土壤特性对保水剂吸水性能的影响

[目的]研究了土壤特性对保水剂吸水性能的影响。[方法]分别测试了聚丙烯酸钠系高分子保水剂在不同pH、不同土质土壤中的吸水倍率。[结果]保水剂的吸水倍率随着土壤pH和土质变化而发生变化。在pH为7.0左右,达到最大。黏粒、有机质含量越高吸水倍率越低。吸水初期,吸水倍率主要受土壤孔隙特性的影响;随着吸水时间的加长,土壤溶液中离子交换量增大,吸水倍率逐渐下降。[结论]揭示了不同pH、土质对保水剂吸水性能的影响机理,为高效应用保水剂提供依据。     

应用近红外光谱分析技术定量检测植物油脂肪酸含量的研究

[目的]建立一种简单、快速、准确且无损的脂肪酸含量的定量检测方法。[方法]应用近红外光谱分析技术快速准确定量检测植物油中3种脂肪酸含量,采用偏最小二乘法PLS建立植物油中3种脂肪酸(油酸、亚油酸、亚麻酸)含量的近红外定量分析模型,并对比分析了10种光谱预处理方法对植物油中3种脂肪酸含量定量分析校正模型结果的影响。[结果]一阶导数(FD)结合多元散射校正(MSC)法的光谱预处理效果最优,经FD+MSC法预处理后采用PLS建立的植物油脂肪酸含量检测的校正模型,对油酸的验证决定系数R2为0.969 3,预测标准差RMSEP为1.3%;对亚油酸的验证决定系数R2为0.960 6,预测标准差RMSEP为1.66%;对亚麻酸的验证决定系数R2为0.973 1,预测标准差RMSEP为0.479%。[结论]研究表明,所建模型可较好地检测植物油中油酸、亚油酸、亚麻酸含量。     

腐植酸保水剂的制备及性能测试

[目的]为了提供农林用的优质保水保肥材料。[方法]以丙烯酸-丙烯酰胺和腐植酸为原料,采用水溶液聚合法合成聚(丙烯酸-丙烯酰胺-腐植酸)型多功能复合保水剂,利用红外光谱和吸水倍率对所制备的保水剂进行表征。[结果]制备的腐植酸保水剂具有良好的耐温耐盐性,对蒸馏水的吸收倍率为1 180 g/g,达50%饱和吸水量的时间是6.5 min,达90%饱和吸水量的时间是22.0 min,对0.9%盐水吸收倍率为110 g/g;红外光谱分析表明,腐植酸参与聚合反应,与高吸水树脂接枝到一起,所制备的腐植酸型保水剂是化学键合型腐植酸保水剂。[结论]该工艺制备的保水保肥剂能够很好地适用于农林。     

赣南脐橙叶片含水量和叶绿素含量的近红外检测

[目的]得到一种快速检测叶片含水量和叶绿素含量的定量估计模型。[方法]选取88片赣南脐橙叶片作为研究对象,运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标。通过6种不同预处理方法(SG/MSC/1st D/2nd D/SNV/Baseline)在全波段4 000~12 000 cm-1范围内建立了叶片含水量和叶绿素含量的PLS、PCR和LS-SVM定量检测模型。[结果]试验得出,在预测叶片含水量的模型中,PLS、PCR和LS-SVM预测效果整体相差不大,其最优的预测模型是使用PLS建模,其中RP=0.985,RMSEP=0.023。在预测叶片叶绿素含量的模型中,3种方法预测效果相差不大,最优预测模型是MSC-LS-VSM,其中RP=0.933,RMSEP=0.23。[结论]研究表明,应用近红外光谱技术对赣南脐橙叶片含水量和叶绿素含量的快速检测具有可行性。     

结合WT预处理的近红外光谱PLS算法预测鲜枣糖度

[目的]研究结合WT预处理的近红外光谱PLS算法模型预测鲜枣糖度的方法。[方法]用S-G、MSC、FD、SD、WT和WT＋MSC 6种预处理法,SMLR、PCR和PLS 3种算法模型,对60个鲜枣样品的近红外光谱数据进行预处理、糖度预测和建模精度分析,建立最佳算法的数学模型。[结果]在鲜枣糖度近红外光谱预处理阶段引进小波变换方法去除导数光谱噪声,得到了很好的去噪效果。不同的小波函数、分解尺度使消噪的结果有所不同。与常见的光谱预处理法相比,在选用db4-3小波函数、默认阈值情况下,采用WT＋MSC预处理及建模算法为PLS时所建立的模型最好,其相关系数R为0.919 02,校正集标准差RMSEC为0.863,预测集标准差RMSEP为1.71。[结论]结合小波变换预处理的PLS算法模型可有效预测鲜枣糖度,改善模型的预测精度。     

化学肥料对保水剂吸水倍率及养分吸持的影响

[目的]为保水剂正确使用和进一步开发提供依据。[方法]测定3种保水剂在尿素、碳酸氢铵、硫酸铵和氯化铵溶液中的吸水倍率及养分吸持量,研究不同氮肥对保水剂吸水、保肥性能的影响。[结果]保水剂在各种肥料溶液中的吸水倍率显著下降,并随肥料浓度的增加下降幅度增加。随着肥料浓度的增大,保水剂对尿素中氮的吸持量和吸持率增加,对碳酸氢铵、硫酸铵和氯化铵中氮的吸持量增加、吸持率降低。氯化铵对保水剂吸水倍率的影响最大,然后是硫酸铵、碳酸氢铵、尿素。在碳酸氢铵、硫酸铵和氯化铵浓度为10%时,3种保水剂的相对吸水倍率下降到10%左右,对氮的吸持量增加到741.1~814.6 mg/g。[结论]保水剂和肥料品种不同,吸水倍率、吸持量和吸持率也不同。最高浓度下,保水剂对氮肥吸持率按碳酸氢铵、氯化铵、硫酸铵、尿素次序依次增大。     

基于近红外光谱的南疆温185核桃水分无损检测的研究

[目的]利用近红外光谱技术建立预测南疆核桃水分的检测模型。[方法]通过对南疆温185核桃进行近红外光谱水分无损检测,并用标准烘干法对所建立的检测模型进行验证,形成测定核桃水分的快速检测模型。[结果]试验表明,对采集的光谱数据进行SNV预处理,并采用偏最小二乘回归分析法(PLS)建立模型,得到了较小的SEC值和较高的RC值。其SNV预测的值用标准烘干法得出的平均偏差为0.35%,完全满足对南疆温185核桃进行水分无损检测的要求,可以应用到实际的核桃水分预测当中。[结论]研究可为核桃水分的快速无损检测提供参考依据,同时将此项无损检测技术应用到果农的生产实际当中,可提高果农的收益。     

近红外光谱法快速测定烟草中的常规化学成分含量

[目的]探讨近红外光谱法快速测定烟草中的常规化学成分含量.[方法]采用近红外光谱技术,选取单品种样品681个,结合偏最小二乘法(PLS),定量分析了烟草中总氯、烟碱、总钾、总糖、还原糖及总氮含量,并用实际样品对模型进行了验证.[结果]使用偏最小二乘法(PLS)为建模方法,建立了烟草中6种常规化学成分:总氯、烟碱、总钾,总糖、还原糖及总氮的近红外预测模型.6种组分最佳PLS预测模型的相关系数r分别为0.977 4、0.992 7、0.982 1、0.986 0、099 1和0.975 0.交叉检验的均方差(RMSECV)分别为0.057、0.126、0.160、1.170、0.994和0.127.[结论]所建模型精密度良好,近红外光谱法与行业标准方法所测值不存在显著差异,近红外光谱模型可以快速预测烟草中总氯、烟碱、总钾、总糖、还原糖及总氮的含量.     

长波近红外光谱在土壤总氮分析与稳定性中的应用

[目的]通过定标集、预测集、检验集的建模过程,采用偏最小二乘(PLS)方法结合波段选择建立土壤总氮快速分析的近红外(NIR)光谱模型。[方法]为了避免模型评价失真,基于随机性、相似性和稳定性,提出一种严谨的建模体系。将全谱扫描区(400～2 498nm)分成可见区(400～780 nm)、短波近红外区(780～1 100 nm)和长波近红外区(1 100～2 498 nm)。[结果]经过比较、检验,结果表明长波近红外达到了最好的模型效果和稳定性,最优PLS因子数为8,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为0.118 g/kg和0.857,得到客观、稳定的预测模型。     

基于高光谱技术的褐土土壤总氮含量的预测

[目的]对土壤营养元素进行准确测量是实施精细农业的基础。[方法]本文以169份山西典型褐土土壤为研究对象,采用高光谱成像技术获取近红外高光谱图像,并提取平均光谱曲线(A)、标准差曲线(S)和方差曲线(V)等统计参数。分别采用以平均光谱曲线(A)、平均光谱曲线的一阶导数(F)、A与F的乘积(A*F)、A与F的商(A/F)为基础的20种光谱预处理方法,结合偏最小二乘(PLS)方法建模,并对验证集进行验证。[结果]结果表明:平均光谱曲线随总氮含量先增加后减小,一阶导数曲线随总氮含量的增加而单调增加。使用一阶导数进行建模,可能能够获得更好的预测效果。建模效果最好的预处理方法为F与S的乘积(F*S),其次为A与F与S的乘积(A*F*S)。这两种预处理方法建立的PLS模型的RPDp在2.0以上,Rp2在0.8以上,可以对褐土土壤的总氮含量进行有效预测。[结论]本文研究结果可为近红外高光谱成像技术应用于褐土土壤其它营养成份的快速预测提供参考。     

麻疯树种子含油量近红外光谱定标模型的建立

目的本研究旨在建立麻疯树种子含油量的近红外光谱定标模型, 为近红外光谱技术应用于麻疯树种子含油量的测定提供依据。方法利用瑞典波通DA7200型近红外光谱成分分析仪采集了125份麻疯树种子样品的光谱数据, 通过样品化学值测定、光谱数据预处理以及回归统计方法建立了麻疯树含油量的近红外光谱定标模型, 并利用10份未知含油量的种子样品对模型的准确性进行了检验。结果本研究建模所选125份样品的含油量范围为25.23%~39.73%, 平均值为33.91%±2.64%, 中位数为34.31%, 基本覆盖了当前麻疯树的主要品种, 在种子油含量上具有一定的代表性。二阶导数联合标准正态变量转换法为建立麻疯树种子含油量近红外光谱定标模型的最佳预处理方法, 偏最小二乘法为最佳的回归方法。模型验证结果显示, 样品的化学测定值与近红外光谱定标模型预测值极显著相关, 且相关系数达0.9556, 预测标准偏差为0.6536。结论检验结果说明该模型具有较高的可靠性, 可应用于后期麻疯树种子油分含量的大批量快速测定。      

基于近红外光谱法快速检测藜麦纤维含量

[目的]探索一种快速测定完整藜麦籽粒纤维含量的方法。[方法]采集100个藜麦样品的近红外光谱,运用近红外光谱分析技术建立数学模型并进行预测。[结果]在10 000~4 000 cm~(-1)波长范围内,运用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法所得数据建立藜麦粗纤维近红外定量模型,校正和预测效果最佳,所得的粗纤维近红外定量模型的交叉验证决定系数为0.884 8,外部验证决定系数为0.876 1。[结论]以完整藜麦籽粒为样品所建立的纤维NITS模型可用于藜麦纤维含量的快速检测。     

近红外光谱法快速测定河南烟叶中木质素的含量

[目的]实现对河南烟叶中木质素含量的快速测定。[方法]首先改进了烟叶中木质素含量的测定方法,并对该方法测定的准确性进行了评定(对同一样品,8次平行测定的RSD值为3.58%),随后用此方法测定了河南地区95个初烤烟叶样品中的木质素含量,然后用近红外光谱仪采集相应的光谱,进行二阶微分处理和平滑预处理后,用偏最小二乘法和完全交互验证方式建立相应预测模型。[结果]试验建立的烟叶中木质素预测模型的相关系数达到96.13%,内部交叉检验均方根误差(RMSECV)为0.104,说明烟叶中木质素含量和近红外光谱之间存在较好的相关性。[结论]采用近红外光谱法可以快速预测河南烟叶中木质素含量。     

利用近红外光谱技术测定浓缩天然胶乳中干胶含量的研究

建立了一种使用近红外光谱技术即时测定浓缩天然胶乳干胶含量的方法。以国家标准方法测定天然胶乳的干胶含量作为标准值,用偏最小二乘法(PLS)建立近红外光谱与天然胶乳干胶含量的多元信号校正模型,并使用内部交叉验证及外部验证集验证评价模型,对天然胶乳中干胶含量进行测定对比分析。结果表明,模型相关系数达0.977 8,模型的预测均方差为0.105,交叉验证均方差为0.106,说明该模型具有较高的预测水平。通过F检验和t检验进一步对比模型检测值和国标法检测值,2种方法的分析结果差异不显著性。近红外光谱技术测定浓缩天然胶乳干胶含量准确度、精确度良好,可应用于实际生产与交易中的快速检测。     

近红外透射光谱技术测定黍稷蛋白含量的研究(英文)

[目的]探索快速测定完整黍稷籽粒蛋白含量的方法。[方法]采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。[结果]分别经一阶和二阶导数处理后利用偏小二乘法和改进的偏小二乘法,4 种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数(RSQ)为0.880 6,定标标准误差(SEC)为0.342 4,交互定标标准误差(SECV)为 0.375 1,外部预测标准误差(SEP)为 0.454。[结论]以完整黍稷籽粒为样品所建立的蛋白 NITS 模型,可以用于黍稷蛋白含量的快速检测。     

柑橘园紫色土Fe/Mn/Zn含量近红外光谱监测模型研究

 【目的】探索建立基于近红外光谱技术的土壤微量元素监测技术。【方法】采集三峡库区（重庆）主要加工甜橙基地果园背景土壤样品168个,随机选取100个作为建模样本,其余为检验样本;测定所有样本的近红外反射光谱和土壤Fe、Mn、Zn全含量;运用最佳光谱预处理方法和偏最小二乘法（partial least square method, PLS）及内部交叉验证方法建立校正模型,并进行模型精度检验。【结果】变量标准化（standard normal variables,SNV）为土壤Fe、Mn、Zn含量近红外光谱预测的最佳光谱预处理方法;运用SNV光谱预处理和偏最小二乘法（PLS）及内部交叉验证法建立的土壤Fe、Mn、Zn含量校正模型,95%置信区间内的预测精度分别为92.65%、95.59%和95.59%。【结论】利用近红外反射光谱技术进行土壤Fe、Mn、Zn含量检测可行且精度较高。     

基于PDS算法的不同光照下模型传递研究

针对在室外光照对样品使用近红外光谱检测带来误差的问题,提出基于模型传递来减少检测误差的方法。以圆黄梨为样品,分析样品在室内、室外阴影下的近红外光谱,建立室内光谱的PLS模型。采用分段直接校正(Piecewise Direct Standardization,PDS)算法,减小室内外光谱差距,使得室内PLS模型能预测室外光谱。结果表明,在室内建立的模型能预测经PDS算法传递后的室外光谱,预测决定系数(R2)和标准差(Root Mean Square Error of Prediction,RMSEP)分别为0.64和0.565 27,能有效地解决室外光照对光谱检测影响的问题。     

基于小波滤噪和iPLS的草莓近红外光谱糖度检测模型

[目的]获得精度高、鲁棒性强的草莓近红外光谱糖度检测模型。[方法]利用K-S（Kennard-Stone）方法划分样本集,并用小波滤噪法对草莓1000～2500nm近红外光谱进行预处理,最后用偏最小二乘法（PLS）和区间偏最小二乘法（iPLS）分别建立预测模型。[结果]采用区间偏最小二乘法将光谱划分为20个子区间,利用其中的第16个子区间建立的糖度模型效果最佳,其校正时的相关系数Rc和校正均方根误差RMSEC分别为0．9355和0．259,预测时的相关系数邱和预测均方根误差RMSEP分别为0．9202和0．305。[结论]用小波滤噪和联合区间偏最小二乘法所建立的草莓糖度模型不仅能有效地减少建模所用的变量数,缩短运算时间,而且预测能力和精度均得到提高。