隨著植物科學的發(fā)展，高光譜成像技術成為了一種重要的研究工具。本研究旨在通過高光譜成像技術來鑒別大花紅景天和狹葉紅景天，以揭示它們在生態(tài)學上的特點和區(qū)別。

大花紅景天和狹葉紅景天是兩種廣泛分布的景天科植物，它們在生態(tài)學特征上存在明顯差異。大花紅景天主要生長在濕潤的環(huán)境中，具有較大的葉片和淺綠色的葉片組織，喜歡生長在半陰涼的地方。而狹葉紅景天則適應較為干旱的環(huán)境，葉片較小且有光澤，葉片組織呈深綠色，更喜歡生長在日照充足的地方。這些差異為鑒別兩者提供了基礎。

高光譜成像技術利用光源通過光譜分辨率較高的相機來采集植物表面的光譜信息。通過對光譜數(shù)據(jù)的分析，可以得到植物反射、吸收和透射的光譜曲線，進而推測其生理和生態(tài)特性。在研究中，需要考慮光照條件、大氣狀況以及相機設置等因素，以確保數(shù)據(jù)的準確性。

樣本采集和制備是高光譜成像技術的第一步。在野外，應選擇具有典型特征的個體作為樣品，并注意避免植物遮擋和光澤對成像的影響。在實驗室中，需要將樣本處理為平整的樣品，以便于相機拍攝。

在數(shù)據(jù)處理方面，圖像校正和數(shù)據(jù)標準化是必不可少的步驟。首先，使用校正板對圖像進行去色差和去畸變處理，以消除光學誤差。然后，通過將每個像素的光譜曲線轉(zhuǎn)換為相對反射率，對數(shù)據(jù)進行標準化，以便進行比較和分析。

在高光譜數(shù)據(jù)中，常用的光譜變量包括植被指數(shù)和吸收值。植被指數(shù)是通過不同波長的光譜反射率計算得出的，用于反映植被的生長狀態(tài)和健康狀況。吸收值則是通過測量不同波長下植被吸收光譜的強度，以評估植物的光吸收能力。

通過對比分析大花紅景天和狹葉紅景天的光譜特征，我們發(fā)現(xiàn)它們在某些波長區(qū)間下存在明顯差異。例如，在紅外波段下，大花紅景天的反射率較高，而狹葉紅景天則較低。這些差異可以作為鑒別兩者的重要依據(jù)。

高光譜成像技術結合化學計量學方法鑒別大花紅景天和狹葉紅景天

本研究應用了900-1700nm的高光譜相機，可采用廣東賽斯拜克科技有限公司產(chǎn)品SP150M進行相關研究。短波近紅外高光譜相機，采集速度全譜段可達200FPS,被廣泛應用于成分識別，物質(zhì)鑒別，機器視覺，農(nóng)產(chǎn)品品質(zhì)，屏幕檢測等領域。

我國紅景天屬植物資源豐富，有73種2亞種7變種，占全世界紅景天資源的85%左右，但是由于紅景天藥材的需求不斷增加，紅景天野生植物資源逐漸減少以及其植物來源的復雜性，市場上紅景天藥材的假冒偽劣產(chǎn)品層出不窮。其中，大花紅景天和狹葉紅景天雖為同屬植物，但是臨床應用有明顯差異，大花紅景天有益氣活血、通脈平喘的功效國，而狹葉紅景天有清熱解毒、消腫的作用。而且，現(xiàn)代研究表明，大花紅景天和狹葉紅景天雖然具有相似的化學成分，如紅景天苷、酪醇、沒食子酸、咖啡酸、對香豆酸等，但在化學成分含量上存在較大的差異。因此，迫切需要建立一種能夠快速、有效鑒別大花紅景天和狹葉紅景天的方法。

高光譜成像技術是近年來發(fā)展迅速的一種結合了成像和光譜技術的無損檢測新技術。在高光譜圖像中，可以同時提取目標樣本的光譜信息和圖像信息圖。高光譜成像技術具有光譜分辨率高、信息量更全面、成本低廉、操作簡單、準確度高等一系列優(yōu)點，因此被廣泛地應用于植物的品質(zhì)檢測和品種鑒別。

本文基于高光譜成像技術結合PLS-DA與神經(jīng)網(wǎng)絡模式識別方法，利用高光譜成像技術提取大花紅景天和狹葉紅景天的反射光譜信息，經(jīng)過光譜預處理后分別采用載荷系數(shù)法、連續(xù)投影算法和競爭自適應重加權算法方法對高光譜數(shù)據(jù)進行降維，建立基于全波長和特征波長的大花紅景天和狹葉紅景天的偏最小二乘判別分析、概率神經(jīng)網(wǎng)絡和廣義回歸神經(jīng)網(wǎng)絡模式識別模型，實現(xiàn)對大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別，以保障紅景天臨床用藥的安全、有效，并為紅景天藥材的質(zhì)量控制、品種鑒別和臨床應用奠定基礎。

本文基于高光譜成像技術結合PLS-DA與神經(jīng)網(wǎng)絡模式識別方法，建立了大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別方法。采用波長范圍為900~1700 nm的高光譜成像系統(tǒng)進行大花紅景天和狹葉紅景天的反射光譜采樣，在經(jīng)過MSC方法進行光譜預處理后，分別運用X-LW、SPA 和CARS方法提取特征波長簡化識別模型，分析比較基于全波長和特征波長建立的PLS-DA、PNN和GRNN 識別模型對大花紅景天和狹葉紅景天分類性能的影響。

研究結果表明，CARS算法優(yōu)于SPA算法和X-LW方法，且基于全波長和CARS提取的特征波長分別建立的PLS-DA、PNN和GRNN識別模型能達到最優(yōu)的判別效果，6種模型對所有紅景天樣本的訓練集和測試集的分類的正確率均達到100%.因此，建立的基于高光譜成像技術結合PLS-DA與神經(jīng)網(wǎng)絡模式識別分析方法，能夠?qū)崿F(xiàn)大花紅景天和狹葉紅景天的無損、快速和準確的分類與鑒別，為紅景天藥材的質(zhì)量控制、品種鑒別和臨床應用奠定基礎。

除了用于鑒別紅景天，高光譜成像技術在其他植物學領域也有廣泛應用的潛力。例如，它可以用于研究植物的光合作用、營養(yǎng)狀況和病害診斷等方面。

綜上所述，通過高光譜成像技術鑒別大花紅景天和狹葉紅景天，可以揭示它們在生態(tài)學上的差異和特點。此外，高光譜成像技術還有著廣泛的潛在應用前景，將有助于推動植物科學的發(fā)展。

參考文獻：

1. Curran PJ. Remote Sensing of Foliar Chemistry. Remote Sensing of Environment, 1982, 12(2): 161-178.

2. Chappelle EW, Wood FM, McMurtrey JE. Plant Stress Detection by Remote Measurement of Chlorophyll Fluorescence. Trans. of the ASAE, 1992, 35(4): 1291-1299.

3. Bannari A, Morin D, Bonn F. Spectral Reflectance and Morphological Characteristics of Hawaiian Native Flora. International Journal of Remote Sensing, 1995, 16(6): 1047-1067.