王曉琳+田立國(guó)+李猛

摘要：光環(huán)境是影響光合作用最重要的因素。不同植物所需的最適宜光照條件不同，通過(guò)檢測(cè)計(jì)算燕子掌（Crassula obliqua）電信號(hào)的時(shí)域和頻域特性，研究不同光照度下燕子掌電信號(hào)時(shí)域峰峰值、均值、頻域功率譜的變化，以及表征它們的特征值譜重心頻率、譜邊緣頻率和功率譜熵，探究它們最適宜的光照度。試驗(yàn)證明，燕子掌電信號(hào)是一種微弱低頻信號(hào)，其光合作用的強(qiáng)弱與其植物電信號(hào)密切相關(guān)，燕子掌最適宜的光照度為24 000～29 500 lx，在此光照度范圍其光合作用較強(qiáng)。

關(guān)鍵詞：光合作用；植物電信號(hào)；燕子掌；時(shí)域和頻域分析

中圖分類(lèi)號(hào)： TP274；S184 文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2016）11-0064-03

植物電信號(hào)是一種能夠在細(xì)胞、組織間傳遞的微弱信號(hào)[1]，它是植物對(duì)環(huán)境變化刺激引起的反應(yīng)[2]，電信號(hào)激發(fā)植物產(chǎn)生運(yùn)動(dòng)、生長(zhǎng)代謝及物質(zhì)運(yùn)輸?shù)壬碜兓?，從而調(diào)節(jié)植物與外部環(huán)境的聯(lián)系[3]。不同環(huán)境刺激會(huì)使植物產(chǎn)生不同的電位波動(dòng)，因此可以通過(guò)觀察植物電信號(hào)的變化來(lái)檢測(cè)外部環(huán)境因子的改變[4-6]，以此營(yíng)造作物自身最適宜的生長(zhǎng)環(huán)境，從而為溫室調(diào)控提供一種可行的方法，為農(nóng)業(yè)現(xiàn)代化的發(fā)展奠定基礎(chǔ)。

光合作用是一切植物賴(lài)以生存的基礎(chǔ)[7]，光照是植物能量的來(lái)源，因此光照度是植物生長(zhǎng)發(fā)育過(guò)程中最重要的環(huán)境影響因子之一，光環(huán)境對(duì)植物生長(zhǎng)的各個(gè)方面都有著廣泛的調(diào)節(jié)作用。光照的很多因素都會(huì)影響植物生長(zhǎng)過(guò)程中的健康狀態(tài)以及生長(zhǎng)快慢[8]，主要包括光照度（光量）、光質(zhì)（光譜成分）、光周期（明/暗期時(shí)間[9]）。本研究通過(guò)對(duì)不同光照條件下燕子掌（Crassula obliqua）電信號(hào)進(jìn)行采集，并對(duì)其進(jìn)行系統(tǒng)精確地分析，以確定光照度對(duì)燕子掌生長(zhǎng)的具體影響。

1 材料與方法

1.1 測(cè)試儀器及材料

基于NI-DAQ數(shù)據(jù)采集和LabView的植物電信號(hào)檢測(cè)及采集系統(tǒng)；可控LED燈光板（紅藍(lán)配比為8 ∶1，可調(diào)節(jié)發(fā)光亮度）；自制銅網(wǎng)屏蔽室（150 cm×50 cm×150 cm）；鉑金電極（直徑0.3 mm）；生長(zhǎng)狀態(tài)良好的盆栽燕子掌。試驗(yàn)的環(huán)境參數(shù)保持為：溫度保持在25～28 ℃，花盆土壤濕度為15%～25%，室內(nèi)空氣濕度為40%～50%，手持式光譜計(jì)MK350（可檢測(cè)光照度）。

1.2 方法

將盆栽生長(zhǎng)狀況良好的燕子掌放入植物生長(zhǎng)柜中，置于自制的銅網(wǎng)屏蔽箱內(nèi)，在植物箱頂放置可控光的LED燈光板，屏蔽箱和屏蔽室外殼接地，鉑金電極直接刺入植物葉片組織，正負(fù)電極之間的距離約為10 mm，將鉑金電極接入植物電采集系統(tǒng)的正負(fù)兩極，接地電極插入土壤中，信號(hào)經(jīng)過(guò)兩電極接入植物電信號(hào)采集系統(tǒng)，合理設(shè)置其參數(shù)，而后將轉(zhuǎn)換的數(shù)據(jù)經(jīng)過(guò)USB傳輸線(xiàn)輸入計(jì)算機(jī)，采集裝置圖1所示。

2 時(shí)域和頻域分析

為了更好地說(shuō)明采集到的電信號(hào)，首先讓采集系統(tǒng)工作1 h，待工作穩(wěn)定后先不接任何植物，看采集系統(tǒng)受到外界噪聲干擾有多大，從噪聲圖（圖2）可以看出，外界噪聲很小，該系統(tǒng)可以很好地滿(mǎn)足試驗(yàn)要求。

2.1 燕子掌信號(hào)的時(shí)域分析

時(shí)域分析是最基本的信號(hào)分析方法，它可以表現(xiàn)最基本的信號(hào)特征，LED燈光板的發(fā)光亮度可控（量程為1%～100%），滿(mǎn)量程為100%，分別設(shè)置10%（8 003 lx）、20%（15 010 lx）、35%（19 230 lx）、50%（24 015 lx）、65%（27 819 lx）、80%（29 430 lx）6種不同的光照環(huán)境，他們對(duì)應(yīng)的光照度由光譜計(jì)MK350測(cè)定，植物生長(zhǎng)溫度保持在25～28 ℃，相對(duì)濕度保持在45%。植物電信號(hào)是一種微弱信號(hào)，因此受噪聲影響極大，如不進(jìn)行消噪，很有可能使有用信號(hào)淹沒(méi)于噪聲中。目前小波軟閾值消噪已被廣泛應(yīng)用于腦電、心電、肌電等微弱電信號(hào)的研究[10-11]，并取得良好的試驗(yàn)效果，所以將采集到的信號(hào)先經(jīng)過(guò)小波軟閾值消噪，經(jīng)過(guò)Matlab計(jì)算，時(shí)域分析統(tǒng)計(jì)特征中峰峰值和均值與光照關(guān)系的曲線(xiàn)為圖3。

峰峰值的數(shù)值大小是最大值減去最小值，反映信號(hào)幅值的波動(dòng)程度，而均值是信號(hào)的平均值，它可以反映出信號(hào)變化的基本趨向，這2個(gè)特征值可以表達(dá)出植物電信號(hào)在時(shí)域分析中的重要信息。由圖3可以看出，在可變的光照條件下，燕子掌電信號(hào)的幅值單位大小為μV級(jí)，從LED燈光板亮度的10%（8 003 lx）一直到65%（27 819 lx），燕子掌電信號(hào)的峰峰值是不斷上升的趨勢(shì)，到80%（29 430 lx）時(shí)其特征值不如65%時(shí)大，表明植物電信號(hào)呈下降趨勢(shì)，由植物電信號(hào)峰峰值先升后降，可知植物的光合作用先是增強(qiáng)，到達(dá)一個(gè)臨界點(diǎn)，當(dāng)光照繼續(xù)增強(qiáng)時(shí)，植物受到光抑制[12]，隨后光合作用減弱，而均值變化的趨勢(shì)不是很明顯，基本呈現(xiàn)出水平直線(xiàn)形狀，表明采集植物電信號(hào)的儀器系統(tǒng)穩(wěn)定性良好，可以準(zhǔn)確地檢測(cè)提取植物電信號(hào)。

2.2 燕子掌電信號(hào)的頻域分析

時(shí)域分析只能簡(jiǎn)單地從時(shí)域的角度出發(fā)分析信號(hào)特征，如果想要更加準(zhǔn)確和客觀地分析植物電信號(hào)，頻域分析是必不可少的，因?yàn)橹参镫娦盘?hào)是一種包含多種不同頻率的復(fù)雜信號(hào)，用功率譜分析法[13]可以很好地表征出電信號(hào)隨光照度變化的頻率特性，功率譜估計(jì)是把隨時(shí)間變化的電信號(hào)幅值轉(zhuǎn)化為功率譜隨頻率變化的功率譜圖，比單純從頻率譜角度分析更加清晰直觀，由于植物電信號(hào)的特性，經(jīng)典的功率譜估計(jì)不適合植物電信號(hào)的頻域分析，因?yàn)橛么朔椒ǖ贸龅墓烙?jì)值方差特性不好，頻率分辨率低，而現(xiàn)代功率譜估計(jì)AR模型估計(jì)型估計(jì)的頻率分辨率高，因此適合植物電信號(hào)短數(shù)據(jù)的處理，而且譜圖平滑，有利于特征值的分析研究。鑒于此，本研究擬采用現(xiàn)代功率譜估計(jì)AR模型功率譜估計(jì)對(duì)植物電信號(hào)頻域分析。

簡(jiǎn)單描述AR 模型功率譜估計(jì)：AR 模型是根據(jù)已觀察到的樣本數(shù)據(jù)來(lái)選擇一個(gè)正確的模型，認(rèn)為除樣本數(shù)據(jù)外其他信號(hào)數(shù)據(jù)都是白噪聲通過(guò)此模型產(chǎn)生的，因此與經(jīng)典譜估計(jì)有區(qū)別（經(jīng)典功率譜估計(jì)認(rèn)為樣本數(shù)據(jù)以外的數(shù)據(jù)全為0），這就有可能獲取到更好的估計(jì)，避免了估計(jì)方差性能不好、分辨率低的不足，用這種方法得到的頻率分辨率較高，因此它是一種高分辨率譜估計(jì)法。

圖4為10%光照度下未消噪信號(hào)功率譜和經(jīng)過(guò)小波軟閾值消噪后的AR功率譜估計(jì)，可以看到植物電信號(hào)受外界噪聲干擾嚴(yán)重，小波軟閾值消噪可以很好地消除部分噪聲，同時(shí)也說(shuō)明使用AR功率譜估計(jì)植物電信號(hào)頻域特性切實(shí)可行。

為了更好地顯示頻域特性，橫軸的頻率范圍選擇到 5 Hz，6種不同光照條件下功率譜估計(jì)圖在Matlab軟閾值消噪后信號(hào)的AR模型功率譜見(jiàn)圖5。

由圖5可知，植物電信號(hào)是一種低頻信號(hào)，大部分能量集中在0.5 Hz以下，高頻處也存在一些功率譜線(xiàn)，可以認(rèn)為主要是外界噪聲干擾造成的。從6組光照度圖來(lái)看，前4組燕子掌功率譜特性曲線(xiàn)隨光照度變化不大，但也可以明顯看出在光照條件5時(shí)功率譜有明顯變化，那就是0.5～2.5 Hz之間的功率譜比其他圖要大，功率譜更集中，功率譜曲線(xiàn)有向高頻變化的趨勢(shì)，說(shuō)明在光照條件5時(shí)比其他光照條件反應(yīng)強(qiáng)烈，大致趨勢(shì)也間接證明光合作用隨光照度的不斷增強(qiáng)先是增強(qiáng)，而后下降，這與時(shí)域峰峰值反映的信息基本一致。

為了更好地反映植物隨光照變化的頻域特性，分別計(jì)算譜重心頻率（信號(hào)功率按頻率的分布重心）、譜邊緣頻率（0 Hz 到該頻率時(shí)的信號(hào)功率占總功率的95%）和功率譜熵 （反映信號(hào)的復(fù)雜程度），制成圖表，如圖6與圖7。

由圖6與圖7可以看出，譜重心頻率、譜邊緣頻率和功率譜熵變化規(guī)律呈現(xiàn)一致性，在光照度10%～50%變化不是很大，在50%～80%比前一范圍反應(yīng)要大，而且在選取的6個(gè)點(diǎn)處65%光照度下特征值最大，譜重心和譜邊緣頻率越大表明植物受抑制越小，功率譜熵大表明植物電信號(hào)復(fù)雜度變大，進(jìn)而說(shuō)明燕子掌電信號(hào)受光照變化而變化，光照度增強(qiáng)電信號(hào)不斷增強(qiáng)，當(dāng)光照度到達(dá)一定強(qiáng)度時(shí)，光合作用達(dá)到最強(qiáng)，之后各特征值呈現(xiàn)下降趨勢(shì)，表明達(dá)到了光飽和，光合作用不再增強(qiáng)。

綜合時(shí)域和頻域各特征值的分析，各特征值反映的總體趨勢(shì)較為一致，那就是在50%～80%光照度下植物電信號(hào)反應(yīng)較為強(qiáng)烈，根據(jù)介值定理可知，在這一光照范圍條件下必存在1個(gè)臨界值點(diǎn)，植物電信號(hào)達(dá)到最大，光合作用最強(qiáng)。

3 結(jié)論

通過(guò)研究燕子掌的時(shí)域和頻域特性，可以得出以下結(jié)論：燕子掌電信號(hào)是一種微弱低頻信號(hào)，其植物電信號(hào)隨著光照度的增強(qiáng)而增強(qiáng)，而且必存在1個(gè)臨界點(diǎn)，但由于試驗(yàn)條件有限，不能準(zhǔn)確得到，而且在實(shí)際環(huán)境條件下長(zhǎng)期保持在某一精確的數(shù)值上比較困難，意義不大，而選取某一段時(shí)間對(duì)應(yīng)的一定范圍內(nèi)的光照條件變得十分有意義，試驗(yàn)可得出燕子掌（Crassula obliqua）電信號(hào)最適宜的光照度范圍為24 000～29 500 lx。從而為以后建立植物與各種環(huán)境因子模型打下了良好的基礎(chǔ)。

參考文獻(xiàn)：

[1]婁成后. 高等植物中電化學(xué)波的信使傳遞[J]. 生物物理學(xué)報(bào)，1996，12（4）：739-745.

[2]王蘭州，李海霞，林 敏，等. 植物微弱電波信號(hào)的時(shí)、頻域分析[J]. 中國(guó)計(jì)量學(xué)院學(xué)報(bào)，2005，16（4）：294- 298.

[3]盧善發(fā). 植物電信號(hào)的傳遞途徑與方式[J]. 植物學(xué)通報(bào)，1996，13（4）：23-27.

[4]Hlavackova V，Krchnak P，Naus J，et al. Electrical and chemical signals involved in short-term systemic photosynthetic responses of tobacco plants to local burning[J]. Planta，2006，225（1）：235-244.

[5]Shvetsova T，Mwesigwa J，Labady A，et al. Soybean electrophysiology effects of acid rain[J]. Plant Science，2002，162（5）：723-731.

[6]Gallé A，Lautner S，F(xiàn)lexas J，et al. Environmental stimuli and physiological responses：the current view on electrical signalling[J]. Environmental and Experimental Botany，2014，114：15-21.

[7]Brenner E D，Stahlberg R，Mancuso S，et al. Plant neuro-biology：an integrated view of plant signaling [J]. Trends in Plant Science，2006，11（8）：413-419.

[8]Volkov A G，Baker K，F(xiàn)oster J C，et al. Circadian variations in biologically closed electrochemical circuits in Aloe vera and Mimosa pudica[J]. Bioelectrochemistry，2011，81（1）：39-45.

[9]Chatterjee S K，Ghosh S，Das S，et al. Forward and inverse modeling approaches for prediction of light stimulus from electrophysiological response in plants[J]. Measurement，2014，53：101-116.

[10]Luo Z Z，Li Y F，Meng M. EMG dnoising basedon the lifting wavelet transform[J]. Bioinformatics and Biomedical Engineering，2009，10：256-259.

[11]游榮義，徐慎初，陳 忠. 多通道腦電信號(hào)的盲分離[J]. 生物物理學(xué)報(bào)，2004，20（1）：77-82.

[12]李新國(guó)，孟慶偉，趙世杰. 強(qiáng)光脅迫下銀杏葉片的光抑制及其防御機(jī)制[J]. 林業(yè)科學(xué)，2004，40（3）：56-59.

[13]王春興. 基于MATLAB實(shí)現(xiàn)經(jīng)典功率譜估計(jì)[J]. 曲阜師范大學(xué)學(xué)報(bào)，2011，37（2）：59-62.