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。     

高油酸花生新品种花育963选育及其栽培技术要点

花育963是山东省花生研究所以高含糖量普通油酸含量花生06-I8B4为母本、高油酸花生突变体CTWE为父本杂交,后代通过分子标记与近红外技术相结合选育而成的抗青枯病、高油酸大花生新品种。该品种2013～2015年参加山东省花生品比试验,子仁平均产量3 446.80 kg/hm~2,较对照品种花育33平均增产4.31%;油酸含量80.1%,油亚比为25.0。花育963于2015年通过安徽省品种鉴定(鉴定编号:皖品鉴登字第1505029),2018年通过国家品种登记〔登记编号:GPD花生(2018) 37037〕。     

特早熟高糖猕猴桃新品种‘金美’

‘金美’是从云南野外美味猕猴桃资源中选育出的绿肉高糖新品种。果实为卵形，果面黄褐色硬毛，果形整齐；平均单果质量60 ~ 80 g。果肉绿色或黄绿色，质嫩多汁，风味浓甜。软熟果实含可溶性固形物24.1%，可溶性总糖16.2%，总酸1.25%，维生素C 1 180 mg • kg-1，钾 342 mg • kg-1，钙84.2 mg • kg-1。在武汉地区8月果实成熟，此时果实采后7 d开始软熟，1 ~ 2 ℃低温和95%相对湿度下可存放100 ~ 120 d。盛果期产量22 t • hm-2。     

核桃新品种‘鲁绵1号’

‘鲁绵1号’核桃是从‘鸡爪绵’核桃实生群体中选育出的高油抗病新品种。坚果圆形，单果质量15.0 ~ 17.3 g，易取整仁，出仁率46.2%；脂肪含量70.5% ~ 72.0%，蛋白质含量18.8% ~ 20.3%。丰产，抗病。在济南市南部山区8月下旬果实成熟，10年生树平均株产4.9 kg，折合3 013.5 kg • hm-2。     

羊肚菌的种植技术

导读:羊肚菌是羊肚菌科的珍贵菌种,食用和药用价值高。在羊肚菌的栽培过程中,采取低温高湿、控制光照、添加营养袋等相应措施,可促进羊肚菌快速生长。长阳县于2017年引种羊肚菌,667 m2纯收入可达5000元以上。     

基于荧光光谱的辣椒种子品种识别

为了提高辣椒种子品种鉴别效率,实现辣椒种子品种快速无损鉴别,研究了一种基于荧光光谱的辣椒种子品种快速无损识别方法。选择同一系列相似辣椒种子的杂交品种卓椒3号、卓椒4号和卓椒5号为研究对象,分别采集辣椒种子的荧光光谱56份,对原始光谱进行Savitzky-Golay(SG)卷积平滑和一阶导数(first derivative,FD)预处理;采用主成分分析(Principal Component Analysis,PCA)方法提取主成分,实现数据降维;采用Fisher判别分析方法建立辣椒种子品种识别模型。结果显示:采用荧光光谱建立判别模型时,卓椒3号辣椒种子的品种识别正确率达到92.9%,卓椒4号、卓椒5号辣椒种子的品种识别正确率均达到100.0%,整体识别正确率达到97.6%;采用荧光光谱的一阶导数光谱建立判别模型时,卓椒3号、卓椒4号、卓椒5号辣椒种子的品种识别正确率均达到100.0%,整体识别正确率达到100.0%。研究结果表明,种子叶绿素荧光光谱结合化学计量学方法能够有效识别辣椒种子品种。     

高花青素洋葱品种"秀球赤玉"的选育与特征特性

“秀球赤玉”是以高花青素深紫皮不育系562A为母本，以高花青素深紫皮自交系2014-7-10-6为父本培育的中日照、早熟、高花青素三系杂交种。其表现：鳞茎大圆球形，花青素含量高达68.8 mg/g；洋葱鳞片从外至里均为深紫色，色泽亮，外观漂亮，商品率高；辣味轻，口感脆甜，可生食；植株长势强，抗病，耐抽薹，分球、裂球少；假茎细且收口紧，耐贮性好；平均单球质量600～1 000 g，667 m2产量8 000～12 000 kg；适宜在中日照地区推广，2019—2020年累计推广面积超过1 500 hm2。     

宁夏玉米营养成分近红外分析模型建立与应用

研究采集宁夏区内各市县(固原、海原、同心、中卫、中宁、永宁、平罗)抽取玉米样品120批,用近红外分析仪扫描定标样品集获得玉米近红外光谱图,利用偏最小二乘法建立模型,并分别经过无预处理、均值中心化、标准正态变量转换、一阶导数、标准正态变量转换结合去趋势校正(SNV+D)预处理光谱,获得水分、粗蛋白、粗脂肪、粗纤维预测模型,分别是经过MC、SNV+D、SNV+D、SNV+D光谱预处理后效果最好。预测决定系数R² _p分别为0.951、0.976、0.728、0.897,相对分析误差RPD除粗脂肪为2.62外,其他均大于3的近红外预测模型,通过预测模型验证集验证后,并对模型预测值与实测值进行U检验,结果为差异不显著(P>0.05)。该近红外预测模型对玉米中水分、粗蛋白、粗纤维具有较佳预测效果,粗脂肪的预测精度有待进一步提高。