SPAD-502叶绿素仪测定植被叶绿素含量的方法

简介: SPAD-502叶绿素仪测定植被叶绿素含量的方法

  本文介绍基于SPAD-502叶绿素仪测定植被叶片叶绿素含量的方法。

  SPAD-502是由日本柯尼卡美能达(Konica Minolta)株式会社生产的轻便、手持式叶绿素仪,可以在不破坏作物的情况下快速测量植被叶片中的叶绿素含量。本文就详细介绍基于这一便携式叶绿素仪进行植被叶片叶绿素含量的测定方法。

  这里需要注意,由SPAD-502叶绿素仪测定所得的植被叶片叶绿素含量,其度量单位就是SPAD,是由特定波长光被叶片吸收程度所推算出的植被叶片叶绿素含量的相对值,是一个没有量纲的单位。

  首先,仪器需要使用2节AA电池作为电力来源;将电池装在仪器下方右侧的电池仓即可。随后,将仪器正面中部(下图中红色区域内)的旋钮式开关打开。

  接下来,仪器将出现如下所示的待定标状态。其中,屏幕右侧上方显示的是电池电量。

  此时,我们将仪器右侧上方(上图中红色区域内)的测量板(测量板是由“测量头”与“指压台”组成的)轻轻按压至合并(此时其中不要放置任何物体),待其出现“嘀”的一声提示音后,出现如下图所示的界面,说明仪器已经完成定标,可以开始数据的测量。

  可以看到,仪器的屏幕中此时显示N=0这一字符,表示当前还并未测定任何数据。

  随后,我们将带测定叶绿素含量的植被叶片放入仪器右侧上方的测量板,并轻轻按压至其合并;待其出现“嘀”的一声提示音后,出现如下图所示的界面,说明仪器已经完成对第一个数据的测定。其中,显示N=1这一字符表示当前已经对第一个叶片的数据完成了测定,其叶绿素含量为41.8

  测定时需要保持好力度。力度过大,可能会使得叶片破碎;力度过小,则可能导致无法测得数据。

  随后,不断重复这一测定操作,从而测定同一株植被不同叶片的叶绿素含量,方便我们后期取多次测量的平均值作为该株植被的叶片叶绿素含量,从而提升结果精度。需要注意,对同一株植被的测定过程中,不要进行定标操作,否则会使得前期测定的数据都丢失。

  例如,下图表示进行到了第3次测量,且第3次测量的结果值为39.8

  如果在测定过程中出现如下图所示的报错情况,一般是处于测定板中的植被叶片没有放好;我们在当前叶片的另一个位置进行测定即可。

  测定时,若出现结果数值大于50的情况,会出现如下图所示的星号*提醒。这是因为用SPAD-502叶绿素仪测定的结果在大于50时,其精度会下降。

  测定过程中,我们可以按下“DATA RECALL”按钮,用散点图的形式回顾之前测定的数据。此时,再按下“DATA RECALL”按钮,可以在不同数据之间切换。

  在切换到某一点后,我们可以按下“1 DATA DELETE”按钮,将当前点的数据删除,并直接进行再一次测定。如下图所示,我们就将第10个点的数据删除了,因此其数值目前显示为--.-

  当我们测定了足够的点后,按下“AVERAGE”按钮,即可对前期所测定的所有点的数值进行求平均;这一平均值就是该株植被的叶片叶绿素含量平均值。这里需要注意两点——首先,获得某一株植被的叶片叶绿素平均值后,需要尽快记录在手机等其他设备中或记录本上;因为SPAD-502叶绿素仪自身是不会保存数据的,一旦重新定标或关机,之前测定的全部数据都会丢失。其次,SPAD-502叶绿素仪最多保存30个点的数据,多出的数据会覆盖前期的数据。

  随后,通过“ALL DATA CLEAR”按钮,即可将当前测定的所有点的数据一次性删除。按下“ALL DATA CLEAR”按钮一次后先是进入删除提示界面,如下图所示;再按下“ALL DATA CLEAR”按钮一次后即可删除全部数据。

  删除全部数据后,即可开始对第二株植被的叶片叶绿素含量进行测定。可以看到,此时屏幕中又出现了N=0这一字符,直接依据前述步骤进行测定即可。

  完成全部植被的数据测定与结果记录后,将仪器关闭即可

相关文章
|
传感器
红外光学雨量传感器用于测量雨水的降雨量的场景
红外光学雨量传感器通常用于测量雨水的降雨量,以下是一些应用案例:
红外光学雨量传感器用于测量雨水的降雨量的场景
|
传感器 安全
红外雨量计(光学雨量传感器)在船舶航行中的应用
红外雨量计是一种能够测量降雨量的仪器,其原理是通过红外线感应雨滴的存在,从而计算出降雨量。在船舶航行中,红外雨量计可以被用于以下情况:
红外雨量计(光学雨量传感器)在船舶航行中的应用
|
传感器 存储 算法
关于光学雨量计降雨测量误差
IFR02 是通过红外光扫描原理非接触式检测降雨量的传感器(光学雨量计)。使用独特的智能学习适应算法, 可在复杂光环境中使用,具有很强的抗外部干扰能力。采用渐变脉宽调制与动态比例校正技术有利保障数据稳定性与材料老化导光性能下降的不利影响。内建 4 种雨型,可识别冲刷型、密集型、离散型、附着型降雨并分别处理。具备结露测量功能、 数据存储功能,自动记录降雨总量。光耦隔离脉冲信号输出兼容翻斗雨量计、 RS232 或者 RS485 接口方便信息化集成。
关于光学雨量计降雨测量误差
|
算法 数据挖掘
【GMDH】预测帕拉州东南部的月降雨量(Matlab代码实现)
【GMDH】预测帕拉州东南部的月降雨量(Matlab代码实现)
|
传感器 存储 算法
关于光学雨量计的灵敏度
IFR02 是通过红外光扫描原理非接触式检测降雨量的传感器(光学雨量计)。使用独特的智能学习适应算法, 可在复杂光环境中使用,具有很强的抗外部干扰能力。采用渐变脉宽调制与动态比例校正技术有利保障数据稳定性与材料老化导光性能下降的不利影响。内建 4 种雨型,可识别冲刷型、密集型、离散型、附着型降雨并分别处理。具备结露测量功能、 数据存储功能,自动记录降雨总量。光耦隔离脉冲信号输出兼容翻斗雨量计、 RS232 或者 RS485 接口方便信息化集成。多年底层技术、降雨模型积累,持续的改进升级,保障用户产品同步提升。
关于光学雨量计的灵敏度
|
传感器 算法 定位技术
Google Earth Engine ——MODIS表面反射率产品提供了在没有大气散射或吸收的情况下在地面测量的表面光谱反射率的估计。低层数据经过了大气气体和气溶胶的校正
Google Earth Engine ——MODIS表面反射率产品提供了在没有大气散射或吸收的情况下在地面测量的表面光谱反射率的估计。低层数据经过了大气气体和气溶胶的校正
175 0
Google Earth Engine ——MODIS表面反射率产品提供了在没有大气散射或吸收的情况下在地面测量的表面光谱反射率的估计。低层数据经过了大气气体和气溶胶的校正
GoogleEarthEnging—可见光红外成像辐射套件(VIIRS)每日表面反射率(VNP09GA)产品提供了来自Suomi国家极地轨道合作伙伴(S-NPP)VIIRS传感器的土地表面反射率估计。
GoogleEarthEnging—可见光红外成像辐射套件(VIIRS)每日表面反射率(VNP09GA)产品提供了来自Suomi国家极地轨道合作伙伴(S-NPP)VIIRS传感器的土地表面反射率估计。
219 0
GoogleEarthEnging—可见光红外成像辐射套件(VIIRS)每日表面反射率(VNP09GA)产品提供了来自Suomi国家极地轨道合作伙伴(S-NPP)VIIRS传感器的土地表面反射率估计。
|
传感器 智能硬件
液体测量技术:从水到血液
液体测量技术:从水到血液
液体测量技术:从水到血液

热门文章

最新文章