植物電信號特征分析及其與環(huán)境因子關(guān)系研究.pdf

1、植物電信號是植物細胞或組織的靜息電位在外界刺激下，發(fā)生變化并能在細胞、組織間傳遞的一種微弱信號，是一種能表征植物生理過程及體內(nèi)信息變化的重要植物生理信號。環(huán)境變化能激發(fā)刺激植物電信號的變化。因為產(chǎn)生植物電信號的植物電生理系統(tǒng)是一個非線性和非穩(wěn)態(tài)的系統(tǒng)，所以植物電信號是一種具有非平穩(wěn)性和非線性的隨機信號，而且與植物生命活動密切關(guān)聯(lián)。植物電信號屬于微弱低頻信號范疇，其幅度在幾微伏到幾十毫伏之間，這種信號總是被強噪聲背景所包圍，這些噪聲除了來

2、自于測試現(xiàn)場，植物內(nèi)部各種信號之間也存在干擾，這對植物電信號的提取和分析技術(shù)提出了更高的要求。
　　 目前就植物電信號的處理方法而言，方法單一，關(guān)于植物電信號的研究多只是停留在對信號進行分析上，研究植物電信號的方法及目的意義有待進一步開發(fā)。縱觀大量文獻，如何從植物電信號出發(fā)，探尋信號特征與植物生理變化的關(guān)系，如何建立信號特征參數(shù)與環(huán)境因子的定量關(guān)系，以實現(xiàn)對植物的保護、監(jiān)測，這些方面的研究相對偏少。本文致力于將先進的、優(yōu)化的信號

3、處理和分析方法應(yīng)用于植物電信號，綜合考慮植物電信號時域、頻域、時頻域中的各種特征，以期從中發(fā)掘出與植物體生理特性相關(guān)的信息，使植物成為“會說話的植物”，其次探索特征值與環(huán)境因子的關(guān)系，為指導(dǎo)灌溉、調(diào)控環(huán)境參數(shù)提供科學(xué)依據(jù)。本文主要研究內(nèi)容和結(jié)論如下:
　　 從植物電信號的特點出發(fā)，采用小波硬閾值消噪法、小波軟閾值消噪法、無偏風(fēng)險估計法及改進的自適應(yīng)小波閩值去噪法，對采集的植物葉片電信號進行降噪處理，通過對信噪比SNR和均方誤差M

4、SE兩個參數(shù)的比較，得出結(jié)論:當(dāng)利用標準的小波固定閾值消噪時，雖然對白噪聲性質(zhì)的儀器噪聲具有良好的去除效果，但是對一些隨機噪聲的去除效果不理想，采用改進的自適應(yīng)小波軟閾值收縮法進行消噪處理，獲得了較標準固定閾值收縮法更好的降噪效果。
　　 對植物葉片電信號時域特征進行了分析。分析結(jié)果顯示:四種植物的葉片電信號呈現(xiàn)隨機性、差異性，體現(xiàn)出不同植物具有不同的電生理特性。植物電信號的均方值都小于200μV2，說明正常環(huán)境下的植物電信號的

5、能量很小，表明植物自身的電信號是一種微弱信號。采用相關(guān)法測試了蘆薈在燒傷、凍傷、刺傷三種刺激性傷害下所產(chǎn)生的變異信號，信號的傳遞速度分別為22.4 mm/s、15.8mm/s、9.5mm/s，為植物電信號測速提供了可行的方法。為了實現(xiàn)植物電信號的擬合與預(yù)測，采用自適應(yīng)AR模型進行參數(shù)估計，建立了觀音蓮和君子蘭兩種植物電信號AR模型，結(jié)果表明該方法收斂速度快，所需樣本數(shù)據(jù)個數(shù)少，易于實現(xiàn)實時在線預(yù)報。
　　 對所采集的四種盆栽植物

6、葉片電信號進行了頻譜分析。從重心頻率分布看，四種植物電信號的功率主要集中在1.78Hz、1.34Hz、1.3Hz和1.53Hz附近，說明植物電信號屬于低頻信號。從功率譜熵的數(shù)據(jù)看四種植物信號的復(fù)雜程度在正常狀態(tài)下相近，但由于植物個體的差異性，使得它們?yōu)轫憫?yīng)不同的脅迫刺激，各自植物體內(nèi)離子運動的快慢程度不同。改變不同土壤含水量采集碧玉葉片電信號分析其頻譜參數(shù)，當(dāng)含水量在1.9％到27.8％時，邊緣頻率呈現(xiàn)上升的趨勢;當(dāng)含水量超過27.8％

7、后，邊緣頻率呈現(xiàn)下降趨勢，說明27.8％的含水量是碧玉的需水飽和點;當(dāng)含水量在5％到20％時邊緣頻率變化很小，說明該植物有對應(yīng)的合適需水范圍。
　　 選擇“db3”小波作為基函數(shù)，對采集的植物電信號進行5尺度小波分解，從小波分解圖中能清晰地區(qū)分不同脅迫時各高頻、低頻部分的差別及細節(jié)部分出現(xiàn)的噪聲。結(jié)合小波包分解提取特征值能力強的優(yōu)點，用模糊準則來優(yōu)化小波包分解，進而以此來提取植物電信號中各種脅迫的特征，應(yīng)用于四種植物所處的七種脅

8、迫因子的識別，結(jié)果表明本文所提方法下的識別率明顯高于統(tǒng)計方法下的識別率，四種植物脅迫的平均識別率達到96％以上，說明了此方法的準確性和可行性。
　　 從空氣溫度、相對濕度、光照度及土壤含水量四個因子出發(fā)，在其他環(huán)境因子不變的條件下，分別改變某個單一環(huán)境因子，研究了時域、頻域及時頻域中典型特征參數(shù)與這一因子的變化關(guān)系，分析了單個因子與這些參數(shù)的相關(guān)程度，建立了相關(guān)程度最大的參數(shù)與這些單一因子的數(shù)量關(guān)系模型，從擬合優(yōu)度看決定系數(shù)均達

9、到0.98以上。為了建立適合碧玉生長的環(huán)境因子模型，利用學(xué)習(xí)速度快、范化性能好的極限學(xué)習(xí)機，在環(huán)境溫度、光照度及空氣相對濕度三個變量中，分別以其中一個變量為輸出，選取剩下的兩個環(huán)境因子變量、土壤含水量及信號的7個特征值作為輸入變量，建立對應(yīng)輸出因子的預(yù)測模型，通過與BP神經(jīng)網(wǎng)絡(luò)算法進行對比，從預(yù)測評價結(jié)果看，三個因子的預(yù)測模型決定系數(shù)均大于0.92，充分說明了此方法的可行性。
　　 本文選取的植物是溫室中的典型盆栽植物，研究方法