基于近红外光谱苗期玉米叶片叶绿素含量的无损检测方法

试验以42片未经处理的苗期玉米叶片为试材,采用近红外光谱检测技术和SNV+Detrending的预处理方法,应用偏最小二乘回归分析方法建立定量分析模型,通过测定近红外光谱图,研究3 300~10 000 cm-1范围内苗期玉米叶片的光谱特性。结果表明,测定苗期玉米叶片叶绿素含量的决定系数R2为0.989,残差均方根RMSE为0.047,采用近红外光谱快速检测苗期玉米叶片叶绿素含量是可行的。     

近红外光谱技术测定水稻直链淀粉含量研究

以298份水稻种子为样本,用常规法测定直链淀粉含量,采用偏最小二乘法(PLS),优化建立精米直链淀粉含量近红外光谱预测校正模型.模型校正决定系数RC为0.95;校正标准差SEC为1.58;内部交叉检验决定系数RP为0.91,标准误差SEP为1.92.利用20个样品进行外部检验,预测值与真实值之间差异不显著,其相关系数达95%以上.定标模型预测性能较好,可以替代化学分析法快速测定水稻直链淀粉含量.     

基于可见/近红外漫反射光谱的土壤有机质含量估算方法研究

为研究不同土壤颗粒粒径对可见/近红外光谱分析技术在土壤有机质含量快速检测应用中的影响,获取粒径为0.169～2 mm和＜0.169 mm的2种土壤样本(各53个)的可见/近红外光谱(325～1075 nm),分别建立各自的主成分-反向传播神经网络(PCA-BPNN)、最小二乘-支持向量机(LS-SVM)和偏最小二乘法(PLS)土壤有机质含量检测模型.结果表明:当土壤粒径为0.169～2 mm时,所建立模型的土壤有机质含量预测相关系数r均在0.84以上,且预测均方根误差(RMSEP)都在0.20以下;而当土壤粒径＜0.169 mm时,所建立模型的预测相关系数r均不超过0.71.而RMSEP都在0.23以上;对于相同粒径的土壤,PLS模型对土壤有机质含量的预测效果优于LS-SVM和PCA-BPNN模型.说明不同土壤颗粒粒径会显著影响可见/近红外光谱对于土壤有机质含量的预测结果.     

成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测

【目的】研究成熟期梨可溶性固形物含量的近红外漫反射光谱无损检测技术,为及时、准确地掌握成熟期梨果实的内部品质特性及田间管理、适时采收、合理储藏提供依据。【方法】基于近红外漫反射光谱检测技术分别建立了成熟期砀山酥梨可溶性固形物含量的偏最小二乘(PLS)、广义回归神经网络(GRNN)和偏最小二乘支持向量机动态预测模型(LSSVM),并综合评价了无信息变量消除法(UVE)优选有效特征波数对于简化模型、提高预测性能的影响。【结果】UVE算法能够很好地提高建模效率、有效改善GRNN和LSSVM模型预测精度,而对PLS分析模型效果不明显。3种模型中,LSSVM模型比GRNN和PLS模型具有明显优势,其中UVE-LSSVM模型具有最佳预测精度和适用性,其校正相关系数(Rc)为0.988,校正均方根误差(RMSEC)为0.074,预测相关系数(Rp)为0.922,预测均方根误差(RMSEP)为0.162。【结论】基于近红外光谱技术的UVE-LSSVM模型可用于成熟期梨可溶性固形物含量的无损检测。     

基于样本挑选和不同偏最小二乘方法的近红外光谱玉米淀粉组分校正模型的研究

[目的]获得精度高、鲁棒性强的玉米近红外光谱淀粉组分检测模型。[方法]用一阶导数和Savitzky．Golay平滑对玉米1300～2298nlTl近红外光谱进行预处理,而后分别以RS（random sampling）、KS（Kennard Stone）、Duplex、SPXY（sample set partitioning based on joint x-y distance）方法选取最佳校正集样本集合,最后分别用PLS（Partial Least Squares）、iPLS（intervalPLS）和siPLS（synergy interval PLS）方法建立校正模型。[结果]采用sPXY方法选取有代表性的校正集合样本,以siPLS方法所建立的近红外光谱玉米淀粉组分校正模型最优,校正样本集合中r为0．9917,RMSECV为n1073,预测样本集合中r达到了0．9944,RMSEP为0．0814。[结论]SPXY-siPLS方法建立的近红外光谱玉米淀粉组分校正模型,不但可以减小参与建模的数据规模．而且缩短了运算时间．预测能力和精度也均得到提高。     

生姜水分含量的可见-近红外光谱检测

近红外光谱技术具有简便、快速和无损检测等优点,应用可见-近红外光谱方法建立生姜水分含量(moisture content)的预测模型.利用可见-近红外光谱仪采集308个生姜的光谱,其光谱范围是350～1 800 nm.分别采用一阶导数(FD)、二阶导数(SD)、标准正交变量变换(SNV)和多元散射校正(MSC)4种方法对光谱进行预处理,结合偏最小二乘法(PLS),分别在430～1 000 nm、1 000～1 800nm、430～1 800 nm 3个波段建立生姜水分含量的PLS预测模型.对实验结果进行分析表明,在波段范围430～1 800 nm使用一阶导数预处理方法建立的PLS模型最优.其验证组的相关系数为0.975 1,预测组的相关系数为0.959 7.结果表明,可见-近红外光谱可以准确、快速地对生姜的含水量进行检测.     

基于偏最小二乘回归的玉米蛋白质含量鉴定

以10 000～4 000 cm-1波段的近红外光谱响应数据和常规生化方法检测的玉米蛋白质含量为样本数据,先对光谱响应数据进行小波去噪处理,并利用平滑技术对其降维,构建基于以光谱响应数据为输入、蛋白质含量为输出的偏最小二乘回归模型.仿真计算结果表明,利用偏最小二乘回归模型,可以较准确地预测玉米蛋白质含量,结合预测表达式回归系数和变量投影重要性指标VIP得到与蛋白质含量相关性较大的若干波段对应的光谱响应数据,模型在一定程度上揭示了蛋白质含量和光谱响应数据之间的数量关系.     

小波变换在脐橙维生素C含量近红外光谱预测中的应用

 【目的】探索快速检测柑橘Vc含量的方法。【方法】利用不同分解水平的Daubechies3小波变换，对100个脐橙整果样品的近红外光谱信号进行了消噪处理，并利用消噪后的重构光谱对脐橙Vc含量进行了偏最小二乘法交叉验证。【结果】小波分解尺度水平不同，偏最小二乘法交叉验证效果各不相同，在分解水平为4时效果最好，其预测值与标准值的相关系数R达到0.9574，交叉验证预测均方差RMSECV仅为3.9 mg/100g。比较了11种光谱预处理方法，其中，小波消噪后的偏最小二乘法交叉验证模型预测效果最好，预测值与真值的相关系性最好。【结论】小波消噪后建立的近红外光谱模型能准确地对脐橙Vc含量进行无损快速的定量分析。     

玉米DDGS蛋白质含量近红外光谱预测模型的建立

为准确测定玉米DDGS中蛋白质含量,采用近红外光谱分析技术结合改进最小二乘回归法（MPLS）,以65个不同来源的玉米DDGS为样品,建立玉米DDGS蛋白质含量近红外光谱预测模型。结果显示：预测模型内部交叉验证标准误差（SECV）为0.095 7,交叉验证相关系数（1-VR）为0.988 8,外部交叉验证相对分析误差（RPDV）为3.60。表明近红外光谱分析模型可准确预测玉米DDGS蛋白质含量。     

基于近红外光谱法的水稻秸秆可溶性糖快速检测

采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。     

基于PLS算法的生物质秸秆元素分析NIRS快速检测

为探讨利用近红外光谱技术快速检测生物质秸秆中N、C、H、S和O元素的可行性,采集并制备水稻、小麦、油菜和玉米秸秆样本199个,采用近红外光谱(NIRS)分析技术,结合偏最小二乘(PLS)化学计量学算法,在7 400~5 550cm-1波段范围内,比较不同光谱预处理方法的定标效果,建立最优的生物质秸秆中N、C、H、S和O元素的定量分析模型,并用独立的验证集样本对模型进行验证。验证结果表明:所建立的N元素的定量分析模型可用于实际检测;O元素的定量分析模型可进行实际估测;采用近红外技术用于C元素定量分析是可行的,但模型需要进一步优化;H、S元素采用NIRS技术无法进行定量分析。     

基于小波消噪柑橘内部品质近红外光谱的无损检测

为探讨柑橘内部品质无损检测方法,通过3阶Daubechies小波4级分解,对柑橘近红外光谱进行消噪预处理,并运用偏最小二乘法建立了柑橘贮藏中可溶性固形物、糖度、酸度和维生素C含量的校正预测模型.结果表明:建立的可溶性固形物含量预测模型,其预测值与标准值的相关系数为0.954,预测校正均方差为0.418%,最优光谱波段为6 101.7～4 246.5 cm-1;建立的可溶性总糖含量预测模型,其预测值与标准值的相关系数达0.975,预测校正均方差为0.490%,最优光谱波段为7 507.7～6 097.8 cm-1;建立的总酸含量预测模型,其预测值与标准值的相关系数达0.948,预测校正均方差为0.022%,最优光谱波段为 6 101.7～4 246.5 cm-1;建立的维生素C含量预测模型,其预测值与标准值的相关系数为0.957,预测校正均方差为0.039 mg/g,最优光谱波段为7 501.7～5 449.8 cm-1.     

青花菜中矿质元素的近红外光谱快速测定

青花菜矿质元素含量丰富,传统的青花菜矿质养分评价方法步骤繁琐、耗时费力。通过电感耦合等离子体原子发射光谱法(Inductively Coupled Plasma Optical Emission Spectrometer,ICP-OES)测定青花菜中钾(K)、硫(S)、磷(P)、钙(Ca)、铁(Fe)、镁(Mg)等矿质元素含量,同时使用近红外光谱仪扫描样品,获取样品光谱文件,拟建立青花菜矿质元素的近红外光谱快速测定的方法。对化学分析结果与光谱文件在偏最小二乘法(partial least square,PLS)分析的基础上,通过Savitzky-Golay卷积平滑处理,采用不同的散射处理方式[多元散射校正(multiplicative scatter correction,MSC)和标准正态变量变换(standard normal variate transformation,SNV)],以及不同导数处理方式[一阶导数(first derivative, FD)和二阶导数(second derivative,SD)]对光谱进行预处理,从而获得定标方程。结果表明:(1)K、Mg、Ca经过MSC+FD处理的结果最好,校正相关系数(coefficient of determination in calibration, RSQ)分别为0.884、0.944、0.651,验证决定系数(coefficient of determination in valibration, R²)分别为0.893、0.928、0.604,相对分析误差(residual predictive deviation, RPD)分别为2.491、2.710、1.344;(2)P经过SNV+FD处理的效果最好,RSQ、R²和RPD分别为0.733、0.703和1.117;(3)S、Fe经过MSC+SD处理的结果最好,RSQ分别为0.523、0.581,R²分别为0.537和0.416,RPD分别为1.133、1.100。建立的K和Mg的近红外光谱快速检测模型,可以用于实际应用;P可以近似定量预测,但还需要通过增加样品种类提高模型的准确度与稳定度;Ca、S和Fe的近红外模型可以通过建立高浓度和低浓度2个模型来提高模型预测度。     

基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建

为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。     

小麦玉米秸秆长期还田对砂姜黑土磷库组成的影响

为优化管理小麦-玉米轮作体系秸秆还田条件下的土壤磷素,本研究依托皖北砂姜黑土区秸秆还田定位试验,设置不施肥（CK）、常规施肥（F）、常规施肥+小麦秸秆单季还田（FWS）、常规施肥+玉米秸秆单季还田（FMS）、常规施肥+小麦玉米秸秆双季还田（FWMS）5个处理,采用蒋柏藩-顾益初法及Bowman-Cole法分别测定了砂姜黑土无机磷和有机磷组分含量,运用相关分析和通径分析探究了土壤不同磷组分与有效磷之间的关系。结果表明：小麦玉米秸秆还田显著提高了砂姜黑土全磷和有效磷含量及土壤磷活化系数。秸秆还田可显著提高砂姜黑土无机磷组分中磷酸二钙（Ca₂-P）、磷酸铝（Al-P）及磷酸铁（Fe-P）的含量,与F处理相比,FWS、FMS和FWMS的土壤Ca₂-P含量分别增加32.3%、28.4%和43.8%,Al-P含量分别增加15.3%、10.7%和13.4%。土壤有机磷组分中活性有机磷（LOP）、中活性有机磷（MLOP）和中稳性有机磷（MROP）含量在秸秆还田条件下均明显增加。秸秆还田下砂姜黑土闭蓄态磷（O-P）含量无显著变化,FMS和FWMS处理的磷酸八钙（Ca₈-P）含量显著增加,磷灰石（Ca₁₀-P）和高稳性有机磷（HROP）含量下降。秸秆还田可显著增加砂姜黑土中Ca₂-P所占比例,降低O-P、Ca₁₀-P和HROP的占比。砂姜黑土中Al-P、Fe-P、Ca₂-P及MLOP与有效磷呈极显著正相关关系,其中Al-P、Ca₂-P和MLOP对有效磷的正向直接影响较大。研究表明,小麦-玉米轮作制中秸秆单季或双季还田均可促进砂姜黑土中无效态磷向有效态磷和缓效态磷转化,从而提升土壤磷素有效性,秸秆单季和双季还田处理在砂姜黑土磷素活化效果方面无显著差异。     

近红外光谱技术在畜牧生产中的应用

近红外分析技术是近10年来发展最为迅速的高新分析技术之一。文章介绍了近红外技术的发展、原理、分析方法和技术优势,重点阐述了它在畜牧生产中的具体应用、研究热点、发展前景。     

三种秸秆材料处理养猪废水除磷效果及磷形态变化特征研究

利用人工湿地处理养殖场废水具有良好效果和可资源化利用的显著优势,但养殖场废水一般养分浓度过高,湿地植物难以耐受,采用适当措施降低养分浓度是生态治理的重要前提。为此选取麦秸、玉米秆、稻草三种南北方常见的农作物秸秆作为生物基质材料,建立三级生物基质处理系统,开展为期6个月的野外控制试验,以期探明生物基质处理系统对高负荷养殖废水中磷的去除效果及磷形态的变化特征。结果表明,利用秸秆材料可以有效去除高负荷养殖废水中的磷,其中总磷(TP)和溶解态无机磷(DIP)去除率平均可达40.1%和35.9%,出水TP和DIP平均浓度分别可降至54.35～62.35 mg/L和22.68～23.25 mg/L,达到绿狐尾藻生态湿地的耐受范围之内(73 mg/L)。生物基质处理系统对磷的去除主要以颗粒态磷在生物基质处理系统中的物理沉淀为主,平均占磷素总去除量的57.5%;养殖废水中DIP的去除率与水温(T)、pH值呈显著正相关(P 0.05),而与溶解氧(DO)和氧化还原电位(Eh)的相关性不显著(P 0.05)。三种秸秆基质材料对磷素的去除能力有一定差异,当磷素去除率显著下降时需要对秸秆材料进行补充,建议稻草和麦秸的补充周期为90 d,而玉米秆的补充周期为120 d。本试验对于养殖废水污染的生态治理具有重要理论价值和指导意义。     

能源高粱茎、叶中能源转化相关化学成分的近红外光谱模型构建与优化

为建立能源高粱茎、叶中能源转化相关化学成分的近红外光谱快速定量分析模型,并探索模型优化方法,选取27份甜高粱和28份生物质高粱材料,采用化学分析方法测定茎、叶样品中可溶性糖、纤维素、半纤维素、木质素和灰分含量,分析2类能源高粱在成分含量上的差异以及茎、叶各成分含量间的相关性。同时,利用偏最小二乘法(PLS)对能源高粱茎、叶的近红外光谱建立能源转化相关化学成分分析模型,通过光谱一阶导和光谱点“竞争性自适应权重(CARS)”筛选等方法对模型进行优化。结果表明,甜高粱与生物质高粱在茎中可溶性糖、纤维素、半纤维素、木质素和叶可溶性糖含量等指标差异极显著(P<0.01)。在近红外光谱模型建立过程中,“一阶导-CARS”双优化处理使模型交叉验证决定系数(R²_CV)达到0.82~0.99,茎中可溶性糖、纤维素、半纤维素和木质素模型以及叶中可溶性糖、纤维素和灰分模型的交叉验证相对分析误差(RPD_CV)和预测相对分析误差(RPD_V)均>3.0,显著提升了模型预测性能。     

河南省小麦玉米秸秆资源测算与养分还田利用潜力分析

河南省为我国小麦和玉米主产区,明晰其主粮作物秸秆资源的市域尺度空间分布格局及秸秆还田情景下的化肥可替代量,可为秸秆综合利用政策制定及农田养分管理方案优化提供参考依据。本研究基于2018—2020年河南省18个地级市的小麦、玉米播种面积和产量,根据文献调研获得的作物草谷比及秸秆养分含量等参数,测算各地级市小麦、玉米秸秆产量和单位面积可收集量,并分析秸秆还田替代化肥的潜力。结果表明：2018—2020年河南省小麦和玉米秸秆年均产量分别为4 168.5万t和1 944.3万t,在市级尺度上,小麦秸秆产量较高的地市依次为周口（611.3万t）、驻马店（579.2万t）、商丘（493.7万t）和南阳（470.6万t）,其总占比为51.7%;四市的玉米秸秆产量也居于前列,分别为284.0万、216.9万、235.3万t和196.6万t,总占比为48.0%。郑州、鹤壁、三门峡、济源的小麦和玉米秸秆产量均较低,四市的总占比分别仅为5.0%和7.1%。河南省小麦秸秆N、P₂O₅、K₂O养分年均资源量分别为19.8万、7.3万、72.5万t,玉米秸秆N、P₂O₅、K₂O养分资源量分别为14.4万、5.7万、31.6万t。小麦秸秆还田当季的N、P₂O₅、K₂O养分可替代量分别为17.8、8.3、118.3 kg·hm^-2,玉米秸秆还田当季养分可替代量分别为23.7、11.0、77.7 kg·hm^-2。研究表明,河南省小麦、玉米秸秆资源丰富,但空间分布不均衡,应以秸秆主产市为重点,高质高效推进秸秆全量化利用,秸秆养分还田具有可观的化肥替代潜力,可通过秸秆科学还田实现化肥合理减量。