养狗前应该知道的小常识

正(接上期)十七.狗狗是色盲么?如果像人一样判断,狗狗是色盲的(分不了红绿色),但却不是只能看到黑、白、灰三色。狗狗的锥形细胞比人少,所以并不能像人一样看到光谱的所有颜色。但它们观色能力并不只局限于黑、白、灰。在1989年、1993年及1998年的研究报告中,狗狗能看到蓝色系及黄色系的一些色调并能通过它们分辨出红色,但缺乏绿色系的锥形细胞。狗狗不能分辨绿、红、橙及黄绿色,他们看这些颜色或是偏红色     

基于近/中红外光谱的玉米自交系组合的选配

通过对41个玉米品种的近红外光谱、中红外光谱和融合后的近-中红外光谱数据进行系统聚类分析,以对照组玉米的父母本作为参照,筛选出新的玉米自交系组合.结果表明:相对于单一的近/中红外光谱,融合后的近-中红外光谱能表征更多的特征信息,提供更为准确的筛选结果.理论上,利用近/中红外光谱技术可从大量玉米品种中选择与对照组父、母本相似或者相差大的样品,再进行组合杂交.该方法在一定程度上克服了传统育种的盲目性,使育种工作具有一定的定向性.     

圆形喷灌机条件下变量灌溉对苏丹草产量与品质的影响

以苏丹草为研究对象，于2019年5—8月在河北涿州中国农业大学教学实验场开展了圆形喷灌机条件下变量灌溉对苏丹草产量与品质的影响研究。依据土壤表观电导率（ECa）差异划分出3个灌溉管理小区（1区、2区、3区），并分别对其进行变量灌溉（VRI）和均匀灌溉（URI）处理。结果表明：全生长季内，URI和VRI处理之间年产量没有显著性差异（P>0.05）,但VRI处理比URI处理节水13.4％，灌溉水分利用效率提高了17.5%，尤其是在第二茬雨季VRI处理的灌溉水分利用效率提升了43.8%（P<0.05）；第一茬，VRI处理与URI处理苏丹草粗蛋白含量与相对饲喂价值没有显著性差异（P>0.05），但在降雨量较大的第二茬VRI处理可以显著提高苏丹草的粗蛋白含量（提高9.5%，P<0.05）和相对饲喂价值（提高3.5%，P<0.05）。     

基于哑变量的高山松蓄积量反演模型研究

基于Landsat TM和地面实测样地数据,采用传统线性回归和引入哑变量的线性回归两种建模方法构建香格里拉高山松蓄积量反演模型,并对模型进行验证。研究表明,传统一元和多元线性回归模型的相关系数分别为0.280和0.365,引入哑变量的线性回归模型相关系数为0.602;结合实测检验数据,传统一元、多元线性模型和引入哑变量的模型预测精度分别为61.1%,74.9%和80.3%,引入哑变量的高山松森林蓄积量模型反演精度明显提高,研究结果可为今后基于哑变量的遥感森林蓄积量反演提供一定的依据和参考。     

不同波长选择方法在土壤有机质含量检测中对比研究

由于近红外光谱数据的多重共线性，特征波长选择一直是近红外光谱分析技术的重要研究内容。以108个土壤样本光谱数据和土壤有机质(SOM)含量为研究对象，以连续投影算法（SPA）、间隔偏最小二乘法（IPLS）、竞争自适应重加权采样法（CARS）三种典型的特征波长选择算法进行近红外光谱波长选择和土壤有机质含量建模。研究结果表明，基于上述三种方法提取的特征波长所建立的模型预测能力均优于全谱模型。其中，基于SPA算法的MLR预测模型精度最优，预测集相关系数（Rp）和均方根误差（RMSEP）分别为0970 2和1.214 4，模型参数只有6个。因此，SPA-MLR可以有效地应用近红外光谱的建模，并且简化模型的复杂度，提高模型的计算效率。     

基于连续投影算法和光谱变换的冬小麦生物量高光谱遥感估算

为探索基于全波段冠层高光谱以及变换光谱的冬小麦地上部生物量的遥感估算方法，以2016、2017年冬小麦田间试验为基础，通过对冠层光谱和地上部生物量的相关性分析，筛选拔节期、抽穗期的冬小麦冠层光谱、一阶导数光谱、对数变换光谱和连续统去除光谱对地上部生物量的敏感波段，并结合偏最小二乘法(PLS)分别建立拔节期和抽穗期基于SPA算法的冬小麦地上部生物量估测模型，再与基于任意两波段组合的最佳归一化光谱指数、比值光谱指数、差值光谱指数和已报道光谱指数的冬小麦地上部生物量估测模型进行比较。结果表明：(1)SPA算法较好地利用了全波段冠层光谱信息，并显著降低了光谱维度，不同变换光谱的地上部生物量敏感波段个数在4~14之间；(2)拔节期和抽穗期冠层光谱与地上部生物量的相关性高于开花期和灌浆期，各生育时期一阶导数光谱与地上部生物量之间的相关性优于连续统去除光谱、对数变换光谱和光谱指数；(3) 利用抽穗期一阶导数光谱敏感波段建立的预测模型和验证模型达到了较高的精度，其预测模型的决定系数和均方根误差分别为0.78和0.87 t·hm^-2，验证模型的决定系数和均方根误差分别为 0.84和0.69 t·hm^-2，预测相对偏差为2.74。这说明，抽穗期是估算地上部生物量的最佳生育时期，且基于冠层一阶导数变换光谱，结合连续投影算法和偏最小二乘回归方法所构建抽穗期地上部生物量估算模型具有最优的精度和预测能力，可用于地上部生物量的定量估算。     

基于近红外光谱的沼液挥发性脂肪酸含量快速检测

挥发性脂肪酸（Volatile Fatty Acids，VFA）作为厌氧发酵过程的重要中间产物，其在厌氧反应器中的累积能够反映出产甲烷菌的不活跃状态或厌氧发酵条件的恶化。为了实现对农牧废弃物厌氧发酵进行过程分析和状态监控，将近红外光谱（Near Infrared Spectroscopy，NIRS）与偏最小二乘（Partial Least Squares，PLS）相结合构建玉米秸秆和畜禽粪便厌氧发酵液乙酸、丙酸和总酸含量快速检测模型。将竞争自适应重加权采样法（Competitive Adaptive Reweighted Sampling，CARS）与遗传模拟退火算法（Genetic Simulated Annealing algorithm，GSA）相结合构建CARS-GSA算法对沼液中的乙酸、丙酸和总酸进行特征波长优选，原始光谱数据1 557个波长点经预处理和波长优选后，得到乙酸、丙酸和总酸特征波长变量分别为135、101和245个，建立的回归模型验证决定系数分别为0.988、0.923和0.886，预测均方根误差（Root Mean Squared Error of Prediction，RMSEP）分别为0.111、0.120和0.727，相对分析误差分别为9.685、3.685和3.484，与全谱建模相比RMSEP分别减少了17.78%、15.49%和1.22%，能够满足农牧废弃物厌氧发酵过程发酵液中乙酸和丙酸含量的快速检测需求，基本满足总酸的检测需求。结果表明，通过构建CARS-GSA算法优选乙酸、丙酸和总酸的敏感波长变量，参与建模的波长点数量显著减少，有效降低了变量维度和模型复杂度，提升了回归模型检测精度和预测能力，为快速准确检测沼液VFA提供了新途径。     

预处理对土壤有机质光谱估算的影响

为实现土壤有机质(SOM)含量的实时、动态监测,以晋南麦区169个土壤样本为研究对象,通过测定其SOM含量与高光谱,采用多种常规预处理光谱相结合的方法,分析预处理光谱与SOM含量间的相关性,并选择光谱特征波长,构建基于光谱波长的SOM含量监测模型。结果表明,SOM含量与光谱反射率成反比;通过不同预处理方法与SOM含量相关性分析,筛选出最佳特征波长为580、567、571、560、535、672、673、674、678 nm,MSC+1st耦合多元逐步回归(MLR)构建的模型R~2为0.74,RPD为1.52,模型精度最高,误差最小,更利于实现SOM含量的光谱监测。经比较分析,多种预处理方法相结合较单一预处理方法更有利于建立估测模型。