基于不同平台的小麦病虫害遥感监测研究进展

小麦病虫害的频发不仅会造成产量的巨大损失,病虫害防治农药的过度使用也会提高生产成本,增加农产品有毒残留的风险,而传统监测方法费时费力,具有主观性和滞后性.小麦病虫害遥感监测技术可实现快速、实时无损的监测,从而有针对性的提早防治病虫害.介绍作物病虫害光谱响应生理机制的基础上,重点从不同平台的角度入手概述近年来小麦病虫害遥...     

谷物含水率测量技术研究进展

含水率检测技术在谷物的收获和加工环节具有关键作用.按检测方式对含水率测量方法进行分类,对含水率检测的参考标准进行梳理.着重阐述不同频率下利用介电特性测量含水率的方法,此外介绍了不同频率下传感器的研究进展,分析介电特性测量方法的误差来源并介绍误差修正的相关模型.通过对不同的含水率测量方法的介绍和对比,分析谷物含水率测量装...     

芥菜型油菜黄黑种皮多酚差异的紫外-可见光谱研究

以芥菜型自交系黄黑油菜种皮为材料,研究了其多酚提取液的紫外-可见吸收光谱, 测定了芥菜型油菜黄黑种皮样以没食子酸和茶儿茶素标准计的多酚含量,发现黄种皮的多酚含量约为黑种皮的90%,显著区别于甘蓝型油菜的10%,因此多酚含量高可能是芥菜型黄籽油菜性状稳定的根本内因。基于香草醛试验,推测黑种皮中含有3-OH的黄烷醇类多酚,而黄种皮中没有。基于加入位移试剂后特征吸收谱带Ⅰ与Ⅱ的位移方向与大小,推测黄酮醇类多酚A环在黄种皮中可能主要为单酚羟基,而在黑种皮中可能主要为邻二酚羟基结构。这种多酚分子的结构差异可能是形成芥菜型油菜黄黑种皮色泽差异的主要原因。     

氢化物发生—原子荧光光谱法热带水果中的锡

用氢化物发生－原子荧光光谱法测定热带水果中锡。经过正交试验选取测定条件，用SAS处理试验结果的数据，对影响测定灵敏度的一些实验参数进行了优化。方法检出限为0．004mg/kg，相关系数0．9999，线性范围0－200μg/L，回收率89．6％－106．6％，相对误差为0．5％－0．8％。     

反射光谱法估计小麦叶片表皮蜡质含量的初步研究

为了探讨利用冠层反射光谱技术估计小麦叶片表皮蜡质含量的可行性,以小麦高叶片表皮蜡质含量材料2912与低叶片表皮蜡质含量品种普冰201和晋麦47及其杂交构建的F2:3株系为材料,通过氯仿提取称重法测定了小麦抽穗期的旗叶表皮蜡质含量,并采用FieldSpec 3测定了冠层反射光谱,分析小麦冠层反射光谱与叶片表皮蜡质含量之间的关系。结果表明,三个亲本以及株系间蜡质含量差异显著。高蜡质材料的可见光波段反射率整体高于低蜡质材料,短波长波段光谱反射率与叶片表皮蜡质含量相关性较高。以550和675nm波长的反射光谱为基础的单波/差值指数[R550/(R550-R675)]能较好地反映小麦叶片蜡质含量,两F2:3群体拟合模型的r2值分别为0.761和0.679,回归方程分别为y=0.07x-0.575和y=0.088x-1.481。     

近红外光谱技术在农产品品质检测中的应用

近红外光谱技术是一种新型的无损检测技术,在许多领域都得到了很好的应用。本文从农产品中各种物质成分含量预测、分类鉴别、腐烂鉴别、实时监测几个方面综述了近红外光谱技术在农产品品质检测上的应用,并对其在仪器硬件的研究和开发、化学计量学方法的探索与研究以及快速在线检测方法的研究等方面的发展趋势进行了展望。     

小波特征与传统光谱特征估测冬小麦条锈病病情严重度的对比研究

为探讨通过小波特征监测小麦条锈病发病程度的可行性,利用连续小波变换提取的小麦冠层光谱350~1 300 nm范围内的9个小波特征和传统光谱特征（植被指数、一阶微分变换特征和连续统特征）,借助偏最小二乘回归（PLSR）建立反演模型,分别将传统光谱特征（SFs）、小波特征（WFs）及传统光谱特征与小波特征结合(SFs & WFs）作为模型的输入,对小麦条锈病病情进行反演。结果表明：（1）小波特征与条锈病严重度的相关性比传统光谱特征强;（2）基于小波特征的模型估测精度（R为0.837）优于基于传统光谱特征的模型估测精度（R为0.824）;（3）传统光谱特征与小波特征结合的模型精度最高,R为0.876,RMSE仅为0.096,因而传统光谱特征与小波特征相结合能够更好地对小麦条锈病病情严重度进行估测。     

不同生育时期冬小麦叶片相对含水量高光谱监测

为实现冬小麦不同生育时期叶片水分含量的快速监测,以冬小麦冠层高光谱数据和红外热成像数据为基础,计算得到5种光谱参数,通过对不同生育时期叶片相对含水量与光谱参数拟合状况进行分析和筛选,分别构建了基于光谱参数的叶片相对含水量反演模型,并对模型进行检验。结果表明,不同生育时期叶片相对含水量与比值指数（RVI）、归一化差值植被指数（NDVI）、比值/归一化植被指数（R/ND）、优化土壤调整植被指数（OSAVI）、冠气温差（TDc-a）均呈极显著相关（P＜0.01）;拔节期、抽穗期、开花期、灌浆前期和灌浆后期叶片相对含水量分别与NDVI、OSAVI、R/ND、TDc-a和TDc-a拟合效果较好,决定系数分别为0.842、0.884、0.831、0.864和0.945;预测模型的均方根误差分别为0.019、0.016、0.027、0.032和0.024,相对误差分别为2.16%、1.80%、3.30%、3.81%和3.53%。因此,在拔节期、抽穗期、开花期、灌浆前期和灌浆后期,可以分别利用NDVI、OSAVI、R/ND、TDc-a和TDc-a估测冬小麦叶片相对含水量。