基于冠层平行平面光谱特征的冬小麦籽粒蛋白质含量预测

通过2个小麦品种,4个氮素水平的大田小区试验,及光谱仪传感器在冬小麦群体侧面水平测定不同叶层反射光谱,分析不同叶层光谱特征参量与冠层氮素分布、籽粒蛋白质含量的定量关系,建立籽粒蛋白质含量预测的分层光谱模型。结果表明,2个小麦品种冠层内氮素分布特点不同,普通蛋白质含量小麦京冬8号上、下叶层对不同氮素处理反     

基于水稻冠层光谱特征构建粳型水稻籽粒蛋白质含量预测模型

水稻籽粒蛋白质含量是评价稻米品质的主要指标之一。本文以不同施氮水平下的4年田间试验为基础,系统分析了水稻成熟籽粒蛋白质含量与不同时期冠层反射光谱的相关性。结果显示,籽粒蛋白质含量与可见光波段(460~710 nm) 反射率呈负相关,与近红外波段(760~1 220 nm) 反射率呈正相关,其中孕穗期冠层单波段反射率与成熟籽粒蛋白质含量的相关性最高,在16个波段中以760 nm波段反射率与籽粒蛋白质含量的拟合效果最好,复相关系数达0.795。进一步分析比值植被指数、差值植被指数、归一化植被指数和红边参数等光谱参数与成熟籽粒蛋白质含量的相关性,运用线性逐步回归分析方法对相关拟合较好的16个参数进行筛选,建立了水稻成熟籽粒蛋白质含量（GPC）监测模型,GPC=－0.15× DVI(1 500, 950) + 3.00。利用不同年份不同品种及不同施氮水平下的观测数据对模型进行检验,预测值和实测值的精确度为0.56~0.86,准确度为0.85~1.18,根均方差（RMSE）为3.51%~19.91%,表明模型预测值与实测值之间符合度较高,对水稻成熟籽粒蛋白质含量具有较好的预测性。     

利用冠层光谱监测小麦籽粒蛋白质积累动态

于2003-2006年连续3个生长季, 利用不同小麦品种在不同施氮水平下进行大田试验,在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、生物量和籽粒蛋白质积累量(GPA)。通过定量分析小麦籽粒蛋白质积累量、冠层氮素营养指标及高光谱参数的相互关系,确立了能够准确预测小麦籽粒蛋白质积累动态的敏感光谱参数及定量模型。结果表明,在籽粒灌浆期间冠层氮素营养指标(CNNI)自开花期随时间进程的积分累积值与对应时期籽粒蛋白质积累状况存在显著的定量关系,其中植株氮积累量(PNA)表现最好。对冠层氮素营养指标的光谱估算,在不同品种、氮素水平、生育时期和年度间可以使用统一的光谱模型。根据特征光谱参数-冠层氮素营养指标-籽粒蛋白质积累量这一技术路径,以冠层氮素营养指标为交接点将两部分模型链接,建立高光谱参数与籽粒蛋白质积累量间定量方程。经不同年际独立数据的检验,基于SDr/SDb–PNA–GPA技术路径建立模型可以估算小麦籽粒生长过程中蛋白质积累动态,预测精度和相对误差分别为0.954和13.1%。因此,利用关键特征光谱参数可以实时监测小麦籽粒生长进程中蛋白质积累状况。     

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。     

晋南蔓菁化学成分分析及蛋白质的含量测定

晋南蔓菁为十字花科芸薹属植物,具有增强免疫等功效,在当地有"小人参"之称。为了对其所含化学成分及蛋白质的含量有所了解,采用系统预试验方法,对晋南蔓菁可能含有的化学成分进行鉴别,用考马斯亮蓝法测定蔓菁中蛋白质的含量;通过试管反应对蔓菁水提取液、石油醚提取液、95%乙醇提取液进行分析;用p H值为11的氢氧化钠溶液制备供试液,考马斯亮蓝染色法于595 nm处测定吸光度。结果表明,晋南蔓菁中含有蛋白质、多糖、有机酸、甾体、三萜及生物碱等化学成分;测得的蛋白质含量为1.90%。     

基于曲线拟合的6种豆的傅里叶变化红外光谱研究

为能够快速的鉴别不同品种的豆,为豆类蛋白、豆类蛋白酶的提取等问题的研究提供研究依据,利用傅里叶变换红外光谱技术结合聚类分析和曲线拟合测试研究6种豆（黄豆、黑豆、蚕豆、红豆、绿豆和红小豆）54个样品的光谱。结果显示,6种豆的红外图谱相似,但在1800~1000 cm^-1范围内红外光谱的峰位、峰形及吸收强度有明显的差异。选取1800~1000 cm^-1范围的光谱图进行二阶导数处理,利用SPSS软件进行聚类分析,聚类分析正确率为100%。利用Origin 8.5软件对1700~1600 cm^-1范围的原始光谱进行曲线拟合处理,6种豆在酰胺Ⅰ带的吸收峰都由9个子峰叠加而成;其中6种豆的蛋白质二级结构中α-螺旋含量、β-转角含量、无规则卷曲结构含量和β-折叠含量不同。结果表明6种豆的蛋白质的二级结构是不同的,傅里叶变换红外光谱(FTIR)结合曲线拟合可以快速简捷地区分不同品种豆类,并能提供豆类所含蛋白质的二级结构的信息。     

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。     

小麦叶片氮含量与冠层反射光谱指数的定量关系

本文以3种蛋白质类型的小麦品种在不同施氮水平下的3年田间试验为基础，研究了小麦叶片氮含量与冠层反射光谱的定量关系。结果显示，不同试验中拔节后叶片氮含量均随施氮水平呈上升趋势，同时冠层光谱反射率在不同施氮水平下存在明显差异。对于低、中、高籽粒蛋白质含量的品种，叶片氮含量与冠层反射光谱的归一化植被指数NDVI (1 220, 710)和红边位置均有密切的定量关系，决定系数在0.80左右。对于不同品质类型小麦品种，均可利用统一的回归方程描述其叶片氮含量随反射光谱参数的变化，对于低蛋白类型品种，采用单独的回归系数即可提高叶片氮含量估测的准确性。本研究确立的小麦叶片氮含量与冠层反射光谱的定量关系可用于不同的小麦品种、生育时期和施氮水平，为小麦氮素营养的监测诊断与精确施肥等提供理论依据和技术途径。     

油菜品质近红外检测模型建立的研究

为实现油菜品质的快速检测,采用近红外光谱法测定油菜的水分、脂肪、蛋白质、纤维,并用光谱影响值法（Leverage）对异常值进行判断和处理,建立了油菜的水分、脂肪、蛋白质、纤维的近红外光谱检测模型,可以快速地检测油菜的水分、脂肪、蛋白质、纤维。     

食用板栗壳棕色素的染色特性

利用从板栗壳中采用碱提法提取的板栗壳色素作为试材,并与标准品焦糖色素进行对比,研究其特性。采用分光光度计测定不同波长下的吸光值和分光测色仪测定L值和a值的方法,重点研究板栗壳色素对蛋白质和淀粉类食品的染着性和在不同pH下的变化,以及色素色率和红色指数。试验结果表明：碱提取的板栗壳色素对淀粉和蛋白质有较强染着性,且稳定性很好;板栗壳色素色率低于焦糖色素,但是红色指数高于焦糖色素;板栗壳色素的色率和红色指数均随pH增加而增加。     

稻瘟病胁迫下水稻叶片叶绿素含量与光谱特征参数的相关性研究

为实现受稻瘟病侵染水稻叶片叶绿素含量的高光谱反演,以‘陵两优268’为研究对象,测定受稻瘟病侵染的85个水稻叶片样品的叶绿素含量和高光谱反射率,分析受稻瘟病侵染的水稻叶片高光谱反射率与叶绿素含量间的相关关系,使用线性与非线性回归技术建立叶绿素含量反演模型。结果显示:叶绿素含量与原始光谱及一阶导数光谱的敏感波段分别发生在700 nm和752 nm,基于光谱特征参数SDr的回归模型均方根误差为1.27,平均相对误差为10.2%。研究表明受稻瘟病侵染水稻叶片光谱反射率差异明显,基于光谱特征参数SDr的回归模型预测叶绿素含量具有较高的精度。     

水稻穗部氮素含量高光谱估测研究

氮素是影响水稻生长发育的主要营养元素之一,稻穗生长与氮素营养息息相关。本研究利用高光谱技术测定了稻穗的全氮含量并进行了相应的分析,结果表明：稻穗全氮含量与冠层光谱反射率在近红外波段760~1 300nm呈极显著负相关关系,稻穗全氮含量与光谱特征指数λb、SDr、SDr/SDb、DVI的相关性较好,并建立了相应的估算模型。经独立的实测数据检验可知,基于SDr/SDb与DVI指数组合所建线性回归模型y=2.075+0.001x₁-2.952x₂估测稻穗全氮含量效果最好。上述结果为稻穗营养元素的快速诊断提供了新的手段。     

大米蛋白质含量近红外光谱检测模型研究

探索建立一种有效的大米蛋白质含量近红外光谱检测模型,并寻找1100~2500nm波段中预测大米蛋白质含量的有效波长。采用面积归一化（Area Normalization）方法进行光谱预处理。用主成分回归方法建立回归模型,用Martens不确定性检验方法选择有效波长。发现利用主成分分析可以较好地区分出不同种类的米粉,样品在主成分上的得分可以作为鉴别米粉种类及品质的依据。基于全部波长建立的回归模型,训练集r=0.9923,RMSE=0.0747。交叉验证的结果r=0.9399,RMSE=0.2103。预测集r=0.9364,RMSE=0.1607。基于有效波长建立的回归模型,训练集r=0.9899,RMSE=0.0854。交叉验证结果r=0.9437,RMSE=0.2004。预测集r=0.9079,RMSE=0.1796。使用近红外光谱分析技术检测大米蛋白质含量是可行的,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测大米蛋白质含量也是可行的。     

SO2毒害环境下水稻叶片超氧化物歧化酶活性与

为了通过吸收光谱快速测量SO₂胁迫下水稻叶片超氧化物歧化酶活性,采用小区试验研究了SO₂毒害环境下水稻叶片超氧化物歧化酶活性与吸收光谱变量的相关性。结果表明：在整个生育期,相关曲线存在2个的波峰点,位于520~550 nm和720~750 nm 2个波段之间。计算720~ 750 nm和520~550 nm波段光谱吸收率的平均值A₁和A₂,通过A₁和A₂构建比值光谱变量(A₁/A₂)、相加光谱变量(A₁+A₂)及对数相加变量(lgA₁+lgA₂),利用光谱变量反演水稻叶片超氧化物歧化酶活性。研究发现：在水稻整个生育期,对数相加光谱变量与超氧化物歧化酶活性的相关性显著提高。选取对数相加变量构建水稻叶片超氧化物歧化酶活性的模型。为进一步提高吸收光谱快速测量SO₂毒害环境下水稻叶片超氧化物歧化酶活性提出了探索性研究。

     

基于光致发光光谱的水稻品种快速鉴别研究

水稻是中国最重要的粮食作物之一,其种子品种鉴别是目前农业生产、作物育种和种子检验的重要问题。由于品种鉴别比较困难,每年因品种搞错和纯度差而造成的经济损失巨大。为此提出了一种应用光致发光光谱分析技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。为了实现水稻品种的快速无损鉴别,采用北京卓立汉光仪器有限公司生产的光致发光光谱分析仪,对从长江大学农学院收集的5个不同品种的水稻共125个样本进行650~1000 nm波段光致发光光谱采集,获取了每个品种水稻各25个样本数据。将光谱数据经主成分分析压缩成数目较少的新变量（主成分）,其中前7个主成分能够解释99.696%的原始光谱信息。因此将前7个主成分作为BP神经网络的输入,不同水稻的品种值作为BP神经网络的输出,建立水稻品种的模式识别模型。样本被随机的分成包含100个样本的建模集和25个样本的预测集。结果表明,5次随机抽样建模的预测正确率均达到100%。同时也表明,主成分分析的数据压缩能力好,通过主成分分析和BP神经网络相结合建立模型进行不同品种水稻鉴别具有分析速度快、鉴别能力强的特点,为快速鉴别水稻品种提供了新的方法。     

小麦叶片叶绿素荧光参数与反射光谱特征的关系

以宁麦9号(低蛋白质含量)、淮麦20(中蛋白质含量)和豫麦34(高蛋白质含量)为试材,设0~300 kg hm^-2不同施氮水平,经2003—2004年和2004—2005年田间试验,对小麦顶部4张叶片叶绿素荧光参数和反射光谱特征的变化规律及其相互关系进行了分析。结果表明,小麦叶片叶绿素荧光参数F_v/F_m和F_v/F_o随施氮水平提高呈上升趋势,同时叶片光谱反射率在不同施氮水平、叶位和生育期均有明显差异。小麦植株顶1叶和顶2叶反射光谱在可见光区（520~680 nm）和近红外区（750~850 nm）与叶绿素荧光参数稳定相关。顶端2张叶片的植被指数DVI(750, 550)、DVI(735, 690)和TVI(750, 670, 550)与荧光参数F_o、F_m、F_v、F_v/F_m、F_v/F_o、F_s、F_m’、F_o’、F_v’、F_v’/F_m’的相关性均较好,其中DVI(750, 550)的相关性最好,且回归系数在不同品种和不同生育期之间没有显著差异。表明利用小麦叶片反射光谱监测其叶绿素荧光参数是可行的。     

水浇地与旱地春小麦新型光谱曲线特征变量与叶绿素关系的对比研究

为了利用新型光谱曲线特征变量对水浇地与旱地春小麦叶绿素含量进行估算,测定水浇地与旱地春小麦冠层光谱、叶绿素含量、叶宽和苗高,并利用各地春小麦冠层光谱曲线“峰谷”存在差异的特点,通过分析光谱曲线特征变量与水浇地和旱地春小麦叶绿素含量的相关性,分别建立了水浇地和旱地春小麦叶绿素含量最佳估算模型并检验模型精度。结果表明：在723 nm、730 nm和736 nm前后,水浇地、阴坡地、阳坡和双面坡地春小麦原始光谱与叶绿素含量的相关性表现出完全相反的变化规律。在以上波段之前,相关系数为负,之后为正。各地春小麦叶绿素含量与绿边和黄边曲线变化速率及反射绿峰两边的夹角存在很好的相关性,与水浇地、阴坡地、阳坡和双面坡相关性最好的光谱曲线特征变量分别为K pv、Kb和GPA1,相关系数均大于0.80。抛物线和线性模型是估测各地类春小麦叶绿素含量的最佳模型,模型R2均超过0.89,预测能力均大于92%。研究结果为以后利用高光谱信息监测小麦长势及产量提供了新思路和方法。     

利用叶片高光谱指数预测水稻群体叶层全氮含量

通过测定叶片高光谱来快速估测整个水稻叶层全氮含量对于水稻氮素诊断有重要意义。本文通过连续3年不同施氮水平和不同品种类型的4个大田试验,分生育期同步测定了不同叶位叶片的高光谱反射率及叶层全氮含量,并系统分析了叶片水平多种高光谱指数与水稻叶层全氮含量的定量关系。结果表明,不同叶位叶片的光谱反射率与叶层全氮含量的相关程度不同,顶二叶(L2)表现最好、顶三叶(L3)次之,而L2和L3的平均光谱(L23)有助于进一步提高光谱指数的敏感性,是估测叶层氮含量的适宜叶位组合。绿光560nm和红边705nm波段附近光谱反射率与叶层全氮含量呈极显著负相关关系,两者分别与近红外波段组合而成的光谱比值指数可较好地监测水稻叶层全氮含量,其中绿光、红边窄波段比值指数SR(R780,R580)和SR(R780,R704)表现较好,与叶层全氮含量的决定系数分别为0.887和0.884;独立试验数据检验的RMSE分别为0.216和0.235。将上述2个窄波段比值指数中的近红外、绿光波段和红边波段宽度分别扩展至100、20和10nm,从而构建的宽波段比值指数SR[AR(750-850),AR(568-588)]和SR[AR(750-850),AR(699-709)]与叶层全氮含量相关性仍具有较高水平,线性回归模型的拟合精度(R2)为0.886和0.883,检验RMSE值分别为0.218和0.237。从而在叶片水平,确立了适于叶层全氮含量估测的基于绿光、红边与近红外波段的比值组合和波段适宜宽度。     

东洞庭湖湿地指示植被高光谱特征分析

为了建立东洞庭湖湿地指示植被光谱数据库,笔者通过分析指示植被的光谱特征,得到识别湿地植被高分辨率遥感波段窗口,为湿地健康监测提供技术支撑。选取东洞庭湖植被苔草、泥蒿、芦苇、辣蓼与灯心草5种典型湿地植被为东洞庭湖湿地指示植被,对它们进行研究。根据野外测定5种指示植被光谱数据,分析东洞庭湖湿地指示植被的光谱特性、植被类型识别的特征波段及其基本规律。研究发现：（1）在波段范围610~680 nm、810~880 nm、1030~1100 nm、1170~1240 nm、1635~1705 nm之间具有明显的差异。特别在波段1030~1100 nm之间,5种指示植被光谱差异性最大,光谱曲线区分特别明显;（2）通过对苔草、泥蒿、芦苇、辣蓼与灯心草5种湿地植被光谱反射率(R)采用LOG(1/R)变换,得到1个可以区分5种植被的区间,即660~680 nm之间的波段,5种湿地指示植被倒数的对数值依次降低次序是：苔草、芦苇、辣蓼、灯心草和泥蒿;（3）对同一种湿地指示植被苔草不同长势的光谱数据进行降噪、倒数的对数处理后,得到1个特征区间在500~700 nm内,可以明显的区分苔草的长势情况即：长势良好的苔草光谱反射率倒数的对数值要高于长势不好的苔草。