水稻叶片叶绿素、类胡萝卜素含量估算的归一化色素指数研究

作业9 植被指数植被指数概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。

植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。

不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。

Broadband Greenness(5 indices)（宽带绿色指标(5)）宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。

宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。

宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些波段。

下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。

1. Normalized Difference Vegetation Index归一化植被指数增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。

简称NDVI： NDVI=(NIR-R)/(NIR+R)（1）应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；（2）-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；（3）NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。

对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI 对高植被区具有较低的灵敏度；（4）NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关；2.Simple Ratio Index比值植被指数在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。

水稻叶绿素含量的测定实验原理：根据叶绿素提取液对可见光谱的吸收，利用分光光度计在特定波长下测定叶绿素提取物的吸光值，然后利用公式计算出样品中叶绿素的含量。

实验目的：可以检测水稻叶片中叶绿素a、叶绿素b及总叶绿素含量。

试剂：国药试剂（分析纯）抽提Buffer配制：（体积比）乙醇：丙酮：H2O =4.5：4.5：1仪器：分析天平(Adventurer，USA)分光光度计DU640 (Backman，USA)离心机(Backman, USA)磨样机玻璃珠直径6mm 精密型淘宝网购买操作步骤：1. 取新鲜水稻叶片，擦干后去中脉。

2. 用分析天平称取0.02-0.035g的叶片到2ml离心管中，加一个直径6mm的玻璃珠，盖紧盖子。

3. 在液氮中冻10min左右，装入液氮预冷的金属底座中，用磨样机打碎，55hzfor 30s。

（此磨样机磨样的方法可以用到很多的实验当中，具体参数自己摸索一下就可以了）4. 从金属底座中取出样品，立即开盖放掉气化液氮，否则液氮受热会把离心管炸开，毁掉样品。

5. 每管加入抽提Buffer 1.8ml，室温下避光摇15min。

6. 6000rpm离心30s。

7. 以抽提Buffer为空白，使用紫外分光光度计DU640在波长645和663下测定叶绿素提取物的吸光值，DU640测量吸光值的量程在0.2-0.8之间，如果样品太浓，可以稀释。

4. 结果分析：根据Arnon（1949）法的公式加以修正计算叶绿素含量：叶绿素a=(12.72A663-2.59A645)×v/w×1000叶绿素b=(22.88A645-4.67A663)×v/w×1000叶绿素总含量=(20.29A645+8.05A663)×v/w×1000注意事项：1. 为避免叶绿素见光分解，操作时尽量在弱光下进行，速度要快。

2. 样品不宜太多，否则加入抽提Buffer后，2ml离心管会装不下。

植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。

目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。

本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。

这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。

包括以下内容：植被光谱特征植被指数HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。

很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。

研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。

这个波长范围可范围以下四个部分：可见光（Visible）：400 nm to 700 nm近红外（Near-infrared——NIR）：700 nm to 1300 nm短波红外1（Shortwave infrared 1——SWIR-1）：1300 nm to 1900 nm短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。

植物中的叶绿素指标叶绿素是植物中一种重要的生物色素，它在光合作用中起着至关重要的作用。

通过测量植物中的叶绿素含量，我们能够了解植物的生长状态、光合能力以及受到的环境胁迫程度。

下面将介绍几种常用的叶绿素指标及其在植物科学研究和农业生产中的应用。

1. 叶绿素含量指标叶绿素含量是衡量植物叶片中叶绿素含量多少的指标，常用的方法有色素提取法和光谱测定法。

色素提取法通过将叶片样品浸泡在有机溶剂中，将叶绿素从叶片中提取出来，然后通过分光光度计测定提取液中的吸光度来计算叶绿素的含量。

光谱测定法则是通过测定叶片在不同波长下的光吸收特性，根据叶片的吸收光谱曲线来估算叶绿素含量。

叶绿素含量指标可以用于评估植物营养状况、光合作用效率以及生长发育水平。

2. 叶绿素a/b比值叶绿素a/b比值是指叶片中叶绿素a和叶绿素b含量之比，用来反映植物叶片中叶绿素的组成比例。

叶绿素a是植物中最主要的叶绿素，其吸收波长主要集中在蓝光和红光区域；而叶绿素b则在绿光区域吸收光能。

叶绿素a/b比值可以反映植物对不同波长光的利用能力，通常在光合作用受到环境胁迫时，叶绿素a/b比值会发生变化。

例如，光合作用受到光照过强或过弱的影响时，叶绿素a/b比值会增加或减小，从而影响植物的光合能力。

3. 叶绿素荧光指标叶绿素荧光是植物叶片在光合作用过程中释放出来的能量，通过测量叶绿素荧光强度，可以了解植物的光合效率和光合电子传递过程中的损失情况。

常用的叶绿素荧光指标有最大光化学效率(Fv/Fm)、非光化学耗散(NPQ)和光化学耗散(qP)等。

最大光化学效率(Fv/Fm)是指在极低光强下，植物叶片光合反应中光能转化的最高效率，是评估植物光合活性的重要指标。

非光化学耗散(NPQ)是植物叶片在光合作用过程中产生的热耗散能量，可以用于评估植物受到光照强度和温度胁迫的程度。

光化学耗散(qP)是指植物叶片中光合作用过程中光能转化为化学能的比例，可以反映植物的光合效率。

4. 叶绿素荧光成像叶绿素荧光成像是一种通过捕捉植物叶片荧光信号来显示植物光合活性分布的技术。

实验三十四植物叶绿体色素的提取、分离、表征及含量测定摘自王尊本主编,综合化学实验(第二版),第226-244页,北京:科学出版社,2007年9月。

实验三十四植物叶绿体色素的提取、分离、表征及含量测定[1-27]一、叶绿体色素的提取(一) 实验目的1)掌握有机溶剂提取叶绿体色素等天然化合物的原理和实验方法。

2)了解皂化-萃取提取胡萝卜素的原理。

3)了解1,4-二氧六环沉淀法提取叶绿素的原理。

(二) 实验原理植物光合作用是自然界最重要的现象,它是人类所利用能量的主要来源。

在把光能转化为化学能的光合作用过程中,叶绿体色素起着重要的作用。

高等植物体内的叶绿体色素有叶绿素和类胡萝卜素两类,主要包括叶绿素a、叶绿素b、胡萝卜素和叶黄素四种。

它们所呈现的颜色和在叶绿体中含量大约比例见表34.1。

表34.1 高等植物体内叶绿体色素的种类、颜色及含量项目叶绿素类胡萝卜素叶绿素a 叶绿素b 胡萝卜素叶黄素颜色蓝绿色黄绿色橙黄色黄色在叶绿体内各色素含量比例 3 1 2 13 1 叶绿素chlorophylls是叶绿酸的酯,它在植物进行光合作用中吸收可见光,并将光能转变为化学能。

叶绿素是植物进行光合作用所必需的催化剂。

在绿色植物中叶绿素主要以叶绿素a(C55H72O5N4Mg)和叶绿素b(C55H70O6N4Mg)两种结构相似的形式存在,其差别仅是叶绿素a中一个甲基被叶绿素b中的甲酰基所取代。

叶绿素的基本结构见图34.1。

在叶绿素分子结构中含有四个吡咯环,它们由四个甲烯基联结成卟啉环,在卟啉环中央有一个镁原子,它以两个共价键和两个配位键与4个吡咯环的氮原子结合成内配盐,形成镁卟啉。

在叶绿素分子中还有两个羧基,其中一个与甲醇酯化成COOCH3,另一个与叶绿醇酯化成COOC20H39长链。

类胡萝卜素carotenoids是一类不饱和的四萜类碳氢化合物(例如胡萝卜素,carotenes,或它们的氧化衍生物(例如叶黄素类,xanthophylls。

（一）检测原理：类胡萝卜素含量测定(酶标仪96T)叶绿体中所含色素主要有两大类，叶绿素(包括叶绿素a和叶绿素b)和类胡萝卜素(包括胡萝卜素和叶黄素)，它们与类囊体膜上的蛋白质结合，成为色素蛋白复合体，其含量多少及其组成决定了植物对不同光的吸收、利用效率，常常作为研究光合生理的重要指标。

根据叶绿体色素提取液对可见光谱的吸收，在649nm和665nm处测定叶绿素提取物的吸光值，在470nm处测定类胡萝卜素；然后利用经验公式计算出样品中叶绿素a含量、叶绿素b含量、叶绿素总含量及类胡萝卜素含量。

（二）试剂组分与配制：试剂名称规格保存要求试剂一粉剂×1瓶4℃保存乙醇（自备）1000mL×1瓶4℃保存抽提Buffer配制：（体积比）乙醇：丙酮=95:5（三）所需的仪器和用品：酶标仪、96孔板、天平、10mL玻璃试管、锡箔纸、无水乙醇，丙酮。

（四）测定步骤：建议正式实验前选取2个样本做预测定，了解本批样品情况，熟悉实验流程，避免实验样本和试剂浪费！1、样本制备（1）取新鲜植物叶片或其它绿色组织，去掉中脉。

（2）称约0.1g剪碎，用蒸馏水洗干净，然后加入1mL抽提Buffer，少量试剂一（约50mg），叶绿素对光敏感，务必在黑暗或弱光条件下充分研磨（难磨叶片可以添加少量石英砂助磨），然后转移至10mL玻璃试管。

（3）用抽提Buffer冲洗研钵，将所有冲洗液及研钵中所有的绿色物质转入10mL玻璃试管，用抽提Buffer补充至10mL，玻璃试管置于黑暗条件下或者包上锡箔纸浸提3h，观察试管底部组织残渣完全变白则提取完全，若组织残渣未完全变白，继续浸提至其完全变白。

2、上机检测分别取200μL浸提液和200μL抽提Buffer于96孔板，记为测定管和空白管，分别于665nm 和649nm和470nm处读取吸光值A，△A665=(A测定-A空白)665，△A649=(A测定-A空白) 649，△A470=(A测定-A空白)470。

不同品种水稻叶片的高光谱特征及其色素、含水率分析张亚彪;罗举;唐健;刘映红【摘要】研究了7个供试水稻品种孕穗期叶片色素以及含水率与高光谱特征参数之间的关系.在绿峰反射、红谷吸收以及水分吸收处,不同供试水稻品种高光谱波段反射率有显著差异.利用相关的分析方法,以(R6,40-R670)/R670、(R800-R680)/(R800+R800)、1/R510-1/R550、Dr、Sr、Rg6个光谱参数构建水稻叶片色素模型;同时,分析1 450 nm处水稻叶片含水率与吸收深度及吸收面积的相关性.研究表明,不同品种水稻含水率与光谱吸收差异在一定程度上反映出水稻品种间抗虫性差异.水稻叶片色素、含水率的高光谱特征在较大尺度上对田间水稻品种分类、健康诊断和品种抗性鉴定上有重大意义.【期刊名称】《安徽农业科学》【年(卷),期】2015(000)007【总页数】5页(P40-44)【关键词】水稻叶片;高光谱特征;叶片色素含量;含水率;抗虫性【作者】张亚彪;罗举;唐健;刘映红【作者单位】西南大学植物保护学院,重庆400715;中国水稻研究所,浙江杭州310000;中国水稻研究所,浙江杭州310000;西南大学植物保护学院,重庆400715【正文语种】中文【中图分类】S511植物叶片色素主要包括叶绿素和类胡萝卜素，能够反映绿色植物的生长状况，与植物光合作用密切相关。

叶绿素主要吸收光能，而类胡萝卜素起保护叶绿素的作用。

水分在植物生长过程中具有不可替代的作用。

叶片色素与水分含量是植物生长过程中营养胁迫、干旱胁迫、病虫为害以及衰老进程等的良好指示剂［1－3］，因此监测植物叶片中色素含量与含水率在植物健康诊断、营养状况中具有重要意义。

近年来，随着高光谱技术的发展，其快速、无损的诊断优势在农业领域越来越明显，逐步成为农作物营养生长、病虫监测的重要手段。

在可见光范围内，光谱特征以色素吸收为主。

Daughtry等［4－5］研究了玉米叶片光谱反射率与叶片色素的相关性。

基于归⼀化指数（NDVI）的植被覆盖度分级研究——以贵州省为例基于归⼀化指数（N D V I)的植被覆盖度分级研究----以贵州省为例袁⼠聪⾕甫刚(贵阳⽣产⼒促进中⼼，贵阳5500〇2)摘要：⼟地植被覆盖度是反映⼟地利⽤变化的⼀个重要指标，但传统的研究⽅法需要耗⽤⼤量的⼈⼒与物⼒进⾏采点分析。

本⽂以贵州省为例，以CBERS2遥感影象为数据源，利⽤遥感与地理信息系统技术，根据归⼀化植被指数（NDVI)可提供植被反射重要信息的原理，通过建模反演植被覆盖度，利⽤遥感与地理信息系统软件，得出⼟地植被覆盖度数据与专题地图。

利⽤NDVI研究贵州省的植被覆盖度是切实可⾏的技术。

关键词：NDVI;归⼀化植被指数;植被覆盖度;贵州省中图分类号：X87 ⽂献标志码：AA study on vegetation coverage based on NDVI---taking Gui Zhou Province as an exampleYuan Shicong,Gu Pugang(Productivity Promotion Centre of Guiyang, Guiyang 550002)Abstract ：Vegetation coverage is an important index reflecting the land use change. Employing tradi-tional method, however, needs to consume massive manpower and materials for conducting sampling and analyzing. By employing remote sensing and geographic information system technology and using CBERS2 remote sensing image as the data pool, this research conducted an inversion calculation of vegetation coverage of Guizhou Province through modeling based on the theory that NDVI ( normalized difference vegetation index) can provide important information of vegetation reflection. Both land coverage data and thematic map were finally obtained thanks to the support of remote sensing and ge-ographic information system software. The results show that calculation of vegetation coverage of Guizhou Province using NDVI is feasible.Keywords ：normalized difference vegetation index ；vegetation coverage ；Guizhou Province⼟地覆盖是指⾃然营造物和⼈⼯建筑物所覆盖的地表诸要素的综合体,包括地表植被、⼟壤、湖泊、沼泽湿地及各种建筑物（如道路等），具有特定的时间和空间属性，其形态和状态可在多种时空尺度上变化[1]。

植被光谱特征与植被指数综述植被光谱特征与植被指数是现代遥感技术中常用的分析工具，能够提供植被物候变化、生理状况、生态系统功能等多种信息。

下面是关于植被光谱特征与植被指数的综述：一、植被光谱特征植被的光谱特征指的是植物叶片反射和吸收光线的特征，通常使用遥感技术获取。

植被的光谱特征可以分为两类：光谱反射率和吸收率。

光谱反射率指植被表面反射的光线占入射光线的比例，而吸收率则指植被吸收光线的能力。

光谱反射率植被表面的光谱反射率通常被描述为“红边反射”，即在近红外（NIR）波段和绿色波段之间的波段范围内的反射率。

典型的红边反射区域在680-750 nm之间，这是由于植物叶绿素的吸收谱和植被的叶片结构所导致的。

另外，绿色波段和近红外波段的反射率也可以提供有关植被的信息。

吸收率植物叶片中的叶绿素和类胡萝卜素是两种主要的色素，它们对特定波长的光线具有吸收作用。

在可见光谱范围内，叶绿素对蓝色和红色光线的吸收最大，而类胡萝卜素对蓝色光线的吸收最大。

此外，植物叶片的纤维素、半纤维素和蛋白质等化学成分也会影响植物叶片的吸收率。

二、植被指数植被指数是一种基于植被反射谱线的标准化指标，用于评估植被生长状况、叶绿素含量、光合作用速率等。

植被指数通常使用多光谱遥感数据计算，其中常见的植被指数包括：归一化植被指数（Normalized Difference Vegetation Index，NDVI）NDVI是植被遥感研究中最常用的指数之一，它可以通过计算近红外波段（NIR）和红色波段（RED）的反射率之差来获得，公式为：(NIR - RED) / (NIR + RED)。

该指数对植被覆盖度、生长状况和叶绿素含量有较好的敏感性。

归一化差值植被指数（Normalized Difference Vegetation Index，NDVI）NDWI主要用于估计水分含量，计算公式为：(NIR - SWIR) / (NIR + SWIR)，其中SWIR是短波红外波段。

植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。

目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。

本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。

这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁迫性相关的色素、植被冠层中水分含量等。

包括以下内容：∙∙●植被光谱特征∙∙●植被指数∙∙●HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。

很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。

研究植被的波长范围一般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。

这个波长范围可范围以下四个部分：∙∙●可见光（Visible）：400 nm to 700 nm∙∙●近红外（Near-infrared——NIR）：700 nm to 1300 nm∙∙●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm∙∙●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。

基于高光谱影像的虫害水稻叶片花青素含量估算田明璐;班松涛;袁涛;王彦宇;马超;李琳一【期刊名称】《上海农业学报》【年(卷),期】2022(38)5【摘要】稻纵卷叶螟是水稻常见虫害,遭受虫害为害的叶片部位花青素含量会发生明显变化。

试验使用成像光谱仪获取遭受稻纵卷叶螟为害的水稻叶片高光谱图像,同时测量叶片上健康区域和虫害区域的花青素值,建立花青素高光谱反演模型,为虫害严重程度定量化评估提供依据。

分析结果表明:水稻叶片花青素值随着虫害程度的加剧而升高;花青素值与光谱反射率在波长为400—710 nm的可见光-红边波段范围内上显著正相关,相关系数最高为0.878(667 nm处);与一阶导数光谱在可见光-近红外多个波段范围表现出极显著相关性,相关系数最高为0.883(464 nm处);与归一化植被指数(NDVI)等多个植被指数极显著相关,相关系数最高为-0.887(NDVI)。

以植被指数为自变量、使用偏最小二乘回归算法的花青素值估算模型精度最高[建模R2为0.801,均方根误差(RMSE)为0.032]。

使用模型对虫害叶片高光谱图像进行逐像元解算,得到的花青素值分布图能够定量化、可视化地反映虫害严重程度。

该研究为水稻叶片花青素值测量和虫害监测提供了一种直观、快速的技术手段。

【总页数】6页(P113-118)【作者】田明璐;班松涛;袁涛;王彦宇;马超;李琳一【作者单位】上海市农业科学院农业科技信息研究所【正文语种】中文【中图分类】S127;TP79【相关文献】1.水稻上部叶片叶绿素含量的高光谱估算模型2.基于无人机高光谱影像的引黄灌区水稻叶片全氮含量估测3.用高光谱植被指数估算水稻乳熟后叶片和穗的色素含量4.基于无人机高光谱影像的水稻叶片磷素含量估算5.基于机载高光谱影像的南方水稻土有机质含量估算因版权原因，仅展示原文概要，查看原文内容请购买。

叶绿素含量的测定一、原理根据叶绿体色素提取液对可见光谱的吸收，利用分光光度计在某一特定波长测定其吸光度，即可用公式计算出提取液中各色素的含量。

根据朗伯—比尔定律，某有色溶液的吸光度A 与其中溶质浓度C 和液层厚度L 成正比，即A ＝αCL式中：α比例常数。

当溶液浓度以百分浓度为单位，液层厚度为1cm 时，α为该物质的吸光系数。

各种有色物质溶液在不同波长下的吸光系数可通过测定已知浓度的纯物质在不同波长下的吸光度而求得。

如果溶液中有数种吸光物质，则此混合液在某一波长下的总吸光度等于各组分在相应波长下吸光度的总和。

这就是吸光度的加和性。

今欲测定叶绿体色素混合提取液中叶绿素a 、b 和类胡萝卜素的含量，只需测定该提取液在三个特定波长下的吸光度A ，并根据叶绿素a 、b 及类胡萝卜素在该波长下的吸光系数即可求出其浓度。

在测定叶绿素a 、b 时为了排除类胡萝卜素的干扰，所用单色光的波长选择叶绿素在红光区的最大吸收峰。

已知叶绿素a 、叶绿素b 的80%丙酮溶液在红外区的最大吸收峰分别位于663、645nm 处。

已知在波长663nm 下叶绿素a 、叶绿素b 在该溶液中的吸光系数的分别为82.04和9.27；在波长645nm 处的吸光系数分别为16.75和45.60。

根据加和性原则列出以下关系式：A663=82.04Ca+9.27Cb （1） A645=16.76Ca+45.60Cb （2）式（1） （2）A 663nm 和A645nm 为叶绿素溶液在663nm 和645nm 处的吸光度，C a C b 分别为叶绿素a 、叶绿素b 的浓度，以mg/L 为单位。

解方程（1） （2）组得C a =12.72 A 663—2.59 A 645 (3) C b =22.88 A 645—4.67 A 663 (4) 将C a +C b 相加即得叶绿素总量C TC T ＝ C a 十C b ＝20.29A 645—8.05 A 663 (5) 从公式（3）、（4）、（5）可以看出，，就可计算出提取液中的叶绿素a 、b 浓度另外，由于叶绿素a 叶绿素b 在652nm 的吸收峰相交，两者有相同的吸光系数（均为30.5），也可以在此波长下测定一次吸光度（A 652）而求出叶绿素a 、叶绿素 b 总量所测定材料的单位面积或单位重量的叶绿素含量可按下式进行计算： C T ＝5.341000652 A (6)有叶绿素存在的条件下，用分光光度法可同时测出溶液中类胡萝卜素的含量。

植物叶绿素测定方法引言：叶绿素是植物叶片中的主要色素，它在光合作用过程中起到了至关重要的作用。

因此，测定叶绿素含量对于研究植物光合作用和生长发育具有重要意义。

本文将介绍一些常用的植物叶绿素测定方法。

一、光谱测定法光谱测定法是通过测量叶片在不同波长下的吸收光谱来间接测定叶绿素含量的方法。

该方法不需要破坏叶片结构，无需显微镜，操作简单，适用于大规模测量。

1.1超级连续光谱仪测定法该方法使用超级连续光谱仪，可以在380-780 nm范围内连续测量光谱，并通过计算吸收峰的面积或最大吸收波长的吸光度来间接测定叶绿素含量。

该方法的优点是快速、准确，并且可以同时测量多个样品。

1.2激光共振散射光谱法该方法使用激光共振散射光谱仪，通过测量散射光在不同波长下的强度，利用散射光和吸收光的关系来计算叶绿素含量。

该方法的优点是高灵敏度、高分辨率，适用于低浓度叶绿素的测定。

1.3荧光光谱法该方法通过测量叶片在受光照射下发出的荧光光谱来间接测定叶绿素含量。

荧光光谱主要包括叶绿素a的激发峰和荧光峰，通过计算两者的比值来推测叶绿素含量。

该方法的优点是快速、非破坏性，适用于大规模测量。

二、色素提取法色素提取法是将叶片中的叶绿素溶解出来，通过分光光度计测量溶液的吸光度来直接测定叶绿素含量的方法。

2.1乙醇提取法该方法将叶片粉碎并浸泡在乙醇中，使叶绿素从叶片中溶解出来，然后通过分光光度计测量乙醇溶液的吸光度。

该方法的优点是简单、易操作，并且适用于多种植物样品。

2.2丙酮提取法该方法将叶片粉碎并浸泡在丙酮中，丙酮具有更高的叶绿素提取效率，然后通过分光光度计测量丙酮溶液的吸光度。

该方法的优点是提取效率高，适用于含有较少叶绿素的样品。

2.3异丙醇提取法该方法将叶片粉碎并浸泡在异丙醇中，使叶绿素从叶片中溶解出来，然后通过分光光度计测量异丙醇溶液的吸光度。

该方法的优点是提取效率高，适用于含有较高叶绿素浓度的样品。

三、色谱测定法色谱测定法是通过将叶片样品中的叶绿素提取出来，并通过高效液相色谱仪进行分析来测定叶绿素含量的方法。

植被光谱分析与植被指数计算解读植被光谱分析与植被指数计算在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation indices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某⼀特性或者细节。

⽬前，在科学⽂献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。

本⽂总结现有植被指数，根据对植被波谱特征产⽣重要影响的主要化学成份：⾊素（Pigments）、⽔分（Water）、碳（Carbon）、氮（Nitrogen），总结了7⼤类实⽤性较强的植被指数，即：宽带绿度、窄带绿度、光利⽤率、冠层氮、⼲旱或碳衰减、叶⾊素、冠层⽔分含量。

这些植被指数可以简单度量绿⾊植被的数量和⽣长状况、叶绿素含量、叶⼦表⾯冠层、叶聚丛、冠层结构、植被在光合作⽤中对⼊射光的利⽤效率、测量植被冠层中氮的相对含量、估算纤维素和⽊质素⼲燥状态的碳含量、度量植被中与胁迫性相关的⾊素、植被冠层中⽔分含量等。

包括以下内容：●植被光谱特征●植被指数●HJ-1-HSI植被指数计算1.植被光谱特征植被跟太阳辐射的相互关系有别于其他物质，如裸⼟、⽔体等，⽐如植被的“红边”现象，即在<700nm附近强吸收，>700nm⾼反射。

很多因素影响植被对太阳辐射的吸收和反射，包括波长、⽔分含量、⾊素、养分、碳等。

研究植被的波长范围⼀般为400 nm to 2500 nm，这也是传感器设计选择的波长范围。

这个波长范围可范围以下四个部分：●可见光（Visible）：400 nm to 700 nm●近红外（Near-infrared——NIR）：700 nm to 1300 nm●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm其中NIR和SWIR-1的过渡区（1400nm附近）是⼤⽓⽔的强吸收范围，卫星或者航空传感器⼀般不获取这范围的反射值。