雷蘑液态发酵工艺响应面法优化研究

在雷蘑（Clitocybe gigantean）AS 5.105液态发酵培养基优化的基础上,采用Plackett-Burman设计(Plackett-Burman Design,P-B)对影响雷蘑发酵胞外多糖的内在和外在因素进行了筛选,所选取的6个相关因素为：初始pH,培养温度,发酵时间,装液量,接种量,摇床转速。在此基础上,再采用响应曲面法(Response Surface Methodology,RSM)对影响雷蘑发酵胞外多糖的关键影响因素培养温度,发酵时间和装液量的最佳水平范围作了进一步的研究与探讨,通过对二次多项回归方程求解得知,在上述自变量分别为培养温度27.05℃、发酵时间6.92d和装液量93.90ml时,胞外多糖产量的最大预测值为103.58mg/100ml。     

芥菜型油菜黄黑种皮多酚差异的紫外-可见光谱研究

以芥菜型自交系黄黑油菜种皮为材料,研究了其多酚提取液的紫外-可见吸收光谱, 测定了芥菜型油菜黄黑种皮样以没食子酸和茶儿茶素标准计的多酚含量,发现黄种皮的多酚含量约为黑种皮的90%,显著区别于甘蓝型油菜的10%,因此多酚含量高可能是芥菜型黄籽油菜性状稳定的根本内因。基于香草醛试验,推测黑种皮中含有3-OH的黄烷醇类多酚,而黄种皮中没有。基于加入位移试剂后特征吸收谱带Ⅰ与Ⅱ的位移方向与大小,推测黄酮醇类多酚A环在黄种皮中可能主要为单酚羟基,而在黑种皮中可能主要为邻二酚羟基结构。这种多酚分子的结构差异可能是形成芥菜型油菜黄黑种皮色泽差异的主要原因。     

土壤有机质光谱响应特性研究

土壤有机质光谱响应特性研究是光学遥感定量化的基础性研究.研究利用VF991地物光谱测量仪对八个不同环境条件下形成的土壤样本剖面上的各个土层进行光谱测量,得到各个土层的反射率光谱曲线,并测出各个土层的有机质含量.通过研究土壤的有机质含量与土壤反射光谱间的相关性分析,发现有机质含量与土壤光谱在紫外区的376.795nm波段、可见光区的616.506nm波段和近红外区的724.0975nm波段附近有较好的负相关性     

超高产杂交稻剑叶的光抑制及其77K荧光光谱特性

通过对培矮64S/E32和汕优63进行高光胁迫结果表明: 与籼型杂交稻汕优63比较, 培矮64S/E32的Fv/Fm和ΦPSⅡ、PSⅡ和PSⅠ荧光强度下降的幅度以及F685/F742和F694/F742比率的变化较小。用D1蛋白合成抑制剂CAP处理时,培矮64S/E32 的Fv/Fm和qP下降程度稍高于汕优63,而用叶黄素循环抑制剂DTT处理,结果则反之。表明超高产水稻品     

复合缓释肥料中N P释放速度的红外光谱分析

文章提供的红外光谱分析法,对复合缓释肥中N,P的分析,可在不经分离的情况下,通过红外图谱同时得出N,P的释放量.分析时不需任何试剂,取一次样几分钟内可得出结果.较常规化学分析方法简易快速.     

高光谱遥感在荒漠化监测中的应用

论述并建立了适合于高光谱遥感技术的荒漠化监测指标,提出了基于高光谱分辨率数据处理算法的荒漠化监测评价指标信息的提取方法。初步构建了ＴＭ、高光谱分辨率成像光谱仪和地面调查相结合的荒漠化监测的技术框架。     

青海不同产地羌活红外光谱分析

[目的]比较青海不同产地的羌活红外光谱差异.[方法]在4 000～400 cm-1内测定羌活红外吸收峰,应用主成分分析和聚类分析方法评价羌活化学成分累积量.[结果]青海7个产地羌活含有红外共有峰7个,化学成分累积量从高到低依次为班玛＞红军沟＞玛可河＞大通＞久治＞互助＞松多;聚类分析结果表明,可以将青海不同产地羌活分为两...     

基于数据挖掘技术的高光谱土壤质地分类研究

【目的】 寻找红壤地区不同土壤质地类型的Vis-NIR光谱反射规律,通过光谱对土壤质地类别进行快速、准确的预测。【方法】 以江西省奉新县北部为研究区,245个土壤样本为研究对象,在国际制土壤质地4组和12级两种分类标准下,首先分析不同土壤质地类型的光谱反射率,然后采用9种数学变换方法和5种机器学习算法相互组合的数据挖掘模型,进行土壤质地的分类研究,最后对建模准确度最高的混淆矩阵和预测结果三角坐标分布图进行分析。【结果】 （1）不同土壤质地之间的光谱反射率存在较多的交叉重叠现象,土壤质地与光谱反射率之间的规律较为复杂;（2）分数阶导数变换是整数阶导数的扩展,有助于土壤质地的分类,但原始光谱数据具有更加丰富的特征信息,更适合进行土壤质地分类建模;（3）在对非均衡数据集建模时,集成学习方法和神经网络方法都是不错的选择;（4）较难通过模型去区分土壤质地分界线附近的类别,其中在4组分类标准下最容易被预测错误成黏壤土组,在12级分类标准下最容易被预测错误成黏壤土和壤质黏土这两种土壤质地类型;（5）在4组分类标准中,进行归一化处理和MLP模型组合取得了0.68的最高预测准确度,其中黏壤土组的预测准确度能达到0.84;再细分到12级分类后,分类效果最佳的组合来自于原始数据和MLP模型,其中壤质黏土分类准确度达到了0.89。【结论】 本研究结果可为南方红壤地区通过高光谱数据进行土壤质地分类提供参考依据。     

基于光谱分析的玉米追肥关键期叶片氮含量检测方法

在玉米追氮关键期对其氮含量进行准确检测,是玉米减量施肥的重要举措。传统的全波段光谱分析法数据量大,氮含量检测数学模型建立困难。选取能够反映玉米叶片氮含量水平的特征波长,能够极大减小建模难度。针对玉米生长对氮含量特征波长变化影响,提出玉米追肥关键期叶片氮含量检测方法。将标准归一化、卷积平滑处理算法与连续投影算法相结合,提取了玉米拔节期、大喇叭口期及抽雄期3个追氮关键期的叶片氮含量光谱特征波长,为玉米追氮光谱检测模型建立提供了依据,并通过多元线性回归建立玉米叶片氮含量光谱模型,极大降低了算法复杂度。通过对比分析表明,采用本文提取的方法得到的特征波长,具有准确性强,均方根误差小,运算复杂度低的优势。