向日葵籽仁脂肪和脂肪酸含量近红外光谱模型的建立

为实现向日葵品质的快速无损检测,选取50份具有代表性的油用向日葵材料,采用偏最小二乘法（PLS）构建籽仁脂肪、亚油酸、油酸、硬脂酸和棕榈酸含量的近红外光谱（NIRS）模型。结果表明,脂肪、亚油酸、油酸含量模型校正和验证相关系数均大于0.96,且预测值与化学值相对误差均在10%以下,能够达到样品成分含量的快速测定。硬脂酸和棕榈酸含量模型校正相关系数分别为0.92和0.82,验证相关系数分别为0.83和0.74,预测值与化学值相对误差在4.66%~17.99%之间,可用于样品成分含量的初步预测。本研究构建的NIRS模型,有助于油用向日葵种质资源品质鉴定和快速筛选。     

油用牡丹种子水分含量近红外光谱估算研究

水分含量是影响种子销售、储存及加工的重要指标之一.以156份油用牡丹种子为试验材料,利用近红外光谱技术快速检测油用牡丹种子水分含量,分析油用牡丹种子的光谱特征,应用近红外光谱技术,结合偏最小二乘回归法,建立油用牡丹种子水分含量的估算模型,并比较多种预处理方法对建模结果的影响.结果表明,油用牡丹种子水分含量特征波段为14...     

应用近红外光谱技术分析稻米蛋白质含量

以稻谷、米粒、米粉3种形态的样品，应用近红外光谱技术(NIRS)和偏最小二阶乘法(PLS)，建立了6个稻米蛋白质含量近红外光谱数学模型，并对模型预测结果的准确性进行了评价。结果表明，糙米蛋白质含量的稻谷、糙米粒和糙米粉近红外光谱预测模型校正决定系数(R_C²)分别为0.893、0.971和0.987，校正标准差(RMSEC)分别为0.507、0.259和0.183；精米蛋白质含量的稻谷、精米粒和精米粉近红外光谱预测模型R_C²分别为0.897、0.984和0.986，RMSEC分别为0.497、0.186和0.190。模型内部交叉验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉模型内部交叉验证决定系数(R_CV²)分别为0.865、0.962和0.984，内部验证标准差(RMSECV)分别为0.557、0.290和0.205；预测精米蛋白含量的稻谷、精米粒和精米粉的模型R_CV²分别为0.845、0.951和0.979，RMSECV分别为0.594、0.316和0.233。模型外部验证分析表明，预测糙米蛋白含量的稻谷、糙米粒和糙米粉近红外光谱模型外部验证决定系数(R_V²)分别为0.683、0.801和0.939，外部验证标准差(RMSEV)为0.962、0.799和0.434；预测精米蛋白含量的稻谷、精米粒和精米粉近红外光谱的模型R_V²分别为0.673、0.921和0.959，RMSEV为0.976、0.513和0.344。用米粉建立的近红外光谱预模型准确性最高，米粒次之，基于稻谷的预测模型准确性相对较低；内部交叉验证和外部验证表明，近红外光谱分析技术与化学分析方法一致性较好，且能保证样品的完整性，在水稻优质育种和稻米品质分析中具有广泛的应用价值。     

基于近红外光谱的大米蛋白质含量的研究

利用近红外光谱分析技术,采集不同大米样品蛋白质的光谱图,并提取蛋白质官能团的特征值在波长785,910,1020,1040nm处的吸光度。通过不同建模方案的比较,最终采用非线性幂函数曲线,建立预测模型,从而快速准确地找出光谱吸光度与蛋白质含量间的关系。     

基于近红外光谱的棉花毛籽蛋白质和油分含量快速检测

【目的】建立棉花毛籽蛋白质和油分含量的近红外检测校正模型。【方法】检测样本的蛋白质含量和油分含量,根据光谱-理化值共生距离算法（sample set partitioning based on joint X-Y distance sampling, SPXY）按照3∶1的比例将426个样本划分为包含320个样本的校正集和106个样本的预测集,结合多元散射校正和一阶导数等光谱预处理方法对模型进行优化,并采用线性偏最小二乘法（partial least square method, PLS）、支持向量机（support vector machine, SVM）和随机森林（random forest, RF）3种方法对比分析建立棉花毛籽蛋白质和油分含量的近红外快速测定模型,以决定系数、均方根误差和剩余预测偏差作为模型的评价指标。【结果】SVM模型和PLS模型在校正集的拟合效果较好,决定系数均大于0.8,但对预测集的拟合决定系数不到0.8,说明模型均存在过拟合现象;而RF模型在校正集和预测集的拟合效果都非常好,决定系数均大于0.9,其中蛋白质含量预测模型的决定系数、预测均方根误差和剩余预测偏...     

利用近红外反射光谱快速测定大豆籽粒蛋白质、脂肪和部分氨基酸含量

利用固定滤光片式近红外反射光谱仪测定大豆籽粒中的蛋白质、脂肪含量，只要用３～４个滤光片就可获得较高的精度。其定标和预测相关系数都在０．９５以上。测定天门冬氨酸、谷氨酸、赖氨酸和精氨酸各组分的含量则需要５～７个滤光片，其定标和预测相关系数在０．８６以上。表明该方法测定蛋白质、脂肪与部分氨基酸含量是可行的。     

近红外光谱仪与凯氏定氮法测定油菜蛋白质含量的比较

应用近红外光谱仪和凯氏定氮法测定油菜籽中蛋白质含量作比较分析.结果表明:相同样品用两种分析方法测试结果基本吻合,其偏差和相对标准偏差均小于2%,说明近红外光谱仪所建模型稳定性较好,分析结果准确、可靠,用于日常检验和基础材料的筛选是可行的.     

黑龙江省大豆蛋白质和油分含量与环境因素的相关分析

在黑龙江省18个地区选择熟期适宜的18份大豆品种为材料,结合当地8个主要环境因素数据,利用偏最小二乘多元回归方法对影响大豆品质的环境因素进行了分析.结果表明:蛋白质含量与经度、纬度、海拔、年平均气温、无霜期负相关,与年日照时数、降水量正相关.油分含量与经度、纬度、海拔、年平均气温、无霜期正相关,与年日照时数、降水量负相关.经度、纬度、海拔、年平均气温、无霜期等环境指标的提高对蛋白质含量形成和提高不利,却对油分含量的形成和提高有利;年日照时数、积温、降水量等环境指标的提高对蛋白质含量形成和提高有利,却不利于油分含量的形成和提高.这样的结论表明同一环境因素对蛋白质和油分形成可能具有互逆作用.     

单粒花生蔗糖含量近红外预测模型的建立

蔗糖含量是影响花生口感和风味的重要因素,培育高蔗糖甜味品种已成为食用型花生遗传改良的重要目标。因此,建立单粒花生蔗糖含量的近红外预测模型有助于加快甜花生品种选育进程。本研究选择128份遗传多样性丰富的代表性材料,采集了近红外光谱,利用高效液相色谱-折光指数检测器(HPLC-RID)测得蔗糖含量化学值,并利用偏最小二乘法(PLS)建立了单粒花生蔗糖含量的数学预测模型,其决定系数(R2)为0.913,交叉验证根均方差(RMSECV)为0.750。另选用50粒花生种子对预测模型进行外部验证,预测值和化学值的相关系数达0.92,表明本研究建立的模型预测值准确可靠。本研究建立的单粒花生蔗糖含量预测模型可以应用于杂交早期世代育种材料蔗糖含量的选择,也可以应用于高蔗糖材料纯度的筛选和鉴定,为食用型花生品种选育和产业化应用提供技术支撑。     

近红外快速测定干辣椒中辣度的研究

以干辣椒为对象,采用近红外快速测定方法检测其辣度。首先,使用高效液相色谱法对8种干辣椒中辣椒碱类物质含量进行准确测定,确定了定量指标辣度。然后,采集干辣椒粉样品的近红外光谱数据,利用偏最小二乘法(PLS)建立检测模型,并对检测波长范围及模型主因子数进行了筛选。结果表明,使用PLS进行模型的建立,校正集方程相关系数0.987 1,验证集方程相关系数0.870 4;校正均方根误差2 870,交叉验证均方根误差9 476,主因子数为8。最终得到的检测模型能够满足对干辣椒中辣度的快速检测要求,且具有较好的准确度。     

食用向日葵SSR-PCR反应体系的优化

为建立食用向日葵分子标记反应体系,以食用向日葵四叶期叶片为DNA模板提取材料,采用单因素试验和正交试验设计,对SSR-PCR反应体系中的6因素(10×PCR Buffer、Mg2+、d NTPs、引物、Taq DNA聚合酶和DNA模板)在5水平上进行正交优化试验,并比较了不同浓度Mg2+、Taq DNA聚合酶、模板DNA对扩增效果的影响,结果表明,各因素水平变化对反应体系的影响为Mg2+Taq DNA聚合酶(引物)DNA模板10×PCR Bufferd NTPs。最终建立食用向日葵SSR-PCR最佳反应体系为:在总体系为20μL的SSR-PCR反应体系中包括10×PCR Buffer 0.2mmol/L、Mg2+2.0 mmol/L、d NTPs 1.8 mmol/L、Taq DNA聚合酶0.2 U、DNA 50 ng、引物1.5 mmol/L。     

食用向日葵优良品种裕亿 55 的选育

裕亿55是以雄性不育系A43-05-19为母本、恢复系R5为父本杂交选育而成的向日葵品种,2018年通过国家农业农村部非主要农作物品种登记(GPD向日葵(2018)620860)。该品种生长势强,株型美观,丰产性好,籽粒饱满,抗病性强,商品率高,适宜在甘肃≥10℃活动积温2300℃以上地区春季种植。     

食用向日葵产量性状的遗传研究

以食葵不育系17-A26为母本、恢复系17-C19为父本,构建P₁、P₂、F₁、F₂、B₁和B₂ 6个世代群体,研究了产量相关性状盘径、单株总粒数、结实率、百粒重、粒长和粒宽的后代变异及遗传率。结果表明,6个性状均为数量性状,变异幅度排序为单株总粒数>粒长>盘径>结实率>百粒重>粒宽,狭义遗传率排序为百粒重>粒长>单株总粒数>粒宽>盘径>结实率。根据遗传进度结果,百粒重、粒长、单株总粒数和粒宽宜早代根据表型选择,盘径宜晚代选择,结实率宜晚代结合多环境联合选择。     

花生籽仁蛋白质含量近红外光谱模型的建立

采用近红外漫反射光谱非破坏性分析,结合偏最小二乘法,以河北省地方花生品种为研究对象建立了花生籽仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用一阶导数+变量标准化处理的方法建立的模型其校正或预测效果最佳。该模型的校正集和验证集决定系数分别为0.9245和0.9018,校正标准误和预测标准误分别为0.3601和0.4153。用该模型对16个未参与建模的花生品种进行了预测,结果表明该模型具有很好的预测能力,可以用于花生品种蛋白质含量的快速检测。     

小麦籽粒蛋白质含量高光谱预测模型研究

为定量分析小麦籽粒蛋白质含量、叶片氮素营养指标、冠层高光谱参数的相互关系,确立能够准确预测小麦籽粒蛋白质含量的敏感光谱参数和定量模型,2003—2006年在连续3个生长季不同小麦品种和不同施氮水平的4个大田试验条件下,于小麦不同生育期采集田间冠层高光谱数据并测定植株氮素含量和籽粒蛋白质含量。试验1以低蛋白质含量的宁麦9号和高蛋白质含量的豫麦34为材料,试验2以低、中、高蛋白质含量的宁麦9号、扬麦12和豫麦34为材料,试验3以低蛋白质含量的宁麦9号、中蛋白质含量的扬麦10号和淮麦20以及高蛋白质含量的徐州26为材料,试验4以低蛋白质含量的宁麦9号和中蛋白质含量的扬麦10号为材料。结果显示,不同品种小麦的籽粒蛋白质含量随施氮水平的提高而增加,可以通过开花期叶片氮含量和氮积累量进行可靠的估测。而不同试验条件下的叶片氮含量和氮积累量可以基于统一的光谱参数进行定量反演,其中基于REPle和mND705的叶片氮含量监测模型及基于SDr/SDb和FD742的叶片氮积累量监测模型,具有可靠的预测性和适用性。根据特征光谱参数—叶片氮素营养—籽粒蛋白质含量这一技术路径,以叶片氮素营养为交接点将两部分模型链接,建立了基于开花期高光谱参数的小麦籽粒蛋白质含量预测模型,经独立资料检验表明,以参数mND705、REPle、SDr/SDb和FD742为变量建立成熟期籽粒蛋白质含量预报模型均给出较好的检验结果。因此,利用开花期关键特征光谱指数可以直接评价小麦成熟期籽粒蛋白质含量状况,其中基于mND705参数的预测模型更为准确可靠。     

基于马尔可夫模型的东北三省产业结构预测

为了合理规划东北三省产业结构,提升东北三省区域经济产业的整体竞争力,笔者应用马尔可夫预测方法对东北三省产业结构进行了研究,并用区间自适应遗传算法求解马尔可夫状态转移概率矩阵,依据2004—2014 年产业结构的统计数据,预测了东北三省第一、二、三产业结构,平均误差为2.92%,具有较高的预测精度。用该模型对2015—2016 年东北三省产业结构进行了预测,为东北三省制定相应的地方产业结构政策提供一定的理论依据。     

基于穗层反射光谱的小麦籽粒蛋白质含量监测的研究

本试验对近地面高光谱仪监测小麦的不同测定方法进行了探讨，并比较了各方法对籽粒蛋白质含量（GPC）的预测能力。结果表明，穗全氮含量（ETNC）与穗层光谱反射率（Rel）的相关系数普遍高于与冠层光谱反射率（Rc）的相关系数。同时，基于小麦光谱反射率、穗全氮含量、籽粒蛋白质含量三者之间的相关性，选择了包括植被指数在内的20个穗层光谱特征参量，与ETNC进行相关分析，建立了最佳光谱特征参量预测ETNC以及ETNC预测籽粒蛋白质含量（GPC）的统计相关模型。通过2个模型的链接，建立了利用比值植被指数RVI[890,670]预测GPC的回归模型，可以较好地预测小麦籽粒蛋白质含量。在相同条件下，相对于以往基于冠层光谱的方法，基于穗层光谱的RVI[890,670]对GPC的预测表现出较大的优势，决定系数R2由0.662提高到0.865，总均方根差RMSE由0.851降低到0.734。本研究为实现田间条件下小麦氮素及相关品质指标的便携式监测仪的开发研制提供了初步的依据。     

食用型向日葵新品种经葵1408的选育

经葵1408是山西农业大学经济作物研究所以恢复系R2013HN-2为父本、不育系2010HN-13-4A为母本杂交选育而成的食用型向日葵新品种。该品种高产、籽粒商品性好,中抗菌核病、黑斑病和寄生性杂草列当(G小种),2021年通过中华人民共和国农业农村部非主要农作物品种登记,登记编号:GPD向日葵(2021)140009。对其选育过程、特征特性、产量表现及栽培技术要点进行介绍。     

食用向日葵新品种SH 338的选育

食用向日葵新品种SH 338是以雄性不育系TA 002为母本、恢复系R 08-43为父本杂交选育而成的新品种。SH 338具有籽粒饱满、外观商品性好、品质优良、丰产性好、耐旱耐盐碱、抗病性强、抗倒伏、适应性广等特点。2012年品种比较试验6点次平均产量3 761.4 kg·hm^-2,比对照X 3939平均增产10.7%。2013—2014年甘肃省向日葵品种多点试验,平均产量3 934.5 kg·hm^-2,比对照LD 5009增产7.5%;2014年生产试验平均产量4 054.5 kg·hm^-2,较对照LD 5009增产率为8.5%。2015年通过甘肃省农作物品种审定委员会认定(认定编号:甘认葵2015010),适宜在甘肃酒泉、民勤、白银、天水、环县等同类生态区种植。