背景^[1-3]

葉綠素B是一種化學(xué)物質(zhì)，分子式是C55H70MgN4O6。葉綠素b是葉綠素的一種，作為光合作用的天線色素之一吸收并傳遞光能。葉綠素b比葉綠素a多一個羰基，因此更容易溶于極性溶劑。它的顏色是黃綠色，主要吸收藍(lán)紫光。

葉綠素的可見光波段的吸收光譜，在藍(lán)光和紅光處各有一顯著的吸收峰，吸收峰的位置和消光值的大小隨葉綠素種類不同而有所不同。葉綠素a的吸收光的波長在420-663nm，葉綠素b的吸收波長范圍在460-645nm。

葉綠素a和葉綠素b及衍生物的吸收光譜表明,它們在紅光區(qū)(620~700nm)和藍(lán)紫區(qū)(400~500nm)出現(xiàn)了較深的黑帶，也就是說，這些光線被葉綠素強烈吸收；而在綠光區(qū)(520~580nm)沒有黑帶,即未被吸收，這也正是葉綠素是綠素的原因。戴榮繼等人采用紫外檢測器和二極管陣列的三維檢測器多次嘗試后,最終確定葉綠素a的發(fā)射波長為433nm，激發(fā)波長為664nm；葉綠素b的發(fā)射波長為469nm，激發(fā)波長為670nm。

葉綠素b存在于高等植物、綠藻、眼蟲藻、管藻中，吸收光帶在紅光和藍(lán)紫光。

大多以植物（如菠菜等）或干燥的蠶砂為原料提取葉綠素。

例如從蠶砂提取葉綠素可采用下述方法。有機溶劑提取：取潔凈的蠶砂，用70%以上工業(yè)乙醇調(diào)成漿狀，過濾出暗綠色溶液，再晾干而得。

另一種操作是將45份石油醚、15份甲醇、4份苯混合，與潔凈的蠶砂混合調(diào)漿，過濾，濾液用水洗4次。在有機提取液中加少量硫酸鈉除去殘留水分，過濾，濾液回收溶劑后即得葉綠素。

物理法分離：將0.4mol/L稀蔗糖液和0.06mol/L磷酸鉀稀溶液（pH為6-7）按1：1混合成緩沖介質(zhì)。每2kg蠶砂加1L左右緩沖介質(zhì)，混合均勻，用多層砂布濾出綠色的懸液，放入低溫離心機離心5-10min，以水洗滌沉淀，再離心一次得葉綠素沉淀物。葉綠素用草酸處理，可得無鎂的脫鎂葉綠素，再引入鎂轉(zhuǎn)回成葉綠素。用強酸除去植醇和鎂則得脫鎂葉綠酸，植醇也可重新引入。水解則除去植醇和甲醇，得葉綠酸。大多以植物（如菠菜等）或干燥的蠶砂為原料提取葉綠素。例如從蠶砂提取葉綠素可采用下述方法。

有機溶劑提?。喝崈舻男Q砂，用70%以上工業(yè)乙醇調(diào)成漿狀，過濾出暗綠色溶液，再晾干而得。

另一種操作是將45份石油醚、15份甲醇、4份苯混合，與潔凈的蠶砂混合調(diào)漿，過濾，濾液用水洗4次。在有機提取液中加少量硫酸鈉除去殘留水分，過濾，濾液回收溶劑后即得葉綠素。

物理法分離：將0.4mol/L稀蔗糖液和0.06mol/L磷酸鉀稀溶液（pH為6-7）按1：1混合成緩沖介質(zhì)。每2kg蠶砂加1L左右緩沖介質(zhì)，混合均勻，用多層砂布濾出綠色的懸液，放入低溫離心機離心5-10min，以水洗滌沉淀，再離心一次得葉綠素沉淀物。葉綠素用草酸處理，可得無鎂的脫鎂葉綠素，再引入鎂轉(zhuǎn)回成葉綠素。用強酸除去植醇和鎂則得脫鎂葉綠酸，植醇也可重新引入。水解則除去植醇和甲醇，得葉綠酸。

應(yīng)用^[4][5]

用于基于高光譜技術(shù)的贛南臍橙葉片葉綠素含量估計與營養(yǎng)脅迫診斷研究

探究對葉綠素a和葉綠素b敏感的特征光譜;利用多種光譜指數(shù)與葉綠素的響應(yīng)關(guān)系,選擇對葉綠素高度相關(guān)、穩(wěn)健的光譜指數(shù)構(gòu)建葉綠素的反演模型;通過提取多種缺素葉片的光譜特征,探索快速、無損檢測缺素狀態(tài)的方法。

研究得到的主要結(jié)論和取得的主要成果如下:（1）使用400-1000 nm范圍內(nèi)的原始光譜（Raw Spectral,RS）,一階導(dǎo)數(shù)光譜（First Derivative Spectral,FDS）和二階導(dǎo)數(shù)光譜（Second Derivative Spectral,SDS）,采用1.67 nm和3.41 nm兩種輸出波段間隔,通過四種回歸方法（偏最小二乘回歸（Partial Least Squares Regression,PLSR）,人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network,ANN）,普通最小二乘法（Ordinary Least Squares Regression,OLSR）和逐步線性回歸（Stepwise Linear Regression,SLR））對臍橙葉片的葉綠素總量進(jìn)行預(yù)測。在建模中,全光譜數(shù)據(jù)作為PLSR和ANN的模型輸入向量,有效波長作為OLSR和SLR的模型輸入向量。

研究結(jié)果表明,波段間隔1.67 nm比波段間隔3.41 nm的預(yù)測性能要更好,全波段數(shù)據(jù)建立的PLSR和SLR預(yù)測模型性能較好,其中,F-RS-PLSR模型表現(xiàn)出了對葉綠素含量的估計,訓(xùn)練集決定系數(shù)（C-R2）=0.92,測試集決定系數(shù)（V-R2）=0.96,訓(xùn)練集均方根誤差（C-RMSE）=0.05,測試集均方根誤差（V-RMSE）=0.19,訓(xùn)練集剩余預(yù)測偏差（C-RPD）=17.00,測試集剩余預(yù)測偏差（V-RPD）=3.63,總體而言,利用全波段的PLSR具有的建模效果。

（2）基于原始光譜、一階導(dǎo)數(shù)光譜和二階導(dǎo)數(shù)光譜,分別利用PLSR和支持向量機（Support Vector Machine,SVM）建立了葉綠素a、b的預(yù)測模型。實驗結(jié)果表明,SVM模型對葉綠素含量的預(yù)測效果要優(yōu)于PLSR。其中,導(dǎo)數(shù)數(shù)據(jù)對葉綠素a預(yù)測效果好,V-R~2=0.999,C-RMSE=0.004 mg/g,V-RMSE=0.004 mg/g,而原始光譜數(shù)據(jù)（相關(guān)系數(shù)為0.5）對葉綠素b獲得了較好的建模效果,R2=0.965,C-RMSE=0.003 mg/g和V-RMSE=0.003 mg/g。

（3）利用RS數(shù)據(jù)、FDS數(shù)據(jù)和SDS數(shù)據(jù),構(gòu)建了19個已發(fā)表同時在估算植物葉片葉綠素含量有較好反演效果的指標(biāo)。通過隨機森林（Random Forest,RF）、決策樹（Decision Tree,DT）Adaboost（AR）、PLSR和SVM回歸方法,比較單一光譜指標(biāo)和多個光譜指標(biāo)組合對臍橙葉片中葉綠素a、葉綠素b和葉綠素總量的預(yù)測準(zhǔn)確性。實驗結(jié)果顯示,無論是使用單光譜指數(shù)還是使用多個光譜指數(shù)作為輸入矢量,AR都是的回歸方法。

另外,在對葉綠素a含量（R2=0.966,RMSE=0.121）和葉綠素總量（R2=0.969,RMSE=0.144）預(yù)測效果方面,多個光譜指數(shù)組合是優(yōu)于單一光譜指數(shù)。然而,利用單一光譜指數(shù)對葉綠素b的預(yù)測結(jié)果相對較好（R2=0.931,RMSE=0.045）?？傮w而言,多光譜指數(shù)適用于葉綠素a和葉綠素的估計,而單一光譜指數(shù)適用于葉綠素b的檢索。

參考文獻(xiàn)

[1]Identifying Freshness of Spinach Leaves Stored at Different Temperatures Using Hyperspectral Imaging[J].Susu Zhu,Lei Feng,Chu Zhang,Yidan Bao,Yong He.Foods.2019(9)

[2]Assessment of External Properties for Identifying Banana Fruit Maturity Stages Using Optical Imaging Techniques[J].Jiajun Zhuang,Chaojun Hou,Yu Tang,Yong He,Qiwei Guo,Aimin Miao,Zhenyu Zhong,Shaoming Luo.Sensors.2019(13)

[3]Estimating Total Leaf Chlorophyll Content of Gannan Navel Orange Leaves Using Hyperspectral Data Based on Partial Least Squares Regression.[J].Zhongzheng Peng,Lixin Guan,Yubo Liao,Suyun Lian.IEEE Access.2019

[4]Spectral difference analysis and identification of different maturity blueberry fruit based on hyperspectral imaging using spectral index[J].Ma Hao,Zhao Kaixuan,Jin Xin,Ji Jiangtao,Qiu Zhaomei,Gao Song.International Journal of Agricultural and Biological Engineering.2019(3)

[5]彭中正.基于高光譜技術(shù)的贛南臍橙葉片葉綠素含量估計與營養(yǎng)脅迫診斷[D].贛南師范大學(xué),2020.