基于红外光声光谱的农作物秸秆导热系数定量分析

选用我国华北地区具有代表性的小麦、玉米、水稻秸秆样品,对比研究了偏最小二乘(PLSR)和高斯核支持向量机(RBF-SVR)分别构建单一和混合种类秸秆全波段定量分析模型的效果,探讨了红外光声光谱耦合化学计量学方法构建我国主要粮食作物秸秆导热系数定量分析模型的可行性。研究发现,小麦秸秆和水稻秸秆导热系数RBF-SVR非线性模型,以及玉米秸秆、混合种类秸秆的PLSR线性模型效果较优。进一步应用蚁群算法与上述最优建模方法相结合,构建了更加优化的小麦秸秆、玉米秸秆、水稻秸秆和混合秸秆导热系数模型,验证决定系数(R_p~2)分别为0.77、0.83、0.96和0.79,验证均方差(RMSEP)分别为0.007 8、0.015、0.005 9、0.014 W/(m·K),验证相对分析误差(RPD)分别为2.81、2.41、7.39和2.15。研究结果表明,红外光声光谱技术结合先进适用的化学计量学方法可实现我国主要粮食作物秸秆导热系数的快速定量分析,但混合秸秆模型预测精度仍需进一步提升。     

茶叶中低含量氨基酸近红外光谱定量分析模型研究

应用近红外光谱分析方法对茶叶中游离氨基酸进行定量分析。连续小波导数(CWD)和标准正态变量变换(SNV)用于光谱预处理;偏最小二乘回归(PLSR)方法用于校正模型构建;采用蒙特卡洛无信息变量消除(MCUVE)方法和连续投影算法(SPA)对建模变量进行优化。结果表明,CWD-SNV方法可以有效地提高茶叶光谱质量,消除光谱的平移误差;基于MCUVE-SPA的变量筛选方法极大地改善了模型的精度,实现了建模变量的有效压缩,模型的预测相关系数(Rp)和预测均方根误差(RMSEP)分别由0.851和0.117改善为0.895和0.107,建模变量由4 148减小为18;当氨基酸百分含量大于0.1%时,近红外光谱结合化学计量学方法可以得到较优的定量分析模型。为茶叶中低含量氨基酸的分析提供了一种快速简便的分析方法。     

不同粒径处理的土壤全氮含量高光谱特征拟合模型

采集新疆北疆棉田385个自然土壤样本,将筛选出的土壤样品分别过2、1、0. 5、0. 15 mm筛并测定其原始光谱反射率,利用支持向量机(Support vector machine,SVM)、偏最小二乘回归(Partial least squares regression,PLSR)和多元逐步线性回归(Stepwise multiple linear regression,SMLR)方法对土壤原始光谱及其12种光谱变换数据分别构建土壤全氮含量的估测模型,并对模型精度进行检验。结果表明,土壤原始光谱特征在各个波段与全氮含量相关性都较差,不同形式的数据变换均能够提高光谱反射率与全氮含量的相关性,同一种数据变换形式在不同粒径处理中最大相关系数所对应的波段位置差异不大。从不同粒径处理的拟合精度来看,过筛粒径越小对全氮含量的估测精度越高,3种方法的最优拟合模型都是过0. 15 mm筛的处理,其中SVM方法采用(lgR)'变换后,构建模型R2c为0. 898 7,RMSEc为0. 018 1,RPD为2. 704 9,PLSR和SMLR方法均采用R'变换,构建模型的R2c分别为0. 852 0和0. 819 6,RMSEc分别为0. 041 3和0. 043 6,RPD分别为2. 554 9和2. 437 4,3种方法在该过筛处理下均能够很好地估测土壤全氮含量。用未参与建模的样本对3种最优模型进行验证,SVM、PLSR和SMLR模型的检验R2分别为0. 822 9、0. 771 5和0. 705 4,SVM方法优于PLSR和SMLR,模型具有较好的精度和稳定性,从模型的预测误差来看,土壤全氮含量越低其预测误差也越大,在氮素含量较低的情况下无法直接通过光谱反射特征准确反演。     

LIBS结合化学计量学方法在土壤镉检测中的应用

土壤的重金属污染影响农业和食品安全,对重金属污染的快速检测是一个亟需解决的问题。该研究应用激光诱导击穿光谱（Laser induced breakdown spectroscopy,LIBS）结合化学计量学方法对土壤中的镉（Cd）元素进行定量分析。根据土壤重金属污染的不同程度,制作含有Cd元素的15个浓度梯度的土壤样本,并采集各个样本的LIBS谱线。采用光谱预处理方法来减少试验误差和噪声。选取了Cd元素的分析谱线与分析谱线区间,建立基于偏最小二乘回归（Partial least squares regression,PLSR）和反向传播人工神经网络（Back propagation-artificial neural network,BP-ANN）方法Cd元素含量回归模型。分析表明,非线性BP-ANN模型的预测性能优于线性PLSR模型,这可能是因为非线性模型能够通过自适应较好地解决土壤基体效应的影响。研究表明,LIBS技术结合多元化学计量学方法能够对土壤重金属镉进行准确检测,这为分析检测类似重金属元素提供思路,也为开发大田土壤营养元素和重金属检测仪器提供理论基础和技术支撑。      

基于高光谱联合流化床富集的红葡萄酒白藜芦醇检测

利用高光谱成像技术联合流化床富集技术对红葡萄酒中微量成分白藜芦醇的含量进行快速检测。通过高效液相色谱法检测红葡萄酒中白藜芦醇的含量,设计流化床富集装置,研究HPD826、DA-201、AB-8、H103、HPD600共5种树脂对红葡萄酒中白藜芦醇的富集效果,筛选出H103树脂富集效果最优。将H103大孔吸附树脂用于富集红葡萄酒中的白藜芦醇。获取吸附白藜芦醇后树脂的高光谱反射图像(900~1 700 nm),对比5种光谱预处理方法(MSC、SNV、SG-S、RN、QN)对白藜芦醇含量的建模效果,优选出RN预处理方法;建立PLSR、SVMR(LK-SVMR、PKSVMR、RBF-SVMR和S-SVMR)、PCR的6种回归模型,优选出LK-SVMR校正模型和PLSR校正模型,将其用于预测集样本进一步评价模型的精度和稳定性,最终确定PLSR模型为最佳模型。研究表明,基于RN-PLSR的红葡萄酒中白藜芦醇的定量预测模型相关系数R_P=0.852 8,预测集均方根误差为0.036 0,R_C=0.878 3,校正集均方根误差为0.033 0,预测效果最佳,为高光谱技术在微量、痕量成分检测方面的应用提供了参考。     

基于高光谱的黑土区土壤重金属含量估测

以黑龙江省讷河市采集的80份黑土样品和高光谱实测数据为数据源,对黑土中铜(Cu)、锌(Zn)、锰(Mn)重金属元素的光谱反射率及其特征变化进行研究,分析了光谱反射率、光谱反射率一阶微分变换、光谱反射率连续统去除变换、光谱反射率连续统去除一阶微分变换与元素铜、锌、锰含量的相关性,并利用相关系数法提取敏感波段。利用核主成分分析(Kernel principal component analysis,KPCA)方法对高光谱敏感波段数据进行降维及特征提取,将特征信息作为极限学习机(Extreme learning machine,ELM)模型建模的样本数据,构建KPCA-ELM估测模型,进行黑土重金属含量的定量估算。结果表明:KPCA具有较强的非线性特征提取能力,可以有效地选择最佳变量集合,KPCA-ELM模型预测土壤元素含量效果理想,3种重金属元素含量估测的决定系数均达到0.6以上,其中,锌元素预测精度最高,决定系数和均方根误差分别为0.805和3.275 mg/kg,比特征提取前模型预测精度优化了14.0%和18.5%,说明构建的KPCA-ELM模型是一种快速可行的重金属含量高光谱估测方法。     

苹果内部品质分级机械手设计与试验

为检测苹果内部品质,基于可见/近红外光谱检测技术并结合分拣机械手,设计了苹果内部品质分级机械手。该装置主要由夹持机构、近红外光谱采集系统、控制系统等组成。机械手稳定夹持苹果后采集苹果的近红外光谱数据,上位机软件中的预测模型对光谱数据进行分析处理,并显示光谱曲线和预测结果。为建立苹果可溶性固形物含量预测模型,基于该装置采集了苹果在650～1 100 nm波长范围内的光谱数据,通过国家标准测量法测得苹果样本的可溶性固形物含量,采用SG卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)对光谱数据进行预处理,并结合可溶性固形物含量测量值建立偏最小二乘(PLSR)模型。结果表明,采用多元散射校正方法预处理后的建模效果最优,其预测模型的校正集和预测集相关系数分别为0. 978 2、0. 970 1,均方根误差分别为0. 274 6、0. 326 3°Brix。选取20个同品种苹果样本对该装置的稳定性和准确性进行了测试,可溶性固形物含量预测值与测量值相关系数为0. 957 3,均方根误差为0. 422 4°Brix。试验结果表明,苹果内部品质分级机械手在夹持苹果的同时可以实现对苹果可溶性固形物含量的准确预测。     

基于连续灰分区间定标模型的生物炭金属含量LIBS检测

为实现应用激光诱导击穿光谱(LIBS)技术准确检测农业生物炭中主要金属元素含量,并提高检测灵敏度,提出采用高温处理法去除水分、固定碳和有机基体效应的影响。首先获取灰分质量分数在28%～42%范围内具有代表性的66个农业生物炭样品,并选用不同灰分区间间距(14%、7%、3. 5%和2%)对样品集进行划分。当间距设为7%时,样品集的灰分区间被划分为28%～35%(38个样品)和35%～42%(28个样品),对应的高温处理前后各元素含量平均决定系数均大于0. 96。理论上表明,可以利用高温处理后样品光谱信息,并结合原始样品化学信息,构建农业生物炭中主要金属元素含量的连续灰分区间定标模型。通过比较原始样品和高温处理后样品数据集所构建模型的效果,得出高温处理后样品偏最小二乘回归(PLSR)模型的交互验证相对标准偏差明显较低,其预测集的成对T检验显示,LIBS和电感耦合等离子体质谱(ICP-MS)测定结果无显著性差异。结果表明,高温处理结合连续灰分区间定标模型能够实现农业生物炭中主要金属元素的LIBS同步精确定量分析。     

基于三维光谱指数的土壤含水率反演研究

为研究三维光谱指数预测土壤含水率的效果,以期能为精准农业地表土壤含水率的快速精确测定提供参考.以浙江永康地区采集的不同含水率土壤样本为研究对象,利用ASD FieldSpec 3光谱仪在室内对土样进行光谱反射率测量,并基于原始光谱反射率(R)及其对应的一阶微分光谱(FD)、二阶微分光谱(SD)进行一维二维及三维光谱指数的提取.再通过偏最小二乘回归模型(PLSR)对不同光谱指数建模,并对比分析不同模型的反演精度.结果表明:三维光谱指数相比于一维二维光谱指数对土壤含水率更加敏感;基于三维光谱指数(TBI2)偏最小二乘回归模型具有最佳的预测效果,其Rv2=0.92,RPD可达3.32;对于土壤含水率反演而言,三维指数(R-TBI1)相比于其他的光谱指数更具重要性,其变量投影重要性(VIP)达1.04.该研究表明利用三维光谱指数建模为高光谱遥感对表层土壤含水率的快速有效监测提供了一条新途径.     

基于人工嗅觉系统的土壤有机质检测方法研究

为了实现土壤有机质快速、准确的测量,提出了一种基于人工嗅觉的土壤有机质含量检测方法。首先,由不同温度控制的10个气体传感器所构成的阵列对土壤样品气体进行采集;然后,提取每个传感器响应曲线上的7个特征(包括最大值、最小值、平均值、平均微分系数、响应面积、第30秒的瞬态值和第60秒的瞬态值),构建嗅觉特征空间;对特征空间优化后,采用回归算法建立预测模型。为减小不同测定算法、异常样本以及冗余特征对模型预测性能的影响,在应用蒙特卡罗抽样(Monte Carlo sampling,MCS)法剔除异常样本的基础上,采用主成分分析(Principal component analysis,PCA)法对特征空间进行降维处理,评估了包括偏最小二乘法回归(Partial least square regression,PLSR)、支持向量机回归(Support vector machine regression,SVR)和BP神经网络(Back propagation neural network,BPNN)等3种建模方法对土壤有机质含量的预测性能,选用决定系数R2、均方根误差(RMSE)和预测偏差比(RPD)评价各模型的预测性能。测试集验证结果表明,PLSR、SVR和BPNN这3种模型的预测值和样本的观测值之间的R2分别为0. 86、0. 91和0. 85,RMSE分别为2. 49、2. 05、2. 68 g/kg,RPD分别为2. 49、3. 02和2. 32。SVR模型的预测性能高于PLSR模型和BPNN模型,可对土壤有机质含量进行准确预测。     

添加生物炭对降低冬小麦幼苗盐害并促进其生长的效果研究

黄河三角洲盐碱农田具有"盐、板、瘦"的特点,以NaCl为主要成分的盐渍危害直接影响着滨海土壤质量。生物炭添加可改善土壤性质,促进作物生长。【目的】明晰炭添加对盐渍土盐分离子和冬小麦幼苗生长的影响。【方法】研究依托田间试验探究了低剂量(0～4 g/kg)的芦苇炭添加对盐渍土盐离子、麦苗体内钾钠比、钾素利用率及幼苗生物量的影响。【结果】施用生物炭可降低土壤溶液中的盐离子、增加冬小麦幼苗体内钾钠比和麦苗钾素利用率,有助于提升幼苗生物量;以4 g/kg炭添加量下的降盐、增量效果最为明显。土壤溶液中的Na+较CK降低了9.43%,幼苗K/Na和钾素利用率分别提升了56.80%和25.48%,麦苗生物量增加了15.72%。【结论】炭添加可通过固持土壤溶液中的Na+、提升麦苗K/Na和钾素利用率来促进其生物量的增加。研究可为生物炭用于盐渍土改良的降盐培肥和增效增产的过程机理提供理论依据,为生物炭用于盐渍化土壤改良的可行性提供初步指导。     

基于高光谱的甜菜冠层氮素遥感估算研究

利用野外便携式ASD Qualityspec光谱仪,实测了田间甜菜冠层光谱数据,采用植被指数对氮含量进行预测,发现估算精度较低,分析NDVI与VLOPT与氮含量的相关性,得出氮含量在很小的时候就达到饱和水平。根据4种预处理下的甜菜冠层光谱,分别采用偏最小二乘回归(PLSR)和主成分回归(PCR)建立甜菜氮含量估算模型,比较不同预处理和不同回归方法对估算精度的影响。结果表明:对PLSR来说,一阶导数处理的光谱数据建立的模型精度最好(RMSE=2.34g/kg,RE=19.6%),平滑、MSC和SNV建立的估算模型次之;对PCR来说,平滑处理的光谱数据建立的模型精度最好(RMSE=2.34g/kg,RE=19.4%)。总的看来,不同预处理对估算模型精度有一定的差异,但PLSR和PCR两种回归方法对甜菜氮含量估算模型影响不大。     

基于SPA-SSA-BP的小麦秸秆含水率检测模型

为提高基于电容法的小麦秸秆含水率检测模型的检测精度,扩大含水率检测范围,提高模型适应性,本文以小麦秸秆为研究对象,使用LCR数字电桥,测量含水率为10.43％ ～25.89％的秸秆在频率0.05 ～ 100 kHz、容积密度90.03 ～179.42 kg/m3和温度25 ～40℃内的电容,利用连续投影法(Succes...     

基于CC-MPA特征优选算法的小麦条锈病遥感监测

为了弥补一次性建模分析的缺陷,提高小麦条锈病遥感监测模型的运行效率和精度,根据模型集群分析（Model population analysis,MPA）算法的特点,综合利用光谱区间选择算法和光谱点选择算法的优势,提出了一种联合相关系数（Correlation coefficient,CC）与MPA的特征变量优选算法。在利用CC算法对全波段光谱进行特征变量选择的基础上,分别利用基于MPA思想开发的竞争性自适应重加权采样法（Competitive adaptive reweighted sampling,CARS）和变量组合集群分析法（Variable combination population analysis,VCPA）进一步优选对小麦条锈病敏感的特征变量,并利用偏最小二乘回归（Partial least squares regression,PLSR）算法构建了小麦条锈病遥感监测的CC-CARS和CC-VCPA模型。结果表明：联合CC-MPA算法优选的特征变量构建的CC-CARS和CC-VCPA模型精度均高于CC、CARS和VCPA算法。3组验证集样本中,CC-CARS模型预测病情指数（Disease index,DI）与实测DI间的R2V较CC模型和CARS模型至少分别提高了6.78%和6.66%,RMSEV至少分别降低了15.31%和10.98%,RPD至少分别提高了18.08%和12.34%。CC-VCPA模型预测DI与实测DI间的R2V较CC模型和VCPA模型至少分别提高了9.58%和0.73%,RMSEV至少分别降低了20.78%和3.86%,RPD至少分别提高了26.22%和4.02%。基于CC-MPA的光谱特征优选算法是一种有效的特征选择方法,尤其是利用CC-VCPA方法选择的特征变量数更少,模型预测效果更好,研究结果对光谱特征优选及提高作物病害遥感监测精度具有重要的参考价值。     

基于采样点光谱信息窗口尺度优化的土壤含水率无人机多光谱遥感反演

针对空间异质性导致的土壤含水率反演误差较大的问题,分别以玉米灌浆期和小麦苗期的土壤含水率反演为例,利用无人机多光谱遥感技术获取喷灌和畦灌灌溉方式下的正射影像。将34组光谱特征变量按照滑动窗口法提取不同空间尺度的光谱信息平均值,通过极端梯度提升（Extreme gradient boosting,XGBoost）、支持向量机回归（Support vector machine regression,SVR）以及偏最小二乘回归（Partial least squares regression,PLSR）3种机器学习模型确定采样点光谱信息最优窗口尺度;然后,采用皮尔逊相关系数特征变量筛选法（Pearson correlation coefficient feature variable screening method,R）结合XGBoost和SVR模型对提取的34组光谱特征变量进行筛选,选取与土壤含水率敏感的特征变量;最后,估算土壤含水率。结果表明：喷灌方式下所选择的采样点最优光谱信息窗口尺度比畦灌小,其最优窗口尺度范围分别为11×11~21×21和15×15~29×29;采用皮尔逊相关系数特征变量筛选方法结合机器学习模型可有效提高土壤含水率反演精度;5种机器学习模型（R_XGBoost、R_SVR、XGBoost、SVR、PLSR）中R_XGBoost模型估算土壤含水率精度最优,在喷灌和畦灌方式下玉米灌浆期R_XGBoost模型的测试集决定系数R2分别为0.80、0.83,均方根误差（Root mean square error,RMSE）分别为1.27%和0.98%,小麦苗期R2分别为0.76、0.79,RMSE分别为1.68%和0.85%;土壤含水率反演模型在畦灌条件下的精度优于喷灌条件下。该研究可为基于无人机多光谱影像分析的信息挖掘和土壤水分监测提供参考。     

施钾量对晋南旱地冬小麦的影响

通过2008—2010年大田试验,研究了不同施钾量对晋南雨养区冬小麦生育期光合生理特性、产量构成和钾素利用率的影响。结果表明,施钾可显著促进旱地小麦灌浆期旗叶光合作用,提高生育期旗叶硝酸还原酶(NR)活性,降低脯氨酸(Pro)质量分数和丙二醛(MDA)质量摩尔浓度,进而显著增加产量。但施钾量(K2O)在75～225kg/hm2范围内时,小麦旗叶光合生理指标及产量均无显著变化。钾肥利用率随施钾量的增加而显著降低,以施钾(K2O)75kg/hm2最高。综合考虑光合生理特性、产量及钾素利用率,当地旱作冬小麦施钾量以75kg/hm2左右为宜。     

Water uptake, water use efficiency, plant growth and ionic balance of wheat, barley, canola and chickpea plants on a sodic vertosol with variable subsoil NaCl salinity

Salinity in topsoil and subsoil is one of the major abiotic environmental stresses to crop production. To investigate the comparative tolerance ability of wheat, barley, canola and chickpea to subsoil NaCl salinity and its impact on water uptake, water use efficiency, plant growth and ionic balance, a pot experiment was conducted on a heavy texture soil (sodic vertosol) having 20 ESP (exchangeable sodium percentage), 3.5 dS/m EC_e and 400 mg/kg Cl with additional NaCl applied in subsoil at 500, 1000, 1500 and 2000 mg/kg soil. Plants were harvested 40 days after sowing and assessed for different parameters. Increasing levels of subsoil NaCl salinity had significant depressing effect on shoot and root biomass, root/shoot ratio, water uptake and water use efficiency (shoot biomass production with a unit amount of applied water), leaves K:Na ratio and Ca:Na ratio of all the four species, but the magnitude of effect varied considerably among the species. Chickpea was affected most followed by wheat, barley and canola at the highest level of subsoil NaCl salinity. There was 64%, 49%, 37% and 34% reduction in shoot dry weight of chickpea, wheat, barley and canola respectively by highest subsoil salinity. Similarly water uptake declined by 61%, 36%, 31% and 26% respectively in chickpea, wheat, barley and canola. Water use efficiency of four species was in order of barley > canola > wheat > chickpeas on this sodic vertosol. The cumulative effects of reduced osmotic potential of soil solution, ion toxicity (high concentrations of Cl and Na) in soil/plants and ionic imbalance (reduced K:Na and Ca:Na ratio) within plant system under increased subsoil NaCl salinity contributed to reduce water uptake and plant growth in all the four crops, and the effects were more severe in chickpeas. Wheat despite having considerably lower Na and Cl in their leaves suffered greatly in plant growth and water uptake compared with barley and canola indicating better tolerance ability of barley and canola to high Cl and Na build up at tissue level. Results suggest chickpea to be the most sensitive to subsoil NaCl salinity. The growing of comparatively tolerant species like barley and canola may be the better option for sustaining crop production and higher water use efficiency on sodic vertosols with high subsoil NaCl salinity.     

超微粉碎/NaOH同步处理麦秸纤维素分离特性研究

为了探究超微粉碎/NaOH同步处理对小麦秸秆纤维素分离及其微观形貌结构和热稳定性的影响,将小麦秸秆与质量分数6%的NaOH溶液按照料液比0.1g/mL混合,进行了不同时长的超微粉碎/NaOH同步处理,并使用1.4%酸性亚氯酸钠溶液漂白和水浴式超声处理,分离得到纤维素纤维。系统表征了不同处理时长对小麦秸秆木质纤维素分离以及小麦秸秆纤维素微观形貌、晶体结构和热稳定性影响。结果表明：在同步处理0~60min范围内,机械力显著降低了麦秸样品的粒度,有效促进了秸秆木质纤维组分分离;经不同时长超微粉碎/NaOH同步处理后分离获得的小麦秸秆纤维素中,大量微米和纳米纤维素呈相互缠绕的网状分布;随处理时间延长,纤维素结晶度先降低后趋于稳定,处理30~60min是纤维素结晶度降低的转折点;Person相关性分析结果表明,小麦秸秆纤维素热稳定性与其结晶度以及处理时长呈现显著相关性（P<0.05）。     

不同秸秆覆盖量对冬小麦生理及土壤温、湿状况的影响

在干旱条件下,采用小区试验,研究了农田不同秸秆覆盖量对冬小麦土壤含水率、土壤温度的影响,比较了冬小麦生理及产量状况。试验设4个处理,秸秆覆盖量分别为0(CK)、0.3(F0.3)、0.6(F0.6)和0.9(F0.9)kg/m2。试验结果表明:在小麦全生育期内秸秆覆盖可有效地保持土壤水分;在小麦返青后F0.6保持了较高的土壤温度,有利于小麦的拔节;实际产量F0.6最高,单方水产量以F0.6最高,F0.9次之,认为在此试验条件下适宜的秸秆覆盖量为0.6 kg/m2。