土壤游离氧化铁高光谱特征与定量反演

【目的】建立基于可见-近红外光谱的土壤游离铁精确预测模型,简单、快速、经济地预测土壤游离铁,有助于研究土壤发生和分类。【方法】采集广西壮族自治区的铁铝土、富铁土、淋溶土和雏形土等82个旱地土壤剖面的B层土壤,进行室内土壤化学分析、光谱测定,分析不同光谱变换后的光谱反射率与土壤游离铁含量的相关性。基于特征波段利用偏最小二乘回归(PLSR)和逐步多元线性回归(SMLR)法建立土壤游离铁含量光谱预测模型,通过决定系数(R2)、均方根误差(RMSE)和相对预测偏差(PRD)确定最优模型。【结果】土壤光谱曲线分别在457、800和900 nm波段附近有明显的游离铁吸收和反射峰特征;土壤游离铁含量与原始光谱反射率呈负相关;原始光谱经过微分变换后,游离铁含量与光谱反射率相关性显著提高;基于400～580和760～1 300 nm特征波段和一阶微分光谱变换的SMLR模型预测精度最高,其验证集的R2和RPD分别为0.85和2.62,RMSE为8.41 g·kg~(-1)。【结论】将可见近红外光谱技术应用于土壤游离铁含量高效快速地预测具有良好的可行性。广西旱地土壤光谱反射率与土壤游离铁含量具有高度的相关性,应用逐步多元线性回归方法可以很好地建立土壤游离铁含量反演模型。     

基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系

本试验旨在研究基于NRC模型下不同程度热处理豆渣的营养价值与分子结构功能团特征的相关关系。利用烘箱对豆渣进行不同温度(100、115、130℃)下不同时间(2、4、6 h)的热处理,采用NRC(2001)模型预测不同程度热处理豆渣的代谢蛋白质产量、可消化养分含量和能值,同时利用傅里叶变换红外光谱(FTIR)技术分析不同程度热处理豆渣的分子结构功能团特征,并分析它们之间的相关关系。结果表明:1)随着温度的升高以及加热时间的延长,豆渣的代谢蛋白质产量、可消化养分含量和能值呈现出降低的趋势。2)温度和时间对豆渣的分子结构功能团存在显著的互作效应(P<0.05)。3)酰胺Ⅰ带与结构性碳水化合物峰面积比值(AmideⅠ_STCHO)和酰胺Ⅰ带与总碳水化合物峰面积比值(AmideⅠ_CHO)可以共同作为预测因子估测瘤胃可降解蛋白质(R^2=0.35,P<0.05)、过瘤胃蛋白质(R^2=0.35,P<0.05)、小肠可吸收过瘤胃蛋白质(R^2=0.33,P<0.05)和瘤胃可降解蛋白质可合成菌体蛋白质(R^2=0.35,P<0.05)含量。综上所述,不同程度热处理豆渣的分子结构功能团与其代谢蛋白质产量、可消化养分含量和能值之间存在相关关系,初步证明可以利用分子结构功能团对热处理豆渣的营养价值进行快速分析和估测。     

The use of infrared spectroscopy and machine learning tools for detection of Meloidogyne infestations

Plant parasitic nematodes are generally soilborne pathogens that attack plants and cause economic losses in many crops. The infested plants show nonspecific symptoms or, often, are symptomless; therefore, diagnosis is performed by taking soil and root tissue samples. Here, we show that a combination of different infrared spectra analysis and machine learning algorithms can be used to detect plant parasitic nematode infestations before symptoms become visible, using leaves instead of roots and soil as samples. We found that tomato and guava plants infested with Meloidogyne enterorlobii produced different spectral patterns compared to uninfested plants. Using partial spectra from 1,450 to 900/cm as the "fingerprint region", principal component analyses indicated that after 5 (tomatoes) or 8 weeks (guava), plants with no visible symptoms of infestations were positively diagnosed. To improve the early detection response, we used machine learning modelling. A support vector machine (SVM) was used to obtain more robust, accurate models. The SVM model contained 34 support vectors, 17 for each level. The overall performance of the model was >97% and the total accuracy was significantly higher, demonstrating the absence of chance prediction. The best prediction of infestation was obtained at the second and fourth weeks for tomatoes and guavas, respectively, reducing the diagnostic time by half. The combined application of these techniques reduces the processing time from field to laboratory and shows enormous advantages by avoiding root and soil sampling.     

基于机器学习算法的土壤有机质 质量比估算

为快速高效地估测干旱、半干旱地区土壤有机质(soil organic matter, SOM)质量比,提出了一种结合竞争适应重加权法(CARS)和随机森林(RF)的估测模型.以内陆干旱区艾比湖流域为研究区,测定土壤高光谱反射率和SOM质量比,经预处理后,利用CARS对原始光谱(R)、一阶导数(R′)、吸光度(log(1/R))及吸光度一阶导数［log(1/R)］′4种光谱变量的可见-近红外光谱进行筛选,并结合RF算法,建立全谱段RF模型与CARS-RF模型.结果表明,基于CARS方法对光谱进行变量筛选后,得出4种光谱变量的优选变量集个数分别为35,26,34和121;在4种光谱变量中,R′和［log(1/R)］′的SOM估测模型精度较高,以［log(1/R)］′为基础数据获得的模型精度最高;CARS-RF模型精度优于全谱段RF模型,模型验证集决定系数(R²)、均方根误差(RMSE)、相对分析误差(RPD)分别为0.881,6.438 g/kg和2.177.该研究在预处理的基础上通过变量优选,应用较少的变量个数获得较高的估测精度,为干旱、半干旱区SOM高光谱估测提供了适宜高效的方法.     

Using vibrational molecular spectroscopy to detect moist heating induced carbohydrates structure changes in cool-climate adapted barley grain

There is limited research to study how moist heating affects internal structure of barley grain on a molecular basis. The objectives of this study were to use vibrational molecular spectroscopy: 1) to determine the moist heating induced changes of barley carbohydrate (CHO) structure on a molecular basis, 2) to study the effects of moist heating on CHO chemical profiles, Cornell Net Carbohydrate and Protein System (CNCPS) subfractions, in situ rumen degradation, and predicted intestinal carbohydrate supply of barley grain; and 3) to reveal the association between molecular structure spectral features and CHO related metabolic characteristics. Barley samples (CDC cowboy) were collected from Kernen Crop Research Farm (Saskatoon, Canada) during two consecutive years. Half of each sample was kept as raw barley and the other half underwent moist heating (autoclaving at 120 °C for 60 min). The molecular spectroscopy (attenuated total reflectance-fourier transform infrared, ATR-FTIR) was used to detect the barley CHO related molecular structure spectral features. Moist heating did not affect carbohydrate related chemical profiles and CNCPS subfractions but it decreased rumen degradable carbohydrate. Rumen undegradable and intestinal digestion of CHO subfractions were not affected by moist heating. The advanced vibrational molecular spectroscopy can be used to detect carbohydrate molecular spectral features. Nutrient utilization prediction using molecular spectral characteristics is warranted and further investigation is encouraged.     

基于无人机成像高光谱影像的冬小麦LAI估测

利用无人机Cubert UHD185 Firefly成像光谱仪和ASD光谱仪获取了冬小麦挑旗期、开花期和灌浆期的成像和非成像高光谱以及LAI数据。首先,对比ASD与UHD185光谱仪数据光谱反射率,评价两者精度;然后,选取7个光谱参数,分析其与冬小麦3个生育期LAI的相关性,并使用线性回归和指数回归挑选出最佳估测参数;最后利用多元线性回归、偏最小二乘、随机森林、人工神经网络和支持向量机构建了冬小麦3个不同生育期LAI的估测模型。结果表明:UHD185光谱仪光谱反射率在红边区域与ASD光谱仪趋势一致性很高,反射率在挑旗期、开花期、灌浆期的R^2分别为0.9959、0.9990和0.9968,UHD185光谱仪数据精度较高;7种光谱参数在挑旗期、开花期、灌浆期与LAI相关性最高的参数分别是NDVI(r=0.738)、SR(r=0.819)、NDVI×SR(r=0.835);LAI-MLR为冬小麦LAI的最佳估测模型,其中开花期拟合性最好,精度最高(建模R^2=0.6788、RMSE为0.69、NRMSE为19.79%,验证R^2=0.8462、RMSE为0.47、NRMSE为16.04%)。     

基于微流控和比色光谱法的水产养殖海水氨氮含量检测

为实时、准确地获取水产养殖海水中氨氮含量，以大围网养殖海水中的氨氮为研究对象，在比色光谱法基础上结合微流控技术进行靛酚蓝法比色反应，实现对溶液中氨氮含量的定量检测。建立数据处理后相应的模型，并且对比了不同光谱预处理和不同样本集划分算法对建立预测模型的影响，其中多元散色校正（MSC）后再使用小波平滑的预处理方法结合排序法划分样本集建立的偏最小二乘（PLS）回归模型效果最优，建模集校正标准差（RMSEC）和预测集校正标准差（RMSEP）分别为0.0566mg/L和0.0677mg/L，相对分析误差（RPD）为6.8932；在优化条件下测得方法的线性范围和检测限分别为0.005~1.350mg/L和0.0036mg/L。对海水、自来水和养殖水体进行加标回收实验，平均回收率在94%~109%之间，相对标准偏差在2.3%~5.8%之间。结果表明，实验建模效果良好，操作简单、方便，实验快速、可靠、无污染，表明利用比色光谱法结合微流控技术检测氨氮方法可行。     

高温干旱复合胁迫对花生幼苗生理指标的影响

为探讨高温和干旱复合胁迫下的花生幼苗对逆境的响应机制，以抗逆性存在差异的花生品种豫花9719和豫花9326为试验材料，对其幼苗进行昼夜温度为45℃/25℃、土壤含水量为35%~40%左右的高温和干旱复合胁迫处理，研究复合胁迫对花生幼苗生长及生理特性的影响。结果表明：胁迫条件下，豫花9719的株高和干重分别比对照组低44.3%和30.2%，差异达极显著水平；含水量、叶绿素a、叶绿素b、类胡萝卜素、花青素的含量均低于对照，其中叶绿素a的含量低4.88%，差异达显著水平，花青素含量低18.14%，差异达极显著水平；PRI、PI、Gs、Pn值分别比其对照组低12%、50.31%、75.2%、72.3%，差异均达极显著水平；MDA含量和相对电导率分别比对照组高93.1%和29.93%，差异均达显著水平；可溶性蛋白和类黄酮含量分别比对照组高104.5%和41.00%，差异均达显著水平；SOD和CAT活性分别比对照组低0.91%和3.29%，差异不显著。豫花9326的株高比其对照组低33.6%，差异达极显著水平，干重降幅不显著；含水量、类胡萝卜素、花青素的含量均比对照组低，但差异均不显著；叶绿素a和叶绿素b的含量分别比对照组高19.44%和3.39%，其中叶绿素a差异达极显著水平； PRI、PI、Gs、Pn值均比对照低，差异均不显著；MDA含量和相对电导率均比对照组高，但差异均不显著；可溶性蛋白和类黄酮含量分别比对照组高271.33%和48.96%，差异均达极显著水平；SOD和CAT活性分别比对照组高70.11%和68.8%，增幅均达显著水平。推测豫花9326对高温和干旱复合胁迫的抗性较高，主要与其较为强大的抗氧化防御系统及光合系统有关。     

精准施药中叶面积指数探测研究

精准施药技术的研究以提高农药的利用率为目的,是精准施药的发展方向。果树叶面积指数能为精准施药提供重要参考依据,通过叶面积指数及生物量探测可以进行大面积果树的长势监测并计算其药量的需求,进而对作物进行指导性施药。为此,结合国内外研究现状阐述了各类叶面积指数探测技术和计算方法,分析了精准施药技术中靶标探测的方法及叶面积指数探测在精准施药中的应用,并对精准变量施药中叶面积指数探测方法进行了展望。     

水盐交互作用对河套灌区土壤光谱特征的影响

为探究土壤水盐交互作用对Sentinel-2卫星光谱特征的影响，该研究以内蒙古河套灌区沙壕渠灌域为研究区域，分别在2018年和2019年的4-5月共采集280个裸土期表层土壤样本，测定其土壤含水率和含盐量，并获取同步的Sentinel-2卫星遥感数据，构建基于土壤水盐-反射率原理的土壤光谱特征理论模型，在此基础上结合土壤水盐交互作用构建水盐交互模型，并比较2种模型对土壤光谱的模拟效果，分析土壤水盐交互作用对土壤光谱估算的影响。结果表明：1）土壤水盐交互作用对光谱的影响因波段类型和水盐含量的不同而有所不同。在可见光范围上影响相对较弱，其作用范围为-0.11～0.29；在近红外和短波红外范围上影响相对较强，其作用范围为-0.35～0.61；当水分或盐分中某个含量较高时对光谱影响较弱，其主要集中在-0.1～0.23；，在水盐含量程度相似时影响较强，其作用范围为0.3～0.6。2）与土壤光谱特征理论模型相比，水盐交互模型能明显地改善土壤光谱的模拟效果，能将模拟相关系数由0.14～0.44提升到0.29～0.70，均方根误差由0.032～0.082降低到0.029～0.068。该研究结果揭示了盐分和水分对光谱特征的干扰过程，为土壤盐分的估算提供策略与方法，对实现区域尺度上土壤盐分的精准监测具有一定的意义。