燕子掌電信號隨光照度變化的分析

王曉琳+田立國+李猛

摘要：光環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，通過檢測計算燕子掌（Crassula obliqua）電信號的時域和頻域特性，研究不同光照度下燕子掌電信號時域峰峰值、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。試驗證明，燕子掌電信號是一種微弱低頻信號，其光合作用的強弱與其植物電信號密切相關，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。

關鍵詞：光合作用；植物電信號；燕子掌；時域和頻域分析

中圖分類號： TP274；S184 文獻標志碼： A

文章編號：1002-1302（2016）11-0064-03

植物電信號是一種能夠在細胞、組織間傳遞的微弱信號[1]，它是植物對環境變化刺激引起的反應[2]，電信號激發植物產生運動、生長代謝及物質運輸等生理變化，從而調節植物與外部環境的聯系[3]。不同環境刺激會使植物產生不同的電位波動，因此可以通過觀察植物電信號的變化來檢測外部環境因子的改變[4-6]，以此營造作物自身最適宜的生長環境，從而為溫室調控提供一種可行的方法，為農業現代化的發展奠定基礎。

光合作用是一切植物賴以生存的基礎[7]，光照是植物能量的來源，因此光照度是植物生長發育過程中最重要的環境影響因子之一，光環境對植物生長的各個方面都有著廣泛的調節作用。光照的很多因素都會影響植物生長過程中的健康狀態以及生長快慢[8]，主要包括光照度（光量）、光質（光譜成分）、光周期（明/暗期時間[9]）。本研究通過對不同光照條件下燕子掌（Crassula obliqua）電信號進行采集，并對其進行系統精確地分析，以確定光照度對燕子掌生長的具體影響。

1 材料與方法

1.1 測試儀器及材料

基于NI-DAQ數據采集和LabView的植物電信號檢測及采集系統；可控LED燈光板（紅藍配比為8 ∶1，可調節發光亮度）；自制銅網屏蔽室（150 cm×50 cm×150 cm）；鉑金電極（直徑0.3 mm）；生長狀態良好的盆栽燕子掌。試驗的環境參數保持為：溫度保持在25～28 ℃，花盆土壤濕度為15%～25%，室內空氣濕度為40%～50%，手持式光譜計MK350（可檢測光照度）。

1.2 方法

將盆栽生長狀況良好的燕子掌放入植物生長柜中，置于自制的銅網屏蔽箱內，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的正負兩極，接地電極插入土壤中，信號經過兩電極接入植物電信號采集系統，合理設置其參數，而后將轉換的數據經過USB傳輸線輸入計算機，采集裝置圖1所示。

2 時域和頻域分析

為了更好地說明采集到的電信號，首先讓采集系統工作1 h，待工作穩定后先不接任何植物，看采集系統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，該系統可以很好地滿足試驗要求。

2.1 燕子掌信號的時域分析

時域分析是最基本的信號分析方法，它可以表現最基本的信號特征，LED燈光板的發光亮度可控（量程為1%～100%），滿量程為100%，分別設置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種不同的光照環境，他們對應的光照度由光譜計MK350測定，植物生長溫度保持在25～28 ℃，相對濕度保持在45%。植物電信號是一種微弱信號，因此受噪聲影響極大，如不進行消噪，很有可能使有用信號淹沒于噪聲中。目前小波軟閾值消噪已被廣泛應用于腦電、心電、肌電等微弱電信號的研究[10-11]，并取得良好的試驗效果，所以將采集到的信號先經過小波軟閾值消噪，經過Matlab計算，時域分析統計特征中峰峰值和均值與光照關系的曲線為圖3。

峰峰值的數值大小是最大值減去最小值，反映信號幅值的波動程度，而均值是信號的平均值，它可以反映出信號變化的基本趨向，這2個特征值可以表達出植物電信號在時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，燕子掌電信號的幅值單位大小為μV級，從LED燈光板亮度的10%（8 003 lx）一直到65%（27 819 lx），燕子掌電信號的峰峰值是不斷上升的趨勢，到80%（29 430 lx）時其特征值不如65%時大，表明植物電信號呈下降趨勢，由植物電信號峰峰值先升后降，可知植物的光合作用先是增強，到達一個臨界點，當光照繼續增強時，植物受到光抑制[12]，隨后光合作用減弱，而均值變化的趨勢不是很明顯，基本呈現出水平直線形狀，表明采集植物電信號的儀器系統穩定性良好，可以準確地檢測提取植物電信號。

2.2 燕子掌電信號的頻域分析

時域分析只能簡單地從時域的角度出發分析信號特征，如果想要更加準確和客觀地分析植物電信號，頻域分析是必不可少的，因為植物電信號是一種包含多種不同頻率的復雜信號，用功率譜分析法[13]可以很好地表征出電信號隨光照度變化的頻率特性，功率譜估計是把隨時間變化的電信號幅值轉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，由于植物電信號的特性，經典的功率譜估計不適合植物電信號的頻域分析，因為用此方法得出的估計值方差特性不好，頻率分辨率低，而現代功率譜估計AR模型估計型估計的頻率分辨率高，因此適合植物電信號短數據的處理，而且譜圖平滑，有利于特征值的分析研究。鑒于此，本研究擬采用現代功率譜估計AR模型功率譜估計對植物電信號頻域分析。

簡單描述AR 模型功率譜估計：AR 模型是根據已觀察到的樣本數據來選擇一個正確的模型，認為除樣本數據外其他信號數據都是白噪聲通過此模型產生的，因此與經典譜估計有區別（經典功率譜估計認為樣本數據以外的數據全為0），這就有可能獲取到更好的估計，避免了估計方差性能不好、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法。

圖4為10%光照度下未消噪信號功率譜和經過小波軟閾值消噪后的AR功率譜估計，可以看到植物電信號受外界噪聲干擾嚴重，小波軟閾值消噪可以很好地消除部分噪聲，同時也說明使用AR功率譜估計植物電信號頻域特性切實可行。

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圖在Matlab軟閾值消噪后信號的AR模型功率譜見圖5。

由圖5可知，植物電信號是一種低頻信號，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，可以認為主要是外界噪聲干擾造成的。從6組光照度圖來看，前4組燕子掌功率譜特性曲線隨光照度變化不大，但也可以明顯看出在光照條件5時功率譜有明顯變化，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，功率譜曲線有向高頻變化的趨勢，說明在光照條件5時比其他光照條件反應強烈，大致趨勢也間接證明光合作用隨光照度的不斷增強先是增強，而后下降，這與時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，分別計算譜重心頻率（信號功率按頻率的分布重心）、譜邊緣頻率（0 Hz 到該頻率時的信號功率占總功率的95%）和功率譜熵 （反映信號的復雜程度），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律呈現一致性，在光照度10%～50%變化不是很大，在50%～80%比前一范圍反應要大，而且在選取的6個點處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復雜度變大，進而說明燕子掌電信號受光照變化而變化，光照度增強電信號不斷增強，當光照度到達一定強度時，光合作用達到最強，之后各特征值呈現下降趨勢，表明達到了光飽和，光合作用不再增強。

綜合時域和頻域各特征值的分析，各特征值反映的總體趨勢較為一致，那就是在50%～80%光照度下植物電信號反應較為強烈，根據介值定理可知，在這一光照范圍條件下必存在1個臨界值點，植物電信號達到最大，光合作用最強。

3 結論

通過研究燕子掌的時域和頻域特性，可以得出以下結論：燕子掌電信號是一種微弱低頻信號，其植物電信號隨著光照度的增強而增強，而且必存在1個臨界點，但由于試驗條件有限，不能準確得到，而且在實際環境條件下長期保持在某一精確的數值上比較困難，意義不大，而選取某一段時間對應的一定范圍內的光照條件變得十分有意義，試驗可得出燕子掌（Crassula obliqua）電信號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境因子模型打下了良好的基礎。

參考文獻：

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

[2]王蘭州，李海霞，林 敏，等. 植物微弱電波信號的時、頻域分析[J]. 中國計量學院學報，2005，16（4）：294- 298.

[3]盧善發. 植物電信號的傳遞途徑與方式[J]. 植物學通報，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，Flexas 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，Foster 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. 多通道腦電信號的盲分離[J]. 生物物理學報，2004，20（1）：77-82.

[12]李新國，孟慶偉，趙世杰. 強光脅迫下銀杏葉片的光抑制及其防御機制[J]. 林業科學，2004，40（3）：56-59.

[13]王春興. 基于MATLAB實現經典功率譜估計[J]. 曲阜師范大學學報，2011，37（2）：59-62.