Ver discusiones, estadísticas y perfiles de autor de esta publicación en: https://www.researchgate.

net/publication/236856154

La clorofila Contenido Estimación usando la técnica de procesamiento de imágenes

Artículo    en    Mundial de Ciencias Aplicadas de enero de 2013 Diario ·

CITACIONES LEE

2 992

3 autores:

Mahmoodi-Eshkaftaki Javad Khazaei

Universidad Jahrom Universidad de Teherán

41 PUBLICACIONES     44 CITACIONES     116 PUBLICACIONES     708 CITACIONES    

VER EL PERFIL VER EL PERFIL

kourosh Vahdati

Universidad de Teherán

131 PUBLICACIONES     747 CITACIONES    

VER EL PERFIL

Algunos de los autores de esta publicación también están trabajando en estos proyectos relacionados:

embriogénesis somática a partir de nogal Ver Proyecto

las relaciones de agua y las características anatómicas de tejido cultivado hojas de nogal Ver proyecto Mahmood

Todo el contenido de esta página siguiente fue subido por kourosh Vahdati el 24 de febrero de 2014.

El usuario ha solicitado la mejora del archivo descargado.

WASJ
WASJ
WASJ
WASJ

La clorofila Contenido Estimación usando la técnica de procesamiento de imágenes

Mahmood Mahmoodi, Javad Khazaei, Kourosh Vahdati,

Narjes Mohamadi y Zeinab Javanmardi

Departamento de Ingeniería Técnica Agrícola de la Facultad de Abooraihan,

Universidad de Teherán, Teherán, Irán, PO Box: Departamento de Ciencias
Hortícolas 11365/4117, Colegio de Abooraihan,
Universidad de Teherán, Teherán, Irán
Departamento de Agronomía y Cultivos Crianza, Colegio de Abooraihan,
Universidad de Teherán, Teherán, Irán

Resumen: Uno de los principales componentes de la célula de la planta es la clorofila y su contenido juega un papel importante en funciones de la planta. En

esta investigación la clorofila ( CHL de aquí en adelante) contenido de hojas de cinco variedades de nogal se midió utilizando métodos SPAD y químicas.

Entonces el CHL valores de contenido se compararon con características de color de las hojas para determinar la correlación entre CHL contenido y

características de color de la hoja. Para determinar las funciones de color, se utilizó la técnica de procesamiento de imágenes y los componentes de color de

rojo (R), verde (G) y azul (B) en RGB espacio y el matiz (H), la saturación (S) y la intensidad (I) en HSI Se determinó el espacio. En la compresión de la

CHL Contenido con características de color en RGB espacio, no había una fuerte correlación entre CHL contentarse con componentes rojo, verde y azul. Por lo
tanto, el análisis se llevó a cabo utilizando los datos combinados tales como, ( RB) / (R + B)

función. la medida CHL contenido también se compararon con los componentes de tono, saturación e intensidad y las correlaciones fueron
más resaltados. Los análisis mostraron que no hubo coeficientes de correlación de -0,78 y 0,87 entre ( RB) / (R + B) y Tono CHL contenido,
respectivamente, y matiz componente de color tenía el coeficiente de correlación más con CHL contenido entre los análisis.

palabras clave: Método químico% clorofila% de contenido de imagen de procesamiento% Modelado% de la nuez

Nomenclatura:

R rojo H Matiz VIRGINIA OCCIDENTAL variedad de nogal

sol Verde S Saturación CHL Clorofila

segundo Azul yo Intensidad LW peso de las hojas

WL hojas de nogal

INTRODUCCIÓN la CHL contenido de los tejidos vegetales a ser determinado para tales

sobre la fotosíntesis [1]. La clorofila, tanto

Durante el último medio siglo, bioquímico planta estudiada chla y CHLB, Los pigmentos son prácticamente esenciales para el

los efectos de diferentes regímenes de luz, nutrientes y otros conversión de energía de la luz para almacenar energía química. los

las condiciones de crecimiento en la eficiencia de diversos cantidad de radiación solar absorbida por una hoja en gran parte
índices fotosintéticas incluyendo evolución O, CO
2 2 depende del contenido de pigmento fotosintético;
fijación, o la biosíntesis de carbohidratos. Porque por lo tanto, CHL contenido puede determinar indirectamente la

papel fundamental de la clorofila ( CHL) en la fotosíntesis, producción potencial y primaria fotosintética [2-4].
la tasa de estos índices se presenta a menudo por unidad de En cuanto al hecho de que el color de las hojas puede indicar la cantidad de

CHL expresada en términos de masa o molares; que sea inevitable CHL en hojas y el CHL contenido en las hojas es de cerca los estudios

Autor correspondiente: Mahmood Mahmoodi, Departamento de Ingeniería Técnica Agrícola de la Facultad de Abooraihan,
Universidad de Teherán, Teherán, Irán, PO Box: 11365/4117. Tel: +989128314857 Fax:
+982913025200 E-mail: m.mahmoodi5@gmail.com.
1
 WASJ
relacionadas con la planta estado de nutrientes [5], como representante de
CHL contenido de la planta, simplemente se puede utilizar como un índice para estimar el
estado de nutrientes.
Varias funciones de componentes de color (por
comparaciones) y CHL metros (que dan una arbitraria
valor) se han desarrollado para estimar CHL contenido
[3, 6, 7]. Haboudane et al., [ 6] han encontrado correlaciones entre
CHL contenido y la reflectancia del dosel en particular en el
región espectral de verde (550 nm) a borde rojo (750 nm)
mientras que el mismo se encontró correlación por Kim et al. en
la diferente región espectral, que van de la luz visible [8].
Las técnicas de procesamiento de imágenes han sido recientemente
utilizado para los estudios de teledetección relativas agraria
seguimiento de proyectos. Es precisamente a causa de, con mucho, más fácil
adquisición de imágenes y la facilidad de estar disponible como
base de datos en tiempo real que el procesamiento de imágenes ha sido el método. captado la
atención de los investigadores como estrategia alternativa. En este punto de vista, el procesamiento de
imágenes ha sido
usado intensivamente desde el primer momento de la introducción.
Spomer et al. se describe un práctico, micro-computarizado
método de análisis de imágenes para cuantificar la hoja CHL contenido
una imagen de vídeo en blanco y negro de [9]. Everitt et al.
presentada el estado y el desarrollo de dicha suspensión en el aire
sistemas de imágenes de vídeo para la gestión de recursos, con
especial énfasis en su aplicación en la agricultura [10].
Anatoly et al. Se han encontrado algunas relaciones entre la hoja
CHL contenido y la reflectancia espectral y algoritmos para
no destructiva CHL evaluación en las hojas superiores de plantas [11]. Gao
estima del dosel CHL con hiper-espectral
teledetección [12].
Como se reaserched por Kawashima y Nakati [13]
y Mahmoodi et al. [ 14], los componentes de color de
RGB el espacio se relaciona con casi CHL el contenido de las hojas,
Se ha mantenido por ver si los componentes de color de HSI el espacio
son índice apropiado para la determinación
CHL el contenido de hojas de nogal ( WL) [ 13, 8]. La saturación de color
e Intensidad ( HSI) espacio se establece según
percepción humana del color que normalmente se limita a
luz visible. Los componentes H e I son generalmente relacionada
a la longitud de onda y la amplitud de una luz,
respectivamente. El último pero no menos importante, S es un componente
que mide la “vistosidad” en el HSI espacio [15].
En esta investigación, algunos algoritmos han sido
desarrollado para determinar la correlación entre CHL
características de contenido y el color de la WL y buscado
si los componentes de color de HSI espacio son apropiadas
índice para determinar CHL contenido de WL. Nosotros también
método químico en comparación con el método de SPAD a
determinar la exactitud método SPAD.
2
MATERIALES Y MÉTODOS
Materiales vegetales: Las muestras de hojas fueron tomadas en
Octubre 1 hasta diciembre 5, 2008 a partir de un número de nuez
cultivares en Seed y el Instituto Improvement Plant (SPII),
karaj, Corrí. cuatro comercial cultivares, 'Lara',
'Franquette', 'Hartley' y 'Pedro' y un nativo prometedor
'K' variedad se tomaron
72 muestras (Figura 1). el muestreado
hojas estaban bajo el estrés que afecta CHL contenido.
A partir de cada cultivar, se eligieron las 30 muestras de hojas. los
los experimentos se realizaron en tres pasos. En primer lugar, como se
una prueba no destructiva, las hojas fueron estudiados en tres
diferentes puntos de cada muestra utilizando el método de SPAD en el
campo. A continuación, las imágenes fueron tomadas en el laboratorio y
Finalmente, el CHL extraído de las hojas utilizando química
SPAD Método: El contenido de clorofila por unidad de área de cada
la hoja se midió en el campo con una CHL metro
(SPAD-502; Minolta, Tokio, Japón). El SPAD-502
medidas de la CHL contenido en el campo como una forma rápida, compacta
y fácil. Tenía una limitación de medición de 2 x 3 mm con el
precisión de ± 1,0 unidades SPAD. El principio de medición
Para el CHL metro era transmitancia a 650 nm (rojo) y
940 nm (infrarrojo cercano) longitudes de onda utilizado en 'la ecuación (1)':
IR 1IR/
SPAD K= Iniciar sesión[
0
]/ (1)
RR
1 0
SPAD : CHL contenido ( SPAD) valor
K : constante
IR 1y R: Transmitancia
1 de NIR (940 nm) y roja (650
nm), respectivamente
IR y0 R: potencia
0 incidente de NIR y rojo, respectivamente
SPAD valores se relacionan linealmente con la hoja CHL contenido.
El punto débil es que el coeficiente constante en el
ecuación ( K) debe ser corregida para especies de plantas y
individual SPAD metro [16]. Por lo tanto, para determinar la
CHL contenido con el medidor SPAD-502, una calibración
en contra CHL contenido determinó con análisis químico
fue requerido.
Método de procesamiento de imagen
Adquisición de imágen: Las hojas que eran quirúrgicamente
retirado de las plantas se colocaron plana en la caja de luz
y fotografiado (Figura 2). La colocación orientación
de las hojas en la caja de luz fue al azar. Un color digital
cámara (Modelo Canon G7, Japón) con una resolución de
480 × 640 píxeles se utilizó para grabar imágenes. La Cámara
situado verticalmente sobre la caja de luz a una distancia de 30 cm.
 WASJ

Fig. 1: Imágenes tomadas de las hojas de las variedades de nogal incluyendo 'Lara' (a), 'Franquette' (b), 'Hartley' (c), 'Pedro' (d),
'K' (e)
72 (la cámara).

Fig. 2: Representación esquemática de la caja de luz con la luz ajustable y la distancia cambiante.

Las imágenes fueron tomadas en un tejido de color negro, que puede Segmentación de imagen: segmentación de imágenes - subdividiendo

restarse fácilmente por las rutinas estándar de segmentación una imagen en diferentes partes u objetos - se usó como
debido al contraste de color entre el fondo y el primer paso en el análisis de imágenes. Las imágenes eran
muestras. subdividido hasta la los objetos pueden ser interesados

3
 WASJ

distinguirse de sus antecedentes. en la segmentación Cla = ( 13.7 × UNA 663,6) - (2,85 x UNA 646,6) (5)
algoritmos, la umbralización, región de cultivo, región de división y
luego se analizaron merging. Acta de umbral era una parte importante CHLB = ( 22.39 × UNA 646,6) - (5,42 x UNA 663,6) (6)
en la imagen

segmentación. El valor de umbral se presentó como constante Chl (una + b) = ( 8.29 × UNA 663,6) + (19,54 x UNA 646,6) (7)
valor para la mismo ambiental
condiciones. En esta investigación el umbral se calcula usando una máscara que RESULTADOS

se determinó mediante el uso de la matriz de covarianza de una parte de las

imágenes de las hojas. SPAD Método: La media de CHL contenido medido utilizando el método de

En este trabajo, los componentes de color de rojo ( R), SPAD registrado como 36,82, 29,40, 38,27, 41,22 y

verde ( SOL) y azul ( SEGUNDO) en RGB el espacio se determina a partir de 13,96 SPAD de 'Lara', 'Pedro', 'Hartley', 'Franquette' y 'K',

imágenes de cada hoja. Luego, durante el análisis de color, el HSI espacio respectivamente
72 (Figura 3). El mínimo CHL contenido

calculado utilizando la RGB registran para 'K' y osciló

72 entre 5,4 y 22,1

espacio [17]. espacios- de color RGB y HSI - puede ser transformado de uno SPAD. La de 'Franquette' era máxima y varió entre 25,7 y 49 SPAD.

a otro fácilmente como se ilustra en las ecuaciones (2) - (4) '.

Método químico: El total CHL contenidos determinados por el análisis

1( químico se registraron como 0,24, 0,21, 0,23, 0,27 y 0,12 [(mg Chl) / ( gramo
yo = RGB
+ + ) (2)
3 LW)] de 'Lara', 'Pedro', 'Hartley', 'Franquette' y 'K', respectivamente (Tabla
1). Cuando 72

3 teniendo en cuenta diferentes CHL s por separado, el chla estuvo entre 0,12 y
S = 1 - [Min (, RGB , )] (3)
( RGB
+ + ) 0,15, 0,11 hasta 0,13, 0,13 a 0,16, 0,12 a 0,18 y
0,055 a 0,08 [(mg Chl) / ( gramo LW)] de 'Lara', 'Pedro', 'Hartley,
[( RGRB
- ) (+ - )] / 2 'Franquette' y 'K', 72 respectivamente.
H = arccos { } (4)
2 1/2 valores correspondientes de CHLB varió desde 0,09 hasta 0,013,
[( RG- )( + RBGB
- )( - )]
0,07-0,11, 0,06-0,14, 0,09 a 0,14 y 0,045-,06 [(mg Chl) / ( gramo LW)]. El
total CHL contenido de 'K' fue el 72
Extracción de características: Se desarrollaron los algoritmos para determinar las
más baja entre las variedades y varió 0,10-0,14 [(mg Chl) / ( gramo LW)].
características de color mediante el uso de software MATLAB 7.2. Finalmente, los
Por otra parte, el total
métodos para determinar las correlaciones entre CHL Se examinaron las características
CHL contenido de 'Franquette' osciló 0,24-0,33 [(mg Chl) / ( gramo LW)] y
de color y el contenido de las hojas.
mostró el valor más alto de
CHL contenido entre las variedades.

Método químico: Después de examen de las muestras por los dos

métodos no destructivos, métodos SPAD y el procesamiento de
imágenes, se adoptó el análisis químico de las muestras consideradas
como un método destructivo para medir
la CHL contenido de hojas en el
variedades de nogal antes mencionados ( WVS) según las ecuaciones
Arnon [18]. La extracción se ejecuta a partir de 9 cm de cada hoja que
2
se cortó con tijeras y
homogeneizó en 80% de acetona. Después de la centrifugación, se recogieron
los sobrenadantes en una prueba tubo y
después el residuo se extrajo de nuevo con 80% de acetona para
asegurar la extracción completa. El volumen final de cada prueba
tubo alcanzó a 25 ml por
la adición de 80% de acetona. La absorbancia del extracto en
663,6 y 646,6 nm se registró en una celda de 300 microlitros de
espectrofotómetro. La concentración de Chla, CHLB Fig. 3: CHL el contenido de cinco variedades de nueces, 'Lara',
y Chl (a + b) se determinaron usando empíricos 'ecuaciones (5) - (7)' 'Pedro', 'Hartley', 'Franquette', 'K', utilizando72SPAD
[18]. método.

4
 WASJ

0.3
Cuando los métodos para determinar la correlación entre la
y = 0,0054 x + R 0.046 2 = 0.9957 CHL contenido y R, G y segundo componentes de imágenes de hojas se
0.25
La clorofila de las hojas de contenido

comparan, no hubo correlaciones significativas entre estos componentes y CHL

0.2
(Mg Chl / LW gr)

contenido entre las variedades (Tabla 3). Por lo tanto, el análisis se realizó
0.15
en los datos combinados de diferentes valores de componentes de color.
0.1
Varias funciones se derivaron de la R, G y segundo
0.05

0 valores (expuestas en la segunda columna de la Tabla 3). La función ( RG)

0 10 20 30 40 50 comprende, por ejemplo, la diferencia entre el R y sol componentes y ( RG)
La clorofila de las hojas de contenido (SPAD) / (R + G)
Fig. 4: Correlación entre CHL la estimación de contenido utilizando representa la diferencia normalizada por la suma de la
métodos químicos y SPAD para cinco nuez componentes. Los valores de RB y GB fueron la
variedades. valores corregidos de R y sol mediante el uso segundo como un valor base.

Como esta operación reducido el ruido sesgo de R y G, RB

Para calibrar el CHL metros (SPAD), el medido y GB fueron más correlacionado con CHL que la de R y
CHL Se utilizó el contenido con el método químico. los SOL. Los coeficientes de correlación entre los valores de estos
regresión entre los datos obtenidos de los análisis químicos y funciones CHL contenido de cada variedad son también
y los valores SPAD del total WVS mostró una lineal calculado (Tabla 3). En RGB espacio, RB mostró la
2
relación con (R = 0,996) y el valor de correlación fue más altos coeficientes de correlación cambiantes de -0,33 a -
superior a 0,99 (Figura 4). Se ilustra que la CHL 0,68 y mostró el resultado más apropiado en algunos
el contenido de 'K'
72 era el 'Franquette' más bajo y fue el variedad, mientras que no funciona tan bien cuando los datos
más alto entre las variedades. recogido para todas las variedades se analizaron juntos. los
relación entre RB en contra CHL contenido de general
Procesamiento de imágenes: Los valores medios de color de variedades se superponen como 'la figura 5'. La correlación
(componentes RGB) en la forma de números digitales oscilado cociente entre RB y CHL El contenido era -0.75.
de 0 a 256. Las distribuciones de componentes de color de cada Ganar el ruido apareció como un desplazamiento lineal respecto CHL

variedad se considera y se concluyó que la contenido. La cámara no pudo reducir el ruido de ganancia
mediana de segundo componente se desvió considerablemente de manera uniforme; sin embargo, para los datos obtenidos bajo la los de R y sol componentes
para la WVS. condiciones naturales, es necesario reducir el ruido en
El valor medio de segundo componente varió de 26,02 para A fin de generalizar la estimación. La normalización es uno
'Hartley' a 33,25 de 'Pedro' y implicado método casi para reducir este tipo de ruido y valores constantes normalizadas entre las variedades (Tabla
2). las relaciones de diferencia, (RB) / (R + B) y ( RG) / (R + G),

Tabla 1: Parámetros estadísticos del total CHL contenido de (a + b) para diferentes variedades de nogal estadísticos

Chl (a + b) (mg Chl / gr LW)

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

parámetros 'Lara' 'Pedro' 'Hartley' 'Franquette' 'K' 72

Media 0.24 0.21 0.23 0.27 0.12

St.err 0.02 0.01 0.04 0.02 0.01

min 0.18 0,19 0.15 0.24 0.10

Max 0.30 0.24 0.30 0.33 0.14

† CHL = clorofila

Tabla 2: Parámetros estadísticos de sol y segundo componentes de color para diferentes variedades de nueces

'Lara' 'Pedro' 'Hartley' 'Franquette' 'K' 72

------------------ -------------------- ------------------- ------------------- ----------------

El parámetro estadístico sol segundo sol segundo sol segundo sol segundo sol segundo

Media 31.55 27.63 37.40 33.25 32.06 26.02 36.32 31.04 41.47 33.13

Std.err 0.93 0.86 1.29 1.20 0.90 0,76 1.62 1.51 1.05 1.14

min 20.59 18.48 23.28 19.88 21.59 18.49 22.83 20.05 28.60 21.06

Max 42.55 39.56 67,54 61.65 44.40 36,83 56.44 51.73 54,16 47.26

5
 WASJ

Tabla 3: Coeficientes de correlación entre diversas funciones utilizando R, G y segundo y los valores CHL contenido para diferentes variedades de nueces

contenido de clorofila

----------------------------------------------------------------------------------------------------------------------------------------------------

Canales Varias funciones 'Lara' 'Pedro' 'Hartley' 'Franquette' 'K' 72 En general

RGB R 0,018 0.28 - 0.05 0.23 - 0.21 - 0.30 ns

** * *
sol - 0.01 - 0.70 - 0.22 - 0.22 - 0.41 - 0.50

segundo 0.07 0.29 0.29 0.15 0.22 0.25 ns

RG 0.37 0.33 - 0.23 0.16 - 0.23 - 0.20 ns

** * * **
RB - 0.68 - 0.63 - 0.53 - 0.33 - 0.40 - 0.75

GB 0.32 0.40 - 0.27 0.24 - 0.32 0.38 ns

* *
(RG) / (R + G) - 0,19 - 0.54 - 0.23 0,19 0.20 - 0.51
** * * * **
(RB) / (R + B) - 0.66 - 0.59 - 0.65 - 0.44 - 0.34 - 0,78
** ** * * **
HSI H 0.85 0,76 0.60 0.54 0.39 0.87
* *
S 0.02 0.25 - 0.17 - 0.42 - 0.41 - 0.40 ns

yo 0.03 0.35 0.26 0.27 - 0.30 0.21 ns

*
† nivel significativo al 5%

† *nivel
*
significativo al 1%

† nsno significativa

† CHL = clorofila

Fig. 5: Correlación entre RB y CHL contenido para todas las variedades de nogal.

Fig. 6: Correlación entre ( RB) / (R + B) y CHL contenido para todas las variedades de nogal.

son funciones aplicables que pueden usar los datos recogidos a 0.010 para 'Pedro'. El valor más bajo de ( RB) / (R + B)
bajo diferentes condiciones naturales. El valor medio de fue registrado para 'Lara' y el valor determinado de
(RB) / (R + B) varió de 0,036 de 'Lara' a 0,105 de 'K' 72 función en 'K' era más
72 que las otras variedades

y la de ( RG) / (R + G) oscilado entre -0,039 para 'Hartley' (Figura 6). El normalizada ( RB) / (R + B) se encontró que era

6
 WASJ

Tabla 4: Parámetros estadísticos de H y S componentes de color para diferentes variedades de nogal.

'Lara' 'Pedro' 'Hartley' 'Franquette' 'K' 72

------------------- -------------------- -------------------- ------------------ --------------------

Satistical Parámetro H S H S H S H S H S

Media 1.58 0.07 1.10 0.08 1.52 0.11 1.60 0.09 0.95 0.14

Std.err 0.04 0.01 0.01 0.01 0.02 0.01 0.03 0.01 0.02 0.01

min 1.17 0.02 0.88 0.03 1.23 0.03 1.07 0.04 0.87 0.04

Max 1.88 0.11 1.19 0.12 1.85 0.20 1.89 0.16 1.21 0.28

Fig. 7: Correlación entre H componente de color y CHL contenido para todas las variedades de nogal.

una correlación negativa (osciló -0,34 a -0,66) con línea y la intersección fueron 6,27 ± 0,03 (St.err = 2,5%) y
CHL contenido de las hojas entre las variedades. Era 12,56 ± 0,04 (St.err = 3%), respectivamente, y la raíz
encontrado que ( RB) / (R + B) era la función equipado de RGB cuadrado medio de los residuos fue 4 SPAD. Explotar el espacio para estimar la CHL el contenido de
las hojas usando sólo el podría ser limitada in vivo debido a la variación inherente de
los datos de la cámara digital. Utilizando los datos en general el la intensidad en las condiciones de iluminación al aire libre. los
variedades, coeficiente de correlación entre CHL contenido y conjunto de datos de imágenes en color característica, que aplica un reducido

(RB) / (R + B) mostró el mayor coeficiente de correlación H conjunto de características, surgió como el mejor modelo para CHL

en RGB espacio que fue -0,78 (Figura 6). la estimación del contenido WL En el presente estudio.
Los resultados en HSI espacio mostró que la media de También elimina las características de intensidad que pueden estar

yo componente de color calculado para cinco variedades osciló beneficioso en una iluminación al aire libre tales altamente variable

de 29.01 a 'Hartley' a 38,39 por 'K'. Además, el 72 condiciones. Además, el análisis demostró que tales
valores medios de S componente de color variaba de 0,07 para métodos se pueden utilizar para estimar literalmente CHL contenido

'Lara' a 0.14 de 'K' (Tabla724). de WL mientras que las muestras examinadas bajo controlado de laboratorio

El valor de H componente de color de 'Franquette' condición de iluminación.

registran como más alto mientras que era el valor más bajo en 'K'
(Figura
72 7). Los valores máximos y mínimos de DISCUSIÓN
H componente de 'Franquette' fueron 1,89 y 1,07, respectivamente
(Tabla 4). valores correspondientes de 'K' eran 72 El presente estudio demostró que las propiedades de la hoja

1,21 y 0,87, respectivamente. los H componente se encontró color en el RGB espacio fueron sensibles a CHL contenido
que se correlaciona positivamente (osciló de 0,39 a 0,85) que está de acuerdo con los de la obtenida por
con el CHL contenido de las hojas entre las variedades Kawashima y Nakatani [13]. Sus resultados también
(Figura 7). Utilizando los datos en general, las variedades, la correlación implicado que RB muestra la correlación más alta con
coeficiente entre la H y los valores CHL El contenido era CHL el contenido de alguna WVS. Además, el más alto
0,87 y mostró el coeficiente de correlación más alto se obtuvo el coeficiente de correlación cuando ( RB) / (R + B)
Entre las características de color. La regresión entre fue probado. Nuestros resultados confirman la premisa mencionada

H y los valores CHL contenido del total WVS mostró una lineal y demostró que ( RB) / (R + B) es la función más equipado
2
relación con (R = 0,76). La pendiente de la regresión de RGB espacio para estimar la CHL el contenido de las hojas.

7

Teniendo en cuenta la radiación solar, se intentó
mejorar el método anterior reportado por Kawashima y Nakatani a través de
la combinación de los datos de la cámara de vídeo con las relativas a la
radiación solar simultánea [13]. Además, la normalización reduce el efecto de
la radiación solar cuando la radiación solar no se examinó al mismo tiempo.
En este estudio, la H componente de color también eliminó las características
de intensidad, que pueden ser beneficioso en una muy variables condiciones
de iluminación tales exteriores tales como la radiación solar y el ángulo de la
hoja. En conclusión, este modelo con una baja dependencia de la radiación
solar proporciona la estimación más adecuada de CHL contenido y redujo el
número de duración cálculo variable y por consiguiente reduce al mínimo.
RECONOCIMIENTO
Nos gustaría expresar nuestro agradecimiento especial al Dr. Darab
Hasani en SPII para el suministro de las muestras en esta investigación.
agradecimiento especial se debe al Sr. Ehsan Sari y Fateme Noroozi por su
ayuda en la edición del manuscrito.
Referencias
1. Robert, JP, 2002. La accidentada historia del desarrollo y el uso de
ecuaciones simultáneas para la determinación precisa de las
clorofilas a y b. Revista de Investigación de la fotosíntesis, 73:
149-156.
2. Las cooperativas, Carolina del Norte, C. Stone, DS Culvenor, L. Chisholm y R.
Merton, 2002. CHL El contenido de eucalipto de la vegetación en el nivel de
hoja y la cubierta como se deriva de alta resolución espectral de datos.
Diario del árbol de Fisiología, 30: 10-30.
3. Haboudane, D., J. Miller, N. Tremblay, P. Zarco Tejad y L. Dextraze,
2002. integrados de banda estrecha de vegetación índices para la
predicción de la cosecha CHL
Contenido para su aplicación en la agricultura de precisión.
Journal of Remote Sensing of Environment, 81: 416-426.
4. Hartmut, KL y B. Fatbardha, 2000. La detección de la actividad
fotosintética y Agua estrés por imágenes de la Red CHL Fluorescencia.
Journal of Plant Physiology, 38: 889-895.
5. Yoder, BJ y RE Pettigrew Crosby, 1995. La predicción de nitrógeno
y CHL Contenido
Las concentraciones de Reflectancia Spectra (400-2500 nm) a la
hoja y el dosel escalas. Journal of Remote Sensing of Environment,
53: 199-211.
Ver las
estadísticas
estadísticas
de la
depublicación
publicación
WASJ
6. Haboudane, D., J. Miller, E. Pattey, P. Zarco Tejad
e I. Strachan, 2004. hiperespectrales Indices de Vegetación y
nuevos algoritmos de predicción verde del follaje de Lai:
Modelado y validación en el contexto de la agricultura de
precisión. Journal of Remote Sensing of Environment, 90:
337-352.
7. Huang, Z., BJ Turner, SJ Dury, IR Wallis y
WJ Foley, 2004. Estimación de nitrógeno foliar Concentración de
HyMAP de datos Uso del análisis de eliminación de Continuum.
Journal of Remote Sensing of Environment, 93: 18-29.
8. Kim, MS, JE McMurtrey, CL Mülchi,
CST Daughtry, EW Chappelle e YR Chen,
2001. Sistema de imágenes multiespectrales de fluorescencia en
estado estacionario de hojas de la planta. Diario de aplicación Optics,
40: 157-166.
9. Spomer, LA, MAL Smith y JS Sawwan, 1988. Rápido, Medición no
destructiva de CHL Contenido en hojas con no uniforme CHL Distribución.
Revista de Investigación de la fotosíntesis, 16: 277-284.
10. Everitt, JH, de Escobar, R. Villarreal, JR Noriega y MR Davis,
1991. Airborne Systems vídeo para la evaluación agrícola.
Journal of Remote Sensing of Environment, 35: 231-242.
11. Anatoly, AG, JK Yoram, S. Robert y R. Don,
2002. Los algoritmos novedosos para Estimación remoto de la Fracción
de vegetación. Journal of Remote Sensing of Environment, 80: 76-87.
12. Gao, J., 2006. Canopy CHL estimación con
Hiperespectral Teledetección. Tesis doctoral, Universidad de
Kansas, Manhattan.
13. Kawashima, S. y M. Nakatani, 1998. Un algoritmo para la estimación CHL
Contenido en hojas utilizando una cámara de vídeo. Diario de Annals
of Botany, 81: 49-54.
14. Mahmoodi, M., J. Khazaei y K. Vahdati, 2008. Identificación de la
nuez Genotipo utilizando técnicas de procesamiento de imagen.
En Ingeniería Agrícola de la Conferencia de Creta, pp:
1610-1615.
15. Ohta, Y., 1985. Interpretación Basada en el Conocimiento de
escenas al aire libre color natural. Pitman Publishing Inc.
16. Ahmad, ES, JF Reid, N. Noguchi y AC Hansen,
1999. nitrógeno Sensing para Precision Agricultural Uso CHL Mapas.
En Anual Internacional Meeting` (CSAE-SCGR) de la
Conferencia 1999 Toronto, pp: 18-21.
17. Zhang, MS, L. Ustin, E. y Rejmankova
EW Sanderson, 1999. Monitoreo de la Costa del Pacífico Marismas
y El uso de la teledetección. Diario de
Ecological Applications, 7: 1039-1053.
18. Arnón, DI, 1969. Cobre Las enzimas de cloroplastos aislados.
Journal of Plant Physiology, 24: 1-15.