由表6所示，顏色參數(shù)B值與SPAD值呈極顯著負相關（r=?0.452），顏色參數(shù)（R+B+G）/3、R/B和G/B與SPAD值呈顯著相關（r=?0.278、r=0.241和r=0.236），其余24種顏色與SPAD值相關性不顯著，其中（G?R）/（R+B+G）、G/R、R/G和（G?R）/（G+R）與SPAD值相關性弱，r均小于0.05。28種顏色參數(shù)中絕大部分參數(shù)與Dualex值呈顯著相關（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）與Dualex值相關性不顯著外，其余18種顏色參數(shù)均與Dualex值相關性達到顯著水平，其中相關系數(shù)最大的2參數(shù)分別為G?R和G（r= 0.555和r=0.536）。顏色差值參數(shù)（G?B、G?R和R?B）與Dualex值相關性極顯著（r≥±0.352）;在顏色比值參數(shù)中，B/R和B/G的相關性極顯著（P<0.01），其余4個顏色參數(shù)與Dualex值相關性不顯著;在標準化顏色參數(shù)中，G/（R+B+ G）和B/（R+B+G）與Dualex值相關性極顯著;在歸一化顏色參數(shù)中，（G?B）/（G+B）、（G?B）/（R+ B+G）和（G+B?R）/2G與Dualex值相關系數(shù)絕對值較高，相關系數(shù)分別為r=?0.306、?0.333、0.327。28個顏色特征參數(shù)與葉綠素SPAD 值和Dualex值進行回歸分析得到的回歸方程達到極顯著水平（P<0.01）的顏色特征參數(shù)可以估算SPAD值和Dualex值，所以可將顏色特征參數(shù)中模型精度較高的B值估算SPAD值，模型精度較高的R值、G值、G?R、G?B和（R+B+G）/3估算Dualex值。

3? 討論

葉片的主要作用是植物進行光合作用和蒸騰作用，在植物進化過程中對環(huán)境變化比較敏感，且是具有可塑性較大的器官[22]。環(huán)境變化常常導致植物葉片的長、寬、面積等指標發(fā)生變化，葉片的可塑性是植物為適應生存環(huán)境在時空上的異質性的重要機制[23]，最能體現(xiàn)環(huán)境因子對植物的影響以及植物對環(huán)境的適應性[24-26]。通過葉面積儀測定的葉面積和通過掃描圖像獲得的葉片葉面積差異比較發(fā)現(xiàn)兩者差異較小，所以以后的工作中可采用圖像掃描方法獲取紅樹林的葉片形態(tài)特征。通過比較5種紅樹林葉片形態(tài)特征發(fā)現(xiàn)，白骨壤、紅海欖、木欖、秋茄和桐花樹林葉片形態(tài)特征指標間存在著顯著差異，不同種類紅樹林葉片形態(tài)差異較大，其中木欖和紅海欖葉片較大，其面積是白骨壤葉片面積的5倍。從葉片形態(tài)因子指標看，白骨壤最接近圓形，紅海欖和秋茄更接近長條形，可推斷不同種類的紅樹林葉片形態(tài)不同與紅樹林長期進化有關，為適應不同的氣候而進化成不同的形狀。本研究對不同種類紅樹葉片形態(tài)特征進行分析，可進一步為紅樹林形態(tài)學描述及分類提供依據(jù)。

植物葉片的顏色與葉綠素含量有著密不可分的關系，即植物葉片顏色的變化是由植物體內(nèi)葉綠素以及其他色素含量變化引起的[17]，植物葉片的葉綠素含量與其光合速率、營養(yǎng)狀況有著密切的關系，人們常將葉色變化看作植物診斷及水肥管理的重要指標[27]。在不破壞樣本的前提下，基于數(shù)碼相機獲取紅樹林葉片顏色值，RGB 顏色模型中的 R、G、B 值為葉片反射的紅、綠、藍可見光的顏色參數(shù)，利用不同的顏色模型量化數(shù)字圖像的顏色信息，可快速、無損的估測植物葉綠素含量[19]。本研究結果顯示，B值（藍值）SPAD值相關性極顯著，這與程立真等[19]和王克如等[13]用機器視覺獲取的蘋果和棉花葉片的葉綠素含量B值與SPAD值極顯著相關的研究結果一致。同時，本研究發(fā)現(xiàn)在RGB三原色中，葉片顏色參數(shù)與SPAD值具有相關性的參數(shù)中均有B值參與，程立真等[19]研究也發(fā)現(xiàn)，蘋果葉片葉綠素含量敏感的葉色參數(shù)為B、B/R、B/G、G/（R + G + B）等9個顏色參數(shù)，這9個敏感參數(shù)中均包含參數(shù)B，說明用顏色參數(shù)B值估測葉綠素相對含量具有一定的普適性和可靠性。本研究發(fā)現(xiàn)，28種顏色特征參數(shù)與Dualex值相關性最好的3個顏色參數(shù)為G?R、G、（R+B+G）/3和R值，其中G?B參數(shù)在其他植物中被認為是基于機器視覺的葉綠素相對含量的估測的最佳參數(shù)，如柴阿麗等[18]基于計算機視覺技術的番茄葉片葉綠素含量的檢測中發(fā)現(xiàn)，顏色參數(shù)G-R為番茄葉綠素含量的最佳預測指標。王方永等[28]研究也認為，顏色特征參數(shù)G?R是獲取棉花葉片葉綠素含量的群體綠色指數(shù)的最佳參數(shù)，因此，G?B顏色參數(shù)可估測紅樹林葉綠素相對含量，但這一研究結論能否推廣應用還有待于進行進一步的研究。

SPAD-502測定葉片葉綠素吸收率是基于2種近紅外光（650、940 nm）直接照射葉片，根據(jù)檢測器分別監(jiān)測到的透射率比較計算得到葉片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）與葉片葉綠素含量的相關性最好。已有研究表明，兩者測定葉綠素含量在精度存在著差異[31-32]，這可能是本研究中5種紅樹林樹種葉片葉綠素含量存在著差異的原因。

本研究基于數(shù)碼相機獲取紅樹林葉片形態(tài)特征值是可信的，其顏色特征參數(shù)，在RGB三原色基礎上基于28種顏色模型利用顏色特征參數(shù)建立了數(shù)個可行的葉綠素含量預測模型，該研究還有待于以后的實驗驗證，從側面說明利用低成本的數(shù)碼相機即可估測紅樹林營養(yǎng)狀況，可對紅樹林進行精確的定向精確管理提供一定的參考。

參考文獻

林? 鵬， 傅? 勤. 中國紅樹林環(huán)境生態(tài)及經(jīng)濟利用[M]. 北京： 高等教育出版社， 1995： 1-95.

廖寶文， 張喬民. 中國紅樹林的分布、面積和樹種組成[J]. 濕地科學， 2014， 12（4）： 435-440.

張喬民， 張葉春. 華南紅樹林海岸生物地貌過程研究[J]. 第四紀研究， 1997（4）： 344-353.

于凌云， 林紳輝， 焦學堯， 等. 粵港澳大灣區(qū)紅樹林濕地面臨的生態(tài)問題與保護對策[J]. 北京大學學報（自然科學版）， 2019， 55（4）： 782-790.

孫? 梅， 田? 昆， 張? 贇， 等. 植物葉片功能性狀及其環(huán)境適應研究[J]. 植物科學學報， 2017， 35（6）： 940-949.

彭耀強， 薛? 立， 潘? 瀾， 等. 3種闊葉幼苗葉片形態(tài)特征的季節(jié)變化[J]. 中國農(nóng)學通報， 2011， 27（13）： 31-36.

潘瑞熾. 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.

張金恒， 王? 珂， 王人潮. 高光譜評價植被葉綠素含量的研究進展[J]. 上海交通大學學報（農(nóng)業(yè)科學版）， 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， 鄧勁松， 陸? 超， 等. 基于光譜和形狀特征的水稻掃描葉片氮素營養(yǎng)診斷[J]. 農(nóng)業(yè)機械學報， 2012， 43（8）： 170-174， 159

王克如， 李少昆， 王崇桃， 等. 用機器視覺技術獲取棉花葉片葉綠素濃度[J]. 作物學報， 2006， 32（1）： 34-40.

王麗君， 淮永建， 彭月橙. 基于葉片圖像多特征融合的觀葉植物種類識別[J]. 北京林業(yè)大學學報， 2015， 37（1）： 55-61.

唐? 俊， 鄧麗苗， 陳? 輝， 等. 基于機器視覺的玉米葉片投射圖像特征識別研究[J]. 中國農(nóng)業(yè)科學， 2014， 47（3）： 431-440.

苗? 騰， 趙春江， 郭新宇， 等. 基于葉綠素相對值的植物葉片顏色模擬方法[J]. 農(nóng)業(yè)機械學報， 2014， 45（8）： 282-287.

張彥娥， 李民贊， 張喜杰， 等. 基于計算機視覺技術的溫室黃瓜葉片營養(yǎng)信息檢測[J]. 農(nóng)業(yè)工程學報， 2005， 21（8）： 102-105.

柴阿麗， 李寶聚， 王? 倩， 等. 基于計算機視覺技術的番茄葉片葉綠素含量的檢測[J]. 園藝學報， 2009， 36（1）： 45-52.

程立真， 朱西存， 高璐璐， 等. 基于RGB模型的蘋果葉片葉綠素含量估測[J]. 園藝學報， 2017， 44（2）： 381-390.

許方宏， 吳曉東， 陳粵超， 等. 雷州半島前沿惡劣潮間灘涂紅樹林造林樹種的選擇[J]. 防護林科技， 2013， 117（6）： 7-9.

楊? 娟， Gao J， 劉寶林， 等. 雷州半島紅樹林邊緣效應及其對海岸有機碳庫的影響[J]. 海洋學報， 2012， 34（5）： 161-168.

李芳蘭， 包維楷. 植物葉片形態(tài)解剖結構對環(huán)境變化的響應與適應[J]. 植物學通報， 2005， 22（增刊）： 118-127.

史剛榮， 王旭明， 張? 錚. 華中五味子葉片形態(tài)結構的可塑性研究[J]. 淮北煤炭師范學院學報， 2006， 27（1）： 44-48.

王勛陵， 王? 靜.植物的形態(tài)結果與環(huán)境[M]. 蘭州： 蘭州大學出版社， 1989.

王金政， 薛曉敏， 安國寧， 等. 早熟杏新品種‘金凱特[J]. 園藝學報， 2012， 39（2）： 395-396.

李東勝， 史作民， 馮秋紅， 等.中國東部南北樣帶暖溫帶區(qū)櫟屬樹種葉片形態(tài)性狀對氣候條件的響應[J]. 植物生態(tài)學報， 2013， 37（9）： 793-802.

李衛(wèi)星， 楊舜博， 何智沖， 等. 植物葉片變化機制研究進展[J]. 園藝學報， 2017， 44（9）： 1811-1824.

王方永， 王克如， 李少昆， 等. 利用數(shù)碼相機和成像光譜儀估測棉花葉片葉綠素和氮素含量[J]. 作物學報， 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.