无损检测10种植物叶片含水量的通用模型

郑俊波

(浙江省中药研究所有限公司，浙江 杭州 310023)

水资源短缺已成为我国农业发展的主要制约因素，发展节水农业势在必行，对作物缺水程度进行数字化诊断并进行适时适量的灌溉控制是减少水资源浪费的根本途径之一。植物叶片含水量可表征植物水分的亏缺程度，测量叶片含水量通常需要破坏植物组织，实验耗时费力，不方便开展在线测量研究。因此，对叶片含水量进行实时、无损检测研究具有重要意义。

电测法(包括电阻式和电容式)可以短时间内实现对被测样品进行重复多次测量，且不损坏样品结构，可以实现快速无损检测叶片含水量的目的。如鲍一丹等[1]通过平板式电容研究了植物缺水信息与植物叶片生理电容、叶水势之间的变化规律，证明植株干旱程度与叶片电特性和叶水势按一定规律变化。郭文川等[2]研究失水对离体和活体植物叶片的生理特性参数和电特性参数的影响，结果表明植物叶片电特性能够反映植物的水分生理特性。宣奇丹等[3]研究表明，毛白杨、加杨、杜仲叶片电容值与含水量间的相关系数分别为0.830、0.908和0.843，且均达极显著水平。陈晨等[4]利用四探针测试方法对玉米叶片进行测试，可以准确快捷地测定叶片的电阻率。张诚诚等[5]利用万用电表针头插入油茶叶片，测量叶片电阻，由逐步回归分析结果得知，叶片电阻主要是由叶片含水量决定的。其他研究也得到了叶片电特性与含水量具有相关性的结果[6-11]。目前，对植物叶片电阻的测量多采用2个或4个针刺电极插入叶片表面的方法，但针刺测量会造成叶片组织和细胞的损伤，不利于大田在线多次测量。通过测量多种植物叶片的电容和电阻，与叶片含水量进行回归分析，建立通用模型预测叶片含水量还未见报道。本研究通过自行设计电容传感器、导电泡棉作电阻测量电极，采用不损伤植物组织和细胞的方法，对10种植物单片叶片的电容和电阻进行测量，旨在建立一种对多种植物单片叶片含水量进行预测的通用模型，用于预测叶片的含水量。

1 材料与方法

1.1 材料与仪器

女贞(LigustrumlucidumAit)、红叶石楠(Photinia×fraseriDress)、珊瑚树(Viburnumodoratissinum)、无患子(SapindusmukorossiGaertn.)、紫荆(Cercischinensis)、杨梅[Myricarubra(Lour.) S. et Zucc.]、桂花(Osmanthussp.)、黄精(Polygonatumsibiricum)、覆盆子(RubusidaeusL.)、玉竹[Polygonatumodoratum(Mill.)Druce]。叶片采自杭州市余杭区五常湿地，由浙江省中药研究所有限公司俞旭平高级工程师鉴定。

LC100-A型电容测量仪(郑州明禾电子科技有限公司)，电容传感器为自行设计的专利产品(专利号201810235518.1)，VC830L万用表(深圳市胜禄高电子科技有限公司)。

1.2 方法

2019年3—4月选择健康、无病虫害、无撕裂的女贞、红叶石楠、珊瑚树、无患子、紫荆、杨梅、桂花、黄精、覆盆子、玉竹叶片，采后立即用塑料袋密封带回，样品离体时间控制在1 h以内。测量在室内完成，测量前从叶基部剪去叶柄，用纸巾擦去叶片表面灰尘和脏物，室温下测量，重复间测量间隔时间约1 min。女贞、红叶石楠、珊瑚树、无患子、紫荆、杨梅、桂花取8片叶，随机编号为1～8号，分成训练集和测试集2组，1～6号为训练集，7～8号为测试集。黄精、覆盆子、玉竹取3片叶片，分成训练集和测试集2组，1～2号为训练集，3号为测试集。每个叶片测电容和电阻各3次。

1.2.1 叶片电容测定

电容传感器采用导电纤维布作为平行板，固定在具夹力为7 N的塑料夹上，极板间面积为1 cm×2 cm。2个传感器并联组成。测量电容时将2个传感器夹住叶片两侧，开机读取初始电容值。

1，塑料夹；2，基板；3，平行板电极；4，叶片。1， Plastic clip; 2， Substrate; 3， Parallel-plate electrode; 4， Leaf.

1.2.2 叶片电组测定

万用表2 MΩ档测电阻，将导电泡棉分别固定在2个塑料夹上，每个夹子的导电泡棉连接导线作电极，电极中间挖1小孔，孔内填充海绵，电极间距离5 cm。测量时在海绵上各滴1小滴饱和NaCl，稳定30 s后读数。测量叶片背面电阻。

1.2.3 叶片含水量测定

叶片含水量(%)=(鲜质量-干质量)/鲜质量×100[12]。

1.2.4 统计方法

组内相关系数(intraclass correlation coefficient，ICC)常用于评价同一个体多次测量结果的一致性或可靠性。一般认为ICC<0.40表示可靠性较差，ICC为0.40～0.75表示可靠性一般，ICC>0.75表示可靠性良好。组内相关系数用SPSS 19.0软件分析，输入数据，点击分析-度量-可靠性分析，选择类内相关系数。结果输出中单个测量是指单个评定者的评分，给出单个评定者评分的可靠性；平均测量是多个评定者的评分均值，给出多个评定者评分均值的可靠性。本研究为单个评定者，数据采用单个测量值。

回归采用Excel软件分析，点击数据-数据分析，窗口中点回归-确定，Y输入区域为含水量数据，X输入区域为电容的倒数、电阻和电阻电容比值的数据，采用线性回归分析，置信度95%。

2 结果与分析

2.1 植物叶片电容测量数据可靠性评价

女贞1～8号叶片电容测量结果见表1。对表1中女贞叶片电容3次重复之间进行SPSS 19.0组内相关系数分析，结果见表2。女贞叶片电容单个测量ICC为0.815 (P<0.001)，数据可靠性良好。

同样，对红叶石楠、珊瑚树、无患子、紫荆、杨梅、桂花叶片电容进行组内相关系数分析(黄精、覆盆子、玉竹叶片数据少，不作评价)，ICC全部大于0.75(表3)，表明数据可靠性均良好。

表1 女贞叶片电容测量值

Table1Capacitance value ofLigustrumlucidumAit leaves pF

重复Repeats12345678重复1Repeat14245484843504056重复2Repeat24449494844504350重复3Repeat34548504845524251

表2 女贞叶片电容组内相关系数

Table2Intraclass correlation coefficient ofLigustrumlucidumAit leaf capacitance

组别Group组内相关系数ICC95%置信区间95%confidenceinterval下限Lower上限Upper值Value使用真值0的F检验F-testusingtruevalue0df1df2Sig单个测量0.8150.5170.95614.2367140Singlemeasurement平均测量0.9300.7630.98514.2367140Averagemeasurement

表3 植物叶片电容组内相关系数

Table3Intraclass correlation coefficient of plant leaf capacitance

植物Plant组别Group组内相关系数ICC95%置信区间95%confidenceinterval下限Lower上限Upper值Value使用真值0的F检验F-testusingtruevalue0df1df2SigBSM0.9840.9480.997189.4847140CSM0.9310.7890.98441.3597140DSM0.9600.8740.99173.4447140ESM0.8810.6630.97323.3027140FSM0.9460.8310.98853.0707140GSM0.9370.8060.98645.5667140

B，红叶石楠；C，珊瑚树；D，无患子；E，紫荆；F，杨梅；G，桂花；SM，单个测量。下同。

B，Photinia×fraseriDress; C，Viburnumodoratissinum; D，SapindusmukorossiGaertn.; E，Cercischinensis; F，Myricarubra(Lour.) S. et Zucc.; G，Osmanthussp.; SM， Single measurement. The same as below.

2.2 植物叶片电阻测量数据可靠性评价

女贞1～8号叶片电阻测量结果见表4。利用SPSS 19.0对表4中女贞叶片电阻3次重复之间进行组内相关系数分析，结果见表5。女贞叶片电阻单个测量ICC为0.593(P=0.004)，数据可靠性一般。同样，对红叶石楠、珊瑚树、无患子、紫荆、杨梅和桂花叶片电阻进行组内相关系数分析(黄精、覆盆子、玉竹叶片数据少，不作评价)，红叶石楠(ICC=0.847，P<0.001) 和杨梅(ICC=0.841，P<0.001)数据可靠性良好，无患子(ICC=0.449，P=0.023)、紫荆(ICC=0.550，P=0.007)和桂花(ICC=0.727，P<0.001)数据可靠性一般，珊瑚树(ICC=0.343，P=0.063)数据可靠性较差(表6)。

2.3 植物叶片含水量与电容、电阻回归分析

对女贞、红叶石楠、珊瑚树、无患子、紫荆、杨梅、桂花、黄精、覆盆子、玉竹叶片训练集进行回归分析，建立回归模型。训练集电容、电阻和含水量数据见表7。表7数据经1stOpt软件快速公式拟合搜索，综合考虑决定系数、调整决定系数、公式简明性和残差值，选择Z=p1+p2·X-1+p3·Y+p4·Y·X-1作为拟合公式，Z为含水量(%)，X为电容(pF)，Y为电阻(MΩ)，p1、p2、p3和p4为系数；将X-1、Y、Y·X-1和Z的数据输入Excel，经多元线性回归分析，结果显示调整R2为0.977 4，模型拟合效果良好。方差分析表明，显著性值P=7.85×10-37，表明建立的线性关系回归模型具有极显著的统计学意义。表8显示，电容倒数(X-1)与含水量(Z)、电阻(Y)与含水量(Z)、电阻电容的比值(Y·X-1)与含水量(Z)都存在极显著相关性。表9表明，预测含水量残差为-2.56%～2.25%。表8确定拟合方程为Z=86.09-628.471X-1-11.1753Y+117.2954Y·X-1。

2.4 植物叶片含水量的预测

测试集的电容、电阻和含水量数据见表10。利用拟合方程对10种植物叶片测试集含水量进行预测，然后与干燥法所测含水量之间求绝对误差和相对误差，绝对误差为干燥法实测含水量与预测含水量之差，相对误差为绝对误差与干燥法实测含水量之比乘以100%所得的数值。一般来说，相对误差更能反映测量的可信程度。经计算绝对误差介于-2.53%～1.46%，相对误差介于-3.83%～1.95%，表明该模型对10种植物叶片含水量的预测准确度较高。

表4 女贞叶片电阻测量值

Table4Resistance ofLigustrumlucidumAit leaves MΩ

重复Repeats12345678重复1Repeat10.6010.6060.5600.5690.6010.5700.5910.638重复2Repeat20.4670.5880.5200.5380.5250.5460.4770.614重复3Repeat30.4300.5560.5110.5330.5170.5310.4340.606

表5 女贞叶片电阻组内相关系数

Table5Intraclass correlation coefficient ofLigustrumlucidumAit leaf resistance

组别Group组内相关系数ICC95%置信区间95%confidenceinterval下限Lower上限Upper值Value使用真值0的F检验F-testusingtruevalue0df1df2Sig单个测量0.5930.1640.8875.3637140.004Singlemeasurement平均测量0.8140.3700.9595.3637140.004Averagemeasurement

表6 植物叶片电组组内相关系数

Table6Intraclass correlation coefficient of plant leaf resistance

植物Plant组别Group组内相关系数ICC95%置信区间95%confidenceinterval下限Lower上限Upper值Value使用真值0的F检验F-testusingtruevalue0df1df2SigBSM0.8470.5850.96417.6707140.000CSM0.343-0.0880.7822.5647140.063DSM0.4490.0060.8323.4407140.023ESM0.5500.1130.8724.6737140.007FSM0.8410.5700.96216.8297140.000GSM0.7270.3570.9319.0027140.000

表7 十种植物叶片训练集电容、电阻和含水量

Table7Leaf capacitance， resistance and moisture content of 10 plants in training set

编号CAP/pFRES/MΩMOC/%编号CAP/pFRES/MΩMOC/%编号CAP/pFRES/MΩMOC/%No.No.No.144±10.499±0.07367.0117140±20.230±0.00579.093335±11.554±0.07755.32247±20.583±0.02167.5418161±50.221±0.01078.593436±01.622±0.10956.38349±10.530±0.02166.0519376±130.425±0.01580.173541±11.609±0.08458.21448±00.547±0.01666.0820450±200.390±0.02480.583628±01.308±0.10654.76544±10.548±0.03866.7321412±120.404±0.02280.173770±20.547±0.01774.17651±10.549±0.01667.3122342±30.432±0.01178.893855±30.519±0.01371.467227±10.540±0.02477.3823272±50.395±0.02579.503965±00.483±0.02973.948310±30.629±0.01477.3024360±110.412±0.01880.334060±20.509±0.01571.439287±30.652±0.04276.3025235±30.393±0.00978.004163±20.434±0.02674.0810274±20.595±0.03777.0326198±40.391±0.05078.094258±20.498±0.03972.8411295±40.648±0.06576.9027204±80.352±0.03878.0343169±40.579±0.06274.5212267±40.619±0.01976.0228209±40.457±0.00178.3944150±30.499±0.03877.3513144±30.227±0.01179.9229169±10.448±0.01077.5545552±131.563±0.14369.2914138±40.216±0.01379.4230185±20.429±0.03377.5046615±151.215±0.08470.1015149±10.226±0.00980.933130±01.440±0.17852.7447314±210.318±0.01182.6016168±50.230±0.00479.923233±01.606±0.08655.7148356±80.383±0.01281.22

1～6，女贞；7～12，红叶石楠；13～18，珊瑚树；19～24，无患子；25～30，紫荆；31～36，杨梅；37～42，桂花；43～44，黄精；45～46，覆盆子；47～48，玉竹；CAP，电容；RES，电阻；MOC，含水量。

1-6，LigustrumlucidumAit; 7-12，Photinia×fraseriDress; 13-18，Viburnumodoratissinum; 19-24，SapindusmukorossiGaertn.; 25-30，Cercischinensis; 31-36，Myricarubra(Lour.) S. et Zucc.; 37-42，Osmanthussp.; 43-44，Polygonatumsibiricum; 45-46，RubusidaeusL.; 47-48，Polygonatumodoratum(Mill.) Druce; CAP， Capacitance; RES， Resistance; MOC， Moisture content.

表8 回归参数表

Table8Regression parameter table

项目ItemCOESTEtStatP-valueLower95.0%Upper95.0%INT86.08970.5670151.8461.71E-6184.947187.23231/X-628.47144.631-14.0826.6E-18-718.419-538.523Y-11.17530.8785-12.7202.44E-16-12.9458-9.4047Y/X117.295443.2882.70960.0095630.05336204.538

COE，系数；STE，标准误差；INT，截距；X，电容；Y，电阻。

COE， Coefficient; STE， Standardized error; INT， Intercept;X， Capacitance;Y， Resistance.

表9 残差输出结果

Table9Residual output results

编号No.PRVRESISTR编号No.PRVRESISTR编号No.PRVRESISTR167.46-0.4434-0.37601779.23-0.1423-0.12063355.98-0.6584-0.5582267.74-0.2014-0.17081879.88-1.2958-1.09873455.680.70610.5987368.61-2.5596-2.17031979.800.36960.31333557.390.81910.6945468.22-2.1443-1.81822080.440.14050.11913654.300.45990.3900567.15-0.4162-0.35292180.160.00330.00283771.912.25461.9117668.82-1.5089-1.27942279.57-0.6820-0.57823869.911.54641.3112777.56-0.1786-0.15142379.53-0.0326-0.02763971.942.00281.6982877.270.03250.02752479.880.45790.388254070.930.50350.4269976.89-0.5816-0.49312579.23-1.2267-1.04014172.121.96321.66461077.40-0.3675-0.31162678.78-0.6894-0.5844270.642.20191.86701176.98-0.0775-0.06572779.28-1.2542-1.06344376.30-1.7733-1.50361277.09-1.0739-0.91052878.240.15440.13094476.700.64580.54761379.360.55500.47062977.67-0.1189-0.10084567.821.46941.24591479.310.10790.09153078.17-0.6725-0.57024671.72-1.6197-1.37341579.511.41441.19933154.84-2.1024-1.78264780.651.94421.64851679.94-0.0181-0.01533254.671.04190.88344880.181.04440.8856

编号1-48同表7。PRV，预测值；RESI，残差；STR，标准残差。

No. 1-48 were the same as table 7. PRV， Predicted value; RESI， Residual; STR， Standardized residual.

表10 测试集植物叶片含水量预测

Table10Prediction of leaf moisture content in test set

植物Plant编号No.电容/pFCapacitance电阻/MΩResistance实测含水量Measuredmoisturecontent/%预测含水量Predictedmoisturecontent/%绝对误差Absoluteerror/%相对误差Relativeerror/%A742±10.501±0.06667.4966.820.670.99852±30.619±0.01466.0268.55-2.53-3.83B7264±80.745±0.02476.5775.720.861.128256±20.587±0.04577.5577.350.200.26C7167±40.199±0.02581.7080.241.461.798185±20.218±0.00780.2080.39-0.19-0.24D7409±140.356±0.01580.2880.68-0.40-0.508375±110.399±0.00779.8580.08-0.23-0.29E7217±80.411±0.00878.3878.82-0.44-0.568212±140.459±0.00478.5978.250.340.43F731±11.355±0.06656.0755.630.430.77833±01.455±0.10954.3155.96-1.65-3.04G766±10.532±0.02472.8871.561.311.80874±10.451±0.00574.7773.311.461.95H3141±40.549±0.02375.8875.94-0.07-0.09I3766±91.159±0.02970.1372.50-2.37-3.38J3356±120.354±0.02481.4380.480.951.17

A，女贞；B，红叶石楠；C，珊瑚树；D，无患子；E，紫荆；F，杨梅；G，桂花；H，黄精；I，覆盆子；J，玉竹。

A，LigustrumlucidumAit; B，Photinia×fraseriDress; C，Viburnumodoratissinum; D，SapindusmukorossiGaertn.; E，Cercischinensis; F，Myricarubra(Lour.) S. et Zucc.; G，Osmanthussp.; H，Polygonatumsibiricum; I，RubusidaeusL.; J，Polygonatumodoratum(Mill.) Druce.

3 结论与讨论

植物叶片含水量可以间接通过测量叶片电容和电阻进行预测，叶片电容、电阻和含水量之间存在非线性关系，不同植物叶片之间存在预测含水量的通用模型，本研究通过对10种植物叶片的电容、电阻与含水量回归分析研究，得到了叶片含水量与电容、电阻间的拟合模型，并根据拟合模型对10种植物叶片含水量进行预测，结果表明模型预测准确度较高。

本研究方差分析结果中，F值对应的SignificanceF为7.85×10-37，远小于0.05，可以认为回归模型有用。回归参数表中t统计量的P值，截距项为1.71×10-61，电容倒数项为6.6×10-18，电阻项为2.44×10-16，电容电阻比值项为0.009 56，均小于0.05，因此3项自变量均与含水量存在显著相关性。

良好的模型要求残差分布接近正态分布，通过Excel软件对残差的描述统计进行分析，结果平均值与总和都为0，峰度是-0.35，偏度是0.01，均接近0。因此，可以判断残差分布接近正态分布，模型拟合良好。利用回归模型对测试集叶片含水量进行预测，测试集中9个叶片相对误差在-1%～1%，只有1个叶片小于-3.5%，表明模型预测准确度较高。

叶片电特性的变化能较好地反映叶片水分状况，为直接快速检测植物缺水程度提供了一种新的方法。前人研究主要集中在叶片电特性与单种植物的变化规律研究，本试验将10种植物叶片电特性的变化进行综合研究，为探索叶片含水量与电特性之间的内在规律做了有益的尝试。本研究中部分植物叶片电阻测定数据可靠性不高，方法还有待改进，以提高测量的稳定性和可靠性。本研究仅对10种植物的离体叶片进行了研究，在线测量有待进一步研究，下一步应扩大植物种类和范围，进一步研究植株不同部位、不同生育期叶片的临界含水量和适宜含水量，以尽快应用于大田作物的诊断，提升作物的产量和质量。