基于OSC的土壤全氮近红外光谱测定

采集农田、林地和盐碱地不同类型的土壤样本,采用偏最小二乘法结合OSC方法建立土壤有机质反演模型,运用交叉验证和外部验证相结合的评价方法进行比较分析。结果显示：采用平滑＋MSC＋OSC方法对光谱进行预处理,可以提高预测模型的精度。OSC因子个数和PLS主因子个数分别为6和4时,交叉验证决定系数R2为0.990 1,均方根误差为0.297 5,外部验证决定系数R2为0.926 1,均方根误差为0.283 6,模型达到最优。表明对光谱进行OSC预处理后建模是可行的,OSC降低与浓度阵无关的光谱信号,并且减少建立模型的主因子个数,进一步提高模型的精度和稳定性。     

无患子果皮皂苷含量近红外光谱检测研究

为建立无患子(Sapindus mukorossi Gaertn.)果皮皂苷含量的快速检测模型,结合高效液相色谱法(HPLC),对采自浙江省天台县145份无患子果皮的皂苷含量进行检测。并依据近红外吸收光谱与HPLC测定数据的相关性,建立2个果皮皂苷含量估测模型,并对模型的准确性进行预测和评价。结果表明:A组(完整果皮)和B组(粉末状果皮)光谱数据分别基于SNV+1stderivative和MSC+1st derivative预处理法并利用PLS构建的光谱模型表现最佳,模型可靠性最强,预测精度最高,其中B组光谱数据建立的模型预测效果明显优于A组。基于A组和B组建立的模型与HPLC法的测量结果相关系数分别为0.654和0.993,预测标准偏差分别为0.982和0.294。以B组样品建立的模型基本可以代替HPLC法使用,而以A组样品建立的模型可用于测定精度要求不高、比较珍贵或样品量较少的样品。     

近红外光谱法快速测定速生桉木化学成分含量

用常规方法测定了104个速生桉木样品的综纤维素、聚戊糖、酸不溶木素及苯醇抽出物含量并采集了样品的近红外光谱。对原始光谱进行多元散射校正后,运用偏最小二乘法和交互验证的方法,确定最佳主成分数并建立样品相关化学成分含量的校正模型。独立验证中综纤维素、聚戊糖、酸不溶木素和苯醇抽出物模型的决定系数 Rval2分别为0.9067、0.9033、0.9504、0.9570;预测均方根误差(RMSEP)分别为0.33%、0.50%、0.31%、0.17%;相对分析误差(RPD)值分别为3.22、3.20、4.43、4.73;绝对偏差(AD)分别为?0.53%~0.60%、?0.95%~0.77%、?0.55%~0.52%、?0.22%~0.29%,4个校正模型较好地预测了验证集样品的化学成分含量,基本满足制浆造纸工业中快速测定速生桉木原料的需求。     

基于不同预处理的椴树木材基本密度近红外光谱估测及模型优化

【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350~2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500~2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。     

基于偏最小二乘法的近红外光谱定量分析模型测定八角茴香中莽草酸含量

采用偏最小二乘法(PLS)建立测定八角茴香中莽草酸含量的近红外(NIR)光谱定量分析模型.应用多种光谱预处理方法分别对八角茴香固体粉末样品的NIR光谱进行预处理,并采用预处理后的光谱建立定量分析模型,每个模型均经过选择最有效的光谱区域和最适主因子数进行优化.经过比较各个模型的内部交互验证均方根误差(RMSECV)和交互验证预测值与真实值间的相关系数(RV),外部预测均方根误差(RMSEP),选取最优的模型,结果表明定量分析模型稳健性好和测定精度高,在中药有效成分定量分析方面有很好的应用前景.     

基于偏最小二乘法的近红外光谱测定八角中反式茴香脑和莽草酸

采用偏最小二乘法(PLS)建立八角中反式茴香脑和莽草酸含量的近红外光谱定量分析模型。利用近红外光谱技术采集八角粉末的近红外光谱图(NIR),以高效液相色谱法测定的八角中反式茴香脑和莽草酸质量分数作为参考值,经过光谱处理软件将近红外光谱图与质量分数参考值进行关联,反式茴香脑的定量分析模型采用二阶导数作为预处理方法,以7 502～5 446.2和4 601.5～4 246.7 cm^-1为波数范围,维数为10;莽草酸的定量分析模型采用一阶导数加直线减法作为预处理方法,以7 502～6 098.1和5 450.1～4 597.6 cm^-1为波数范围,维数为8。结果表明：建立的八角中反式茴香脑和莽草酸含量的快速无损定量检测模型的决定系数(R²)分别为90.86%和93.13%,校正集的内部交叉检验均方根误差(RMSECV)分别为0.158和0.285,验证集的均方根误差(RMSRP)分别是0.068 7和0.171,配对T检验P值分别为0.761和0.194,均大于0.05,测量值与参考值偏差较小,建立的模型能较准确地测定八角中反...     

近红外光谱法测定毛竹综纤维素的含量研究

研究了用近红外光谱(NIR)结合多变量统计分析技术对毛竹综纤维素含量的快速测定。用常规实验室方法测定了54个竹材样品的综纤维素含量,用近红外光谱仪采集相应样品的光谱,对原始光谱进行二阶导数和25点平滑预处理后,从54个竹材样品中挑选41个代表性的样品建模,选择1011~1675nm和1930~2488nm波段区间,用偏最小二乘法(PLS1)和完全交互验证方式建立毛竹综纤维素含量的预测模型。结果表明,毛竹综纤维素含量和近红外光谱之间存在非常好的相关性,预测模型的相关系数(RP)为0.95,预测模型的标准偏差(SEP)为0.76%。     

基于近红外光谱技术的天麻产地鉴别方法

采用近红外光谱技术(NIR)建立天麻产地的定性模型,并对天麻产地进行鉴别.利用AntarisⅡ傅立叶变换近红外光谱仪(FT-NIR)对云南昭通、省内非昭通、省外的88个天麻样品,采用不同的光谱预处理方法,结合主成分分析联用马氏距离算法(PCA-MD)和偏最小二乘判别分析算法(PLS-DA)对不同产地天麻进行评价.结果表...     

紫丁香叶片面积测量方法的研究

选取５个地点典型紫丁香叶片为材料，用回归相关和乘常数法研究了紫丁香叶片长、宽与叶片面积的关系。结果表明：叶片面积与叶片长、宽的相关系数均达到１％祖显著水平，与叶片长、宽的直线关系（ｙ＝ａ＋ｂｘ）及与叶片长、宽的两种曲线关系（ｙ＝ａｘ￣ｂ、ｙ＝ａ＋ｂｌｏｇｘ）成立；用它们去估测叶片面积，能得到极相似的结果。用乘常数法估测叶面积简便、易行。两种方法的估测值与实测值之间差异均不显著，都具有不需离体、准确、快速及易于推广等优点。     

基于ALOS数据的云南松林蓄积量遥感估测方法

基于ALOS数据和样地实测数据为数据源,云南省宜良县为研究区,以提高森林蓄积量遥感估测模型精度为目的,从遥感、GIS、郁闭度等方面选取与森林蓄积量相关性较高的因子作为自变量。采用逐步回归法、主成分分析法、偏最小二乘法3种模型估测宜良县的云南松林蓄积量。从3种模型的拟合效果和估测精度比较结果表明:偏最小二乘法精度最高,调整决定系数为0.754,预测精度为82.77%,与主成分分析等传统线性估测模型相比精度有较大改善。     

基于NIR-PLS的土壤碳含量预测模型研究

以东北小兴安岭林区带岭林业局东方红林场的土壤为研究对象,对120个土壤样品近红外光谱做去噪、Savitzky-Golay平滑和多元散射校正预处理,利用偏最小二乘（PLS）法建立关于土壤碳含量和吸光度之间的定量分析模型,并进行模型校、验证及部分预测集样品碳含量预测.结果表明：主成分数为4时,模型最优.校正模型的决定系数R2和均方根误差（RMSE）分别为0.784和5.752;验证模型的决定系数R2和均方根误差（RMSE）分别为0.621和7.521,预测集样品的实测值和预测值的决定系数R2达到0.735,均方根误差RMSE为7.202,预测标准差SEP为10.356.应用近红外技术可以实现对小兴安岭次生林土壤碳含量的有效预测,为大面积快速测定土壤碳含量提供理论依据与技术支撑,进而为林分土壤碳循环的相关研究提供新的思路.     

近红外光谱分析技术应用于植物叶片研究综述

近红外光谱技术（Near Infrared Spectroscopy,NIRS）作为 20 世纪 80 年代后期迅速发展起来 的一项检测技术,已被广泛应用于许多植物的各个组织和各种成分的分析。文章综述了该技术在植物叶 片研究上的应用进展,包括基于叶片特征的植物种类鉴别、植物叶片病虫害诊断、育种材料选择、叶片 内含物质含量测定等 4 个方面,并对近红外光谱检测技术的应用于植物叶片研究前景进行了展望。     

近红外光谱快速预测乙酰化木材的增重率

采用近红外光谱技术对乙酰化大青杨和樟子松木材的增重率进行快速预测。在近红外波长780～2500 nm范围内,利用偏最小二乘法( PLS)建立木材横切面原始光谱及不同预处理(一阶导数、二阶导数、归一化处理和消噪)光谱乙酰化木材增重率数学模型,并进行比较分析。结果表明：乙酰化大青杨和樟子松木材分别选用归一化处理光谱和消噪光谱建立的增重率校正模型预测效果较好,预测模型相关系数( R)分别为0.90和0.70,预测标准差(RMSEP)分别为1.0072和1.3012,其中乙酰化大青杨木材增重率预测模型实测能力较佳,表明利用木材横切面近红外光谱建立的数学模型可以实现乙酰化木材增重率的快速预测。     

基于小波模极大值的木材近红外光谱去噪

将光谱一阶导数与小波变换相结合,对杉木木材近红外光谱数据进行预处理,采用db3小波对光谱数据进行4尺度分解,在各分解尺度上根据信号和噪声的不同传播特性.保留信号的模极大值,去除噪声的模极大值.结果表明:光谱导数 小波变换模极大值能够有效消除光谱噪声和各种因素干扰,并很好保留了光谱信号特征,使光谱信噪比有了较大提高.     

SO2对菊花光合色素含量和叶绿素荧光特性的影响

对菊花在长期低浓度SO2情况下光合色素含量和叶绿素荧光特性进行了研究.结果表明:用0.3 mg.L-1的SO2处理1周,引起菊花叶片光合色素含量显著增加,叶绿素荧光动力学曲线明显下降,表观电子传递速率(E)、非环式电子传递的量子效率(Y)和光化学淬灭系数(qp)有所增加;熏气至6周,叶绿素荧光动力学曲线和非光化学淬灭系数(qN)显著升高,光合色素含量显著下降,PSII反应中心潜在活性(FV/F0)、E和Y明显降低,而对PSII原初光能转换效率(FV/Fm)和qp的影响较小.     

金叶女贞和小叶女贞叶绿体色素的研究

5月份,金叶女贞的叶绿素含量显著少于小叶女贞,其变化较为平稳,而小叶女贞的叶绿素变化幅度较大。金叶女贞叶中的类胡萝卜含量明显低于小叶女贞。同一枝条不同部位叶绿素含量变化为,金叶女贞为下位叶>上位叶>中位叶,小叶女贞为下位叶>中位叶>上位叶;而类胡萝卜素含量,二者均是上位叶>中位叶>下位叶。     

油茶叶片氮磷钾含量与经济性状的关联分析

目的 解析油茶叶片矿质养分含量与其经济性状的相关性,为油茶树体营养状态科学评估和营养管理提供参考。 方法 以广泛栽培的国家油茶良种‘长林4号’和‘长林53号’为研究对象,利用等角对数比（ILR）方法对矿质养分含量多元数据进行处理,分析油茶叶片氮、磷、钾含量与产量、种仁含油率、花芽数量等性状的相关性。 结果 ‘长林53号’叶片氮、磷、钾平均含量分别为12.72、0.89、3.65 g·kg−1,显著高于‘长林4号’叶片氮、磷、钾含量（分别为11.40、0.80、3.11 g·kg−1）,且3种矿质元素含量间存在显著的正相关（P < 0.01）;‘长林4号’和‘长林53号’叶片ILR[N, P|K]值与产量呈显著正相关,R2值分别为0.4056和0.7136;‘长林4号’和‘长林53号’叶片ILR[N, P|K]值与花芽/叶比值呈显著正相关,R2值分别为0.9437和0.9887;‘长林4号’和‘长林53号’叶片ILR[N, P|K]值与种仁含油率则呈显著负相关,R2值分别为0.807 4和0.857 3。 结论 不同油茶品种叶片的氮、磷、钾含量差异显著且存在显著正相关,以ILR[N, P|K]值为参考指标在评估不同品种的单位面积冠幅产量和种仁含油率时较单一元素指标更稳定可靠,油茶林分的叶片ILR[N, P|K]值宜控制在0.40～0.43之间。本研究为油茶营养状态的诊断和评估提供了一种新的思路和方法。     

钒钼黄比色法测定食品中磷的研究

建立了钒钼黄比色法测定食品中磷的检测技术 ,该法通过消解液酸度的调节 ,显色剂的替换 ,应用钒钼黄比色法测定食品中磷的含量.当磷溶液浓度范围在[1mg/L～20 mg/L ]时 ,线性回归良好 ;回收率范围为94%～97% .用此法测定了国家标准参考物质 ,与国标方法测定食品中磷的含量进行了比对 ,结果表明 :测定结果与国标方法的测定结果比较无显著统计学差别 ,说明该方法可用于食品中磷的测定.