植物水分生理信息与植物的非生物与生物胁迫密切相关,更好地获取林区植物水分生理信息有助于农林业的健康发展。为实现林区活立木茎干水分的全季节性连续监测,克服林区恶劣环境对监测设备的不利影响,本文提出了一种活立木茎干水分实时无损获取方法,并将其应用到植物的非生物与生物胁迫分析中。本文的主要研究内容、方法与结论包括:(1)针对木本植物心材以外区域茎干水分的实时无损测量需求,本文提出了基于驻波比法的活立木茎干水分测量方法。在此基础上,首先设计了传感器的测量电路,确定了传感器100MHz的测量频率,组装了可用于野外测量的传感器。随后通过茎干模拟实验,确定了传感器的敏感范围(轴向53mm,径向20mm),拟合了传感器对相关因子(包括介电常数、电导率、温度、茎干直径)的标定方程,验证了传感器对溶液冰点检测的可行性。最后基于烘干法分析了传感器的测量误差(平均误差为0.008cm3 cm-3)。(2)由于林区数据采集系统受到存储空间和运行功耗的限制,本文提出了基于压缩感知的林区数据采集方法。首先在软件上分别对基于DFT、DCT、学习字典的压缩感知算法进行了性能分析,当稀疏度K一定时,数据压缩比从大到小依次为学习字典、DFT、DCT;随着稀疏度K的增大,三者的数据压缩比都降低。随后在硬件采集系统上实现了基于DFT和K=16的压缩感知算法,与常规的采集系统相比,该系统的数据压缩比达到了 4.24,并且节省了 75.72%的传输功耗和13.62%的总功耗。(3)针对林区活立木茎干水分时间序列在采集过程中容易出现数据连续缺失的问题,本文提出了基于深度学习的时序数据填补方法。首先以简单的RNN模型为基础,搭建了 2个单向RNN模型和3个双向RNN模型,其中双向分段RNN模型的性能最优,其平均预测误差为0.014cm3cm-3。随后以简单的LSTM模型为基础,搭建了5个类似的LSTM模型,其中双向递减权重LSTM模型的性能最优,其平均预测误差为0.009cm3cm-3,与传感器的平均测量误差0.008cm3cm-3非常接近,预测精度基本能够满足后续的试验分析。(4)为了更好地将活立木茎干水分应用到植物的非生物与生物胁迫分析中,首先基于微环境与生理参数对茎干水分进行特征解译,并基于斜椭圆建立了微环境参数与茎干水分之间的估算模型。随后以瓜栗为试验对象,分析了干旱胁迫下茎干水分的变化规律;以杨树为试验对象,分析了低温胁迫下茎干水分的变化规律;以紫薇为试验对象,分析了病虫害胁迫下茎干水分的变化规律,并基于茎干水分特征建立了有监督和无监督的病虫害等级诊断模型。本文创新性地提出了基于活立木茎干水分的植物生命体征实时无损在线检测方法,为评价活立木的干旱、低温和病虫害胁迫提供了一个易获取、无损伤、可量化的指标。