基于多管离子选择性微电极的番茄营养水平快速检测方法

An evaluation method is investigated for greenhouse tomato nutrient level based on ion concentration using multi-barrel ion-selective microelectrodes. The study is started from multi-barrel ion selective microelectrode preparation and signal resolution. By analyzing the microstructure of tomato leaves and vascular tissue, the mechanical models are established using the finite element method, thus finding the optimal microelectrode shape and structural parameters. The suitable sensitive membranes are screened or developed. Studies are made for the electrical signal characteristics of sensitive electrode that its tip is less than 10 micron. Then the measurement models are constructed between microelectrode signal and ionic concentration. The variations are studied among nitrate, ammonium, potassium, calicium and magnesium ions concentration of tomato leaves and vascular tissue under different elements of nitrogen, potassium, magnesium, calcium nutrient levels, thus constructing the models between nutrient levels and ionic concentrations. The model is analyzed to explore the measurement of inversing nutrition levels according to the ionic concentration. The variation was analyzed between microelectrode signal and the ion concentration. The feature information is extracted for nutritional level using principal component analysis and fuzzy neural network so as to establish the detection model of nutrition information. The project breaks through the bottleneck that conventional microelectrode can not reach simultaneous and precise detection of crop nitrogen, potassium, magnesium and calcium nutrient levels.

以温室栽培的番茄为对象，从多管离子选择性微电极制备和信号解析两方面入手，研究多管离子选择性微电极的离子检测机理和基于离子浓度的番茄营养水平评价方法。通过对番茄叶片和维管组织的显微结构分析，采用有限元法建立力学模型，寻求最优的微电极形状和结构参数；筛选或研制合适的敏感膜，研究在微米级尺度下各敏感电极的电信号特征，构建微电极信号－离子浓度测量模型。研究番茄在不同氮、钾、镁、钙等营养水平下叶片和维管组织内硝酸根离子、铵离子、钾离子等作物营养离子浓度的变化规律，建立营养元素营养水平与离子浓度的关系模型；对这些关系模型进行解析，探索根据离子浓度信息反演营养水平的方法。分析微电极信号与植株体内离子浓度的变化规律，提取营养水平特征信息，采用主成分分析方法和模糊神经网络方法，建立营养信息检测模型。本项目突破了传统微电极无法同时、精确检测作物氮、钾、镁、钙营养水平的瓶颈。

在温室生产中，容易出现作物营养元素比例失调或缺素等现象，迫切需要在作物生长过程中对养分信息进行精确监测和诊断。常规诊断方法要进行破坏性检测，费时费力。本项目提出了一种基于多管离子选择性微电极对作物营养水平同时快速检测的方法：.1）通过对NO3-、NH4+和K+离子敏感剂配方进行试验分析，筛选出了适用于多管离子选择性微电极的离子敏感膜；通过有限元分析方法对电极结构进行了优化分析；培育出了不同营养水平梯度的番茄样本；研究分析单因素NO3-、NH4+和K+胁迫以及离子交互作用对番茄氮钾含量变化的影响；研究了多管离子选择性微电极的响应特性，建立了多管离子选择性微电极输出信号与离子浓度关系模型。.2）对番茄植株不同部位区域的SPAD值与番茄整株氮含量之间的关系进行了回归分析，发现番茄倒6叶的叶上位子叶的中叶、叶心区域以及叶中位子叶的中叶、叶心区域组合测得的SPAD均值，可用于建立整株番茄含氮量水平的预估模型，其预估值绝对误差低于0.20%，相对误差低于5.20%，为微电极测试位点的选择提供了参考。.3）分析了特征部位的营养离子浓度信息和番茄植株营养水平之间的关系，建立了离子浓度与番茄植株营养水平关系模型；结合微电极输出信号与离子浓度关系模型，建立了番茄氮营养信息检测模型，并对检测模型进行验证，该番茄氮营养信息检测模型最大相对误差2.86%，最小相对误差0.47%，平均相对误差1.57%。.4）采用模糊神经网络方法，以多管离子选择性微电极中NO3-、NH4+、K+、Ca2+、Mg2+离子选择性微电极的信号为输入，作物N、K、Ca和Mg的营养水平为输出，建立了一个五层模糊神经网络的作物营养水平快速诊断模型，其N、K、Ca、Mg元素营养水平的评价正确率分别为96%、94%、97%、96%，评价平均正确率达95.75%。.5）采用微电极技术，分析了施氮、钾量与叶片膜电位、膜电容和光激励的膜电位响应的关系，分别建立基于叶片膜电位、膜电容和光激励的膜电位响应幅值的氮、钾单因素营养诊断模型，并进一步建立了检测精度更高的基于叶片膜电容和光激励的膜电位响应幅值的双因素作物氮营养检测模型；分析了氮钾交互与叶片膜电位、膜电容和光激励的膜电位响应的关系，用权重系数矩阵和交互影响系数矩阵对检测模型进行了修正，建立了氮钾交互下的作物营养诊断模型。