基于化学计量学的近红外光谱法检测白酒中酯含量研究

为实现快速检测白酒中4种主要酯类物质的含量,采用化学计量学方法对模拟白酒样品的近红外光谱数据进行模型构建,并用白酒样品进行验证试验。结果表明,模型预测值与实际值的相关系数均大于0.97。使用白酒样品进行验证试验,预测值与测定值无显著差异。说明采用近红外光谱进行白酒中酯类物质检测可以实现快速、无损、多参数、多指标检测。     

近红外透射光谱技术测定黍稷蛋白含量的研究

为了探索快速测定完整黍稷籽粒蛋白含量的方法,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。结果表明,分别经一阶和二阶导数处理后利用偏最小二乘法和改进的偏最小二乘法,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0.8806,定标标准误差（SEC）为0.3424,交互验证相关系数（1-VR）为0.8570,交互验证标准误差（SECV）为0.3751,外部预测标准偏差（SEP）为0.454。最终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。     

基于近红外光谱的冷藏期番茄果实质地定量分析模型

以番茄样本为研究对象,建立基于近红外光谱的冷藏期果实质地定量分析模型。采用SPXY方法对样本集进行划分,经过不同光谱预处理方法比较后,在780~2 500,920~2 500,1 100~2 500 nm 3个波段范围内建立番茄果实质地定量偏最小二乘回归模型,根据相关系数以及预测标准差(RMSEP)分析得出最优模型。结果得出780~2 500 nm波段预测效果最佳,果肉平均硬度预测集相关系数为0.761,RMSEP为0.173;果皮破裂力预测集相关系数为0.809,RMSEP为0.820;果皮脆度预测集相关系数为0.803,RMSEP为0.831;果皮韧性预测集相关系数为0.764,RMSEP为0.427;预测集相关系数均达到0.760以上,RMSEP均小于0.850,模型效果比较好。结果表明,番茄果实质地的近红外无损检测可行,果实质地与近红外漫反射光谱具有显著相关性。     

近红外光谱法测定玉米秸秆纤维素和半纤维素含量

为了解玉米秸秆资源可转化碳水化合物物质基础,建立了玉米秸秆中纤维素及半纤维素近红外分析模型。利用傅里叶变换近红外漫反射光谱(NIRS)技术和化学计量学软件,结合偏最小二乘法(PLS),通过光谱采集,进行了近红外光谱模型预测及验证。探讨了不同预处理方法对玉米秸秆纤维素和半纤维素含量的NIRS模型影响,获得理想分析模型,相关系数(R)≥0.909。实验结果表明模型对纤维素、半纤维素含量预测平均相对误差为2.34%和2.13%,预测值与化学值误差较小。说明该模型可准确、快速并大量检测玉米秸秆中纤维素和半纤维素含量,提高秸秆生物质资源利用率,促进生物质转化工艺过程。     

寒富苹果可溶性固形物可见/近红外光谱无损检测模型的优化

为提高可见/近红外光谱无损检测寒富苹果可溶性固形物的检测精度,应用近红外漫反射光谱仪对寒富苹果进行扫描,对主成分回归(principal component regression,PCR)、偏最小二乘法(partial least squares,PLS)和改进偏最小二乘法(modified partial least squares,MPLS)三种建模方法进行比较,通过改变波长的范围、导数处理、去散射处理、标准化处理、加权多元离散校正及间隔平滑处理等光谱预处理,研究不同建模和光谱预处理方法对寒富苹果可溶性固形物可见/近红外光谱无损检测模型准确性的影响。结果表明,在780~1 100 nm范围内,采用MPLS,间隔点为2,平滑点为2,结合去散射处理和一阶求导处理所建立的寒富苹果可溶性固形物定标模型最好,其定标模型的校正交互验证标准误差(standard error of cross validation,SECV)为0.306,交互验证决定系数(determination coefficient of cross validation,R2cv)为0.961;预测标准偏差(square error of prediction,SEP)、预测决定系数(determination coefficient of prediction,R2P)、预测相对分析误差(residual predictive deviation,RPD)分别为0.357、0.944、4.967,表明模型具有良好的预测效果,适用范围广。建模方法、波长范围、导数处理、间隔平滑处理、去散射处理使模型误差分别降低了14.688%~53.407%、20.787%~33.146%、1.918%~13.123%、1.813%~7.553%、0~2.647%,建模方法和光谱预处理对模型优化的次序依次为:建模方法波长范围导数处理间隔平滑处理去散射处理。     

棉子油分近红外光谱测定技术研究

以近红外光谱分析技术无损、快速和高效等优点,建立棉籽油分含量的近红外分析模型,进行棉籽油分快速大批测定,提高分析水平和效率。218份陆地棉的脱绒光籽为定标样品,通过不同的光谱数学预处理和光谱反射方式,优化棉子含油量近红外光谱法所建立的回归方程。结果表明,采用(2,4,4,1)光谱数学预处理和散射校正(SNV)得到的回归方程效果最好,回归决定系数(RSQ=0.9773)和验证决定系数(1-VR=0.9646)最高,回归标准误差(SEC=0.6977)和交互验证标准误差(SECV=0.8714)最小。对30份验证样品的化学测定值和近红外光谱预测值相关系数高达0.9882,平均偏差0.65%,回归标方程具有很好的预测效果,可以在实践中应用。长江流域棉花杂交种棉子含油量平均值为28.05%,含油量在26.50%~30.05%区间的品种居多,具有很大的改良潜力。     

近红外快速测定干辣椒中辣度的研究

以干辣椒为对象,采用近红外快速测定方法检测其辣度。首先,使用高效液相色谱法对8种干辣椒中辣椒碱类物质含量进行准确测定,确定了定量指标辣度。然后,采集干辣椒粉样品的近红外光谱数据,利用偏最小二乘法(PLS)建立检测模型,并对检测波长范围及模型主因子数进行了筛选。结果表明,使用PLS进行模型的建立,校正集方程相关系数0.987 1,验证集方程相关系数0.870 4;校正均方根误差2 870,交叉验证均方根误差9 476,主因子数为8。最终得到的检测模型能够满足对干辣椒中辣度的快速检测要求,且具有较好的准确度。     

掺假羊奶原奶中植物蛋白的近红外快速检测

探讨利用近红外分析仪以及WinISI数据处理软件对80份羊奶原奶中所掺植物蛋白建立定标方程的可行性,结果表明,使用改进最小二乘法(MPLS)在无散射处理下建立的定标模型的相关系数RSQ=0.995 5,标准偏差SEC=0.003 1,交互验证误差SECV=0.005 2,交互验证相关系数1-RV=0.987 6。实现了对掺假原奶中植物蛋白的快速检测。     

近红外光谱法快速测定海产品处理过程中牛磺酸含量的研究

利用近红外光谱分析技术,建立快速检测水产品下脚料提取过程中牛磺酸含量的方法。利用氨基酸分析仪测定样品中牛磺酸含量,采用一阶导数对原始光谱进行处理,采用偏最小二乘法建立校正模型,并预测样品中牛磺酸含量。所建模型回归系数(R2)为99.12%,交叉检验均方根为0.086;经验证,预测值与参考值的回归系数(R2)为99.9%,预测误差均方根为0.040,模型预测值与氨基酸分析仪测定值之间没有显著差异。因此,近红外光谱分析法可以检测水产品下脚料提取过程中牛磺酸含量。     

基于遗传算法的BP神经网络在小麦蛋白质含量预测中的应用

为了快速、简便、准确地测定小麦蛋白质的含量,本文提出了应用近红外光谱分析技术结合遗传算法(GA)的BP神经网络的建模方法。采用SPXY算法对光谱数据进行了合理划分,并运用连续投影算法(SPA)将预处理过的数据压缩,对光谱数据提取最佳敏感波点作为GA-BP神经网络的输入,建立小麦蛋白质含量的校正模型。模型的预测均方根误差和预测相关系数为1.3379和0.979,并与BP神经网络所建立的校正模型进行了比较。结果表明：GA-BP神经网络所建模型收敛速度快、训练时间短、准确度也较高,能够实现对小麦蛋白质含量快速高效的检测。     

不同耕作条件下土壤表面粗糙度随时间变化规律研究

为了研究耕作后土壤表面粗糙度随时间变化的规律,通过采用3种不同耕作方式（铧式犁、浅松铲、圆盘耙）,在耕作后45天内,每隔5天利用激光土壤表面粗糙度扫描仪测量土壤表面粗糙度的方法,分别研究了耕作后45天内两种粗糙度指数（均方根RMS和自相关长度ACL）随时间变化的规律,研究结果表明,无论以RMS或ACL为土壤表面粗糙度的指标,与耕后天数均为指数模型相关,其中,3种耕作条件下,RMS与耕后天数的相关性在0.88~0.93之间,而ACL与耕后天数的相关性更高,在0.94~0.95之间,通过本实验研究揭示了耕作后短期内土壤表面粗糙度随时间变化的规律,对粗细农业的具体实施具有一定的意义。     

基于RF和SPA的无人机高光谱估算棉花叶片全氮含量

为分析棉花叶片全氮含量（LNC）与冠层光谱反射特征的关系,实现作物生长过程中氮素水平的快速、准确和无损监测,以石河子大学教学试验场2019年棉花小区试验为基础,选用多元散射校正、SG平滑算法、变量标准化校正和一阶导数4种方法分别对棉花冠层原始光谱进行预处理,使用随机蛙跳（random frog,RF）和连续投影算法（successive projections algorithm,SPA）筛选特征波长并结合偏最小二乘回归法建立棉花LNC光谱估算模型。RF和SPA算法从棉花冠层398～1000nm的光谱中优选5组LNC的敏感特征波段,波段数目下降了93.0%～96.3%,有效降低了光谱的冗余信息;基于SPA算法筛选的敏感波段构建的LNC偏最小二乘回归模型的决定系数和均方根误差分别为0.52和2.55,模型验证的决定系数和均方根误差分别为0.70和2.37,模型具有较好的精度和稳定性,可作为棉花LNC的无人机高光谱估算方法。     

基于BP神经网络的土壤容重预测模型

土壤容重是农业生产和研究的重要参数,但因成本高、工作量大等原因,其获取仍是一个紧迫的问题。数学建模技术使得科研人员尝试使用土壤传递函数PTFs间接获取土壤容重值。本研究以复合圆锥指数仪为工具,探讨应用BP神经网络建立PTFs预测土壤容重。选取粘土和粉质壤土作为实验对象,在MATLAB2008a上建立、并评价预测土壤容重的BP神经网络,即PTFs模型。研究中以均方根误差RMSE和决定系数R²为性能指标来评价所建BP神经网络。结果表明,针对复合圆锥指数仪的测量结果,应用BP神经网络算法建立PTFs可以有效预测土壤容重。粘土容重预测的决定系数R²达到0.6973,粉质壤土容重预测的决定系数R²达到0.6868。实验结果还证实土壤容重预测与测量深度无关,但与土壤类型显著相关。     

AquaCrop模型在东北黑土区作物产量预测中的应用研究

东北黑土区是我国玉米和大豆生产基地,为了实现利用AquaCrop模型优化管理和预测产量,本文基于作物小区田间试验和大田观测数据,采用OAT(one factor at a time)法分析了该模型参数的敏感性,率定了敏感性高的参数,并对率定后的模型进行了验证。结果表明:玉米和大豆产量均对影响经济产量的收获指数十分敏感,二者虽然对冠层和根系生长参数都敏感,但有所差异:玉米对冠层衰减系数(canopy decline coefficient,CDC)更为敏感,而大豆则对限制冠层伸展的水分胁迫系数曲线的形状因子(shape factor for water stress coefficient for canopy expansion,Pexshp)更为敏感;玉米因根系深对最大有效根深(maximum effective rooting depth,Zx)更敏感,大豆因根系浅对根区根系伸展曲线的形状因子(shape factor describing root zone expansion,Rexshp)更敏感。由于玉米需水量大,对冠层形成和枯萎前的作物系数(crop coefficient before canopy formation and senescence,KcTr,x)和归一化水分生产力(normalized water productivity,WP*)很敏感,大豆则是一般敏感。率定后模型模拟玉米产量与实测产量的回归系数由0.34提升至0.89,模拟大豆产量与实测产量的回归系数由0.80提升至0.88。进一步用大田实测产量的验证结果表明:预测的玉米与大豆产量与实测产量间回归方程的决定系数(coefficient of determination,R2)分别为0.775和0.779,均方根误差(root mean square error,RMSE)分别为1.076 t hm^–2和0.299 t hm^–2,标准均方根误差(normalized root mean square error,NRMSE)分别为0.097和0.178,模拟效率(model efficiency,ME)分别为0.747和0.730,率定后的AquaCrop模型能较精准地模拟东北黑土区玉米和大豆产量,可用于产量预测或优化管理。     

基于高光谱数据的滴灌甜菜叶片全氮含量估算

本文旨在明确甜菜叶片全氮含量与高光谱地面植被遥感的定量关系,建立干旱区甜菜叶片全氮含量精确估测模型,及时监测甜菜生长状况。本研究选取新疆滴灌甜菜(Beta356)为材料,利用ASD野外高光谱仪在甜菜叶丛快速生长期、块根膨大期与糖分积累期采集各处理反射光谱,并同时测定全氮含量,分析原始光谱反射率及一阶微分光谱反射率与全氮含量的相关性,并进一步建立光谱特征参数与敏感波段植被指数全氮含量估算模型。结果表明,光谱特征参数Dr762幂函数下估算模型具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.747,验证相对误差RE(%)为21.635,验证均方根误差RMSE为4.914;通过植被指数与叶片全氮含量建立多种函数估测模型,其中差值植被指数Dr762–Dr496下一元线性函数具有较好估算甜菜叶片全氮含量的能力,其决定系数R2=0.794,验证相对误差RE(%)为23.008,验证均方根误差为5.372。     

WOFOST模型对山东省夏玉米发育期与产量模拟的适用性评价

夏玉米作为山东省最主要的粮食作物,其生长发育与产量变化,对保障地区乃至全国的粮食安全具有举足轻重的作用。不同生育期内气象要素的不同组合对夏玉米发育进程与产量形成等将产生重要影响。WOFOST作物模型机理性较强、定量水平高,且更为高效,能够为客观、定量、动态地评估气象要素对夏玉米生产的影响提供技术支撑。为提高作物模型模拟的准确性,将山东省分为鲁西北、鲁中、鲁西南、鲁东南与半岛5个调参区域,并结合山东省10个夏玉米观测站2012-2014年玉米主栽品种的生长发育数据,开展模型的调参验证与适用性评价。研究结果表明,WOFOST模型对山东省各观测站点所有年份出苗期的模拟误差均不超过4d,决定系数（R ²）在0.43~0.99,归一化均方根误差（nRMSE）为0.3%~1.9%;针对开花期和成熟期,各观测站点绝大多数年份模拟误差均不超过5d,大多数观测站点R ²分别在0.77~0.99与0.51~0.99,各观测站点nRMSE分别在0.4%~2.3%与0.7%~3.2%;绝大多数观测站点产量模拟R ²在0.68~0.99,相对误差为0.8%~16.7%,绝大多数观测站点相对误差小于10%;nRMSE在1.2%~19.5%,均小于30%,大部分观测站点nRMSE小于10%。各评价指标均在可接受的范围内,WOFOST模型能够对山东省夏玉米发育期与产量进行较准确的模拟。     

基于气候相似性的云南烤烟主要化学成分预测

为研究利用气象因子预测烤烟品质的问题,采用系统聚类法,以烟叶总糖、还原糖、烟碱、总氮和蛋白质5种化学成分为基础,根据平方欧氏距离最小原则,将云南省2004年全省83个植烟县烟叶化学品质分成10种类型,并确定了这10种类型相对应的气象条件。根据“相似气候条件下烟叶化学成分相近”的理论,计算了2005年云南省83个植烟县气象因子与这10种烤烟化学品质类型对应的气象因子之间的欧氏距离。以距离越小相似性越高的原理,对各县烟叶主要化学成分及品质类型进行预测。结果表明,总糖、还原糖、烟碱、总氮和蛋白质含量预测的根均方差百分率（RRMSE）分别为8.91%、10.40%、22.31%、10.46%和13.08%。该方法对各化学成分的中值区和高值区预测效果普遍较低值区好。结果说明,采用该方法预测烟叶化学成分具有一定的可行性。     

桃树根系浸提液对毛桃幼苗生长的化感效应

为了研究桃树根际自毒作用,探讨桃树连作障碍问题及其作用机理,以蒸馏水为浸提剂获得桃树根系浸提液,研究其不同浓度对毛桃幼苗生长的化感效应。结果表明,根系浸提液对叶面积、叶长、叶宽、周长、叶长/叶宽、株高、干周、最大根长、地上鲜重和地上干重表现为低浓度促进,高浓度抑制的质量浓度效应。浓度高于1:20（根粉与水的质量比）时,随着浓度的增加,抑制作用增强。对地下鲜重和地下干重表现为抑制作用,浓度越大,抑制作用越明显。对比叶重而言,1:5的处理在试验结束时处于最高水平。高浓度桃树根系浸提液对毛桃幼苗生长具有自毒作用,从而导致植株生长缓慢,生长发育受阻。     

基于支持向量机方法的森林火险预测研究

以利用气象数据预测森林火险等级为目的,使用半正定规划建模选定支持向量机的最优核函数,依据500余条林火数据建立了支持向量回归机模型,并使用回归误差特征曲线图对比分析各个回归模型的学习效果。分析得到该自定义核函数的均方误差为1.76,支持向量数为190,约占训练数据集的1/2。结果表明,与传统的线性回归方法及基于高斯核的支持向量机相比,该预测模型具有较高的准确率并且有效的避免了过学习的现象。