基于近红外光谱的反刍动物饲料营养指标的检测方法研究

收集了151个反刍动物饲料,应用偏最小二乘(PLS)定标方法,建立了基于近红外光谱的反刍动物饲料化学成分定标模型。定标集化学分析值与预测值之间的决定系数R2和标准差(RMSEC)分别为:0.927 3和0.265(水分)、0.928 9和0.682(粗蛋白质)、0.950 5和0.228(粗脂肪)、0.906 0和0.542(粗灰分)、0.919 8和0.558(粗纤维)。验证集化学分析值与预测值之间的决定系数r2和标准差(RMSEP)分别为:0.920 6和0.284(水分)0、.919 4和0.690(粗蛋白质)、0.926 4和0.312(粗脂肪)、0.943 4和0.437(粗灰分)、0.903 5和0.616(粗纤维),相对分析误差(RPD)均大于3,具有较高的预测精度。结果表明,利用近红外光谱反射光谱分析技术可以定量检测反刍动物饲料中水分、粗蛋白质、粗脂肪、粗灰分、粗纤维的含量。     

稻谷千粒质量近红外光谱定量分析

利用近红外漫反射光谱分析技术对稻谷千粒质量进行了测定和研究.通过对70个不同品种的稻谷样本进行近红外光谱扫描,将获得的光谱进行10种不同方法的预处理,然后应用PLS方法建立稻谷千粒质量预测的定标模型,根据交互验证决定系数(R2)和交互验证标准差(RMSECV)进行最佳定标模型选择,最后依据稻谷千粒质量预测值与真实值间的相关系数(r)和预测标准误差(SEP)进行模型预测能力评价.结果显示,在光谱区间11 998.9～7 497.9+6 101.7～5 449.8+4 601.3～4 246.5 cm-1、采用最小-最大归一化预处理方法建立的定标模型具有最大的交叉验证决定系数0.773和最小的均方根误差1.67 g;以最佳定标模型预测的稻谷千粒质量与真实值之间的相关系数为0.945,预测标准误差为0.76 g,表明近红外光谱分析技术可以用来进行稻谷千粒质量的快速测定.     

基于中红外光谱的规模化奶牛场粪水总氮快速预测方法

为建立适用于规模化奶牛场粪水中总氮含量的快速预测方法,以天津市23家种养结合型规模化奶牛场粪水治理全过程环节的样品为研究对象,探讨了基于中红外衰减全反射光谱技术快速预测粪水总氮含量的可行性。以偏最小二乘法分别建立了同一奶牛场粪水总氮含量的全程定标模型和不同奶牛场粪水总氮含量的全局定标模型,并采用独立的预测集验证了模型有效性。结果表明:全程模型总氮预测含量与实测含量的线性拟合相关系数为0.98,预测均方根误差RMSEP为130.18 mg/L,剩余预测偏差为4.97,可用于某一奶牛场粪水运移全过程环节总氮含量的快速预测;全局模型总氮预测含量与实测含量的线性拟合相关系数为0.97,预测均方根误差RMSEP为191.66 mg/L,剩余预测偏差为3.83,可用于不同奶牛场多元因素条件下总氮含量的快速预测。研究表明,基于中红外衰减全反射光谱可以实现对不同类型规模化奶牛场粪水治理全过程环节样品总氮含量的即时监测和跟踪。     

近红外光谱法快速测定土壤碱解氮、速效磷和速效钾含量

运用偏最小二乘法(PLS)和人工神经网络(ANN)方法分别建立了0.9 mm筛分风干黑土土壤碱解氮、速效磷和速效钾含量预测的近红外光谱(NIRS)分析模型。使用偏最小二乘算法建立的碱解氮、速效磷和速效钾校正模型的决定系数R²分别为0.9520、0.8714和0.7300,平均相对误差分别为3.42%、13.40%和7.40%。人工神经网络方法建立的碱解氮、速效磷和速效钾校正模型的决定系数分别为0.9563、0.9493和0.9522,相对误差分别为2.67%、6.48%和2.27%,测试集仿真的相对误差分别为5.44%、16.65%和7.87%。结果表明,人工神经网络方法所建立的校正模型均优于偏最小二乘法所建模型;用近红外光谱分析法预测土壤碱解氮含量是可行的,而速效磷、速效钾模型的测试集样品仿真的相对误差较大,其预测可行性还需做进一步研究。     

基于特征光谱的草莓品种快速鉴别

应用近红外光谱技术对草莓品种快速鉴别进行了研究。通过比较7种预处理方法,确定SNV+MAF+2D组合预处理方法最佳。采用相关系数阈值法提取了14个与草莓品种信息相关的特征光谱。建立了基于548～562nm范围内14个特征光谱的PLS—ANN、PLSR、PCR 3种校正模型。经预测集样品验证,主成分数为9时的PLS—ANN模型最优,其预测相关系数和预测均方根误差分别为0.9677和0.461。结果表明,通过提取少量特征光谱建立PLS—ANN校正模型能实现草莓品种的快速鉴别。     

土壤总氮和总磷含量的高光谱遥感预测

用遥感技术监测土壤养分是精准施肥中的一个重要手段。为此,在对118个风干的土壤样本的室内反射光谱进行预处理的基础上,分析了土壤总氮和总磷浓度与预处理后的反射光谱的相关性。分别选用与总氮和总磷浓度具有较强相关性的3个波段(分别是684,724,1 890,2 002nm和2 342,1 092,639,2 262nm),用偏最小二乘方法建立了土壤总氮和总磷含量预测的高光谱分析模型。结果显示,利用预处理的反射光谱建立的土壤总氮与总磷模型的决定系数分别是0.842和0.622,其均方根误差分别是0.132g/kg和0.208g/kg。     

基于冠层高光谱信息的苹果树花量估测

【目的】研究基于盛花期冠层高光谱数据的苹果花量估测技术,为植株花果管理和生产力预测技术的建立奠定基础。【方法】以5年生M₉无性系砧木‘米奇嘎啦’苹果（Malus pumila‘Mitch Gala’）、树形为高纺锤形的植株为试材,在盛花期采集植株冠层可见-近红外高光谱图像,人工统计供试植株花量,比对分析基于原始光谱反射率（original reflectance spectra,OS）与Savitzky-Golay平滑法（savitzky-golay smoothing,SG）、正态变量标准化（standardization of normal variables,SNV）、标准化（Normalize）、一阶求导（first derivation,l^st Der）、二阶求导（second derivation,2^nd Der）共5种预处理的高光谱数据的偏最小二乘法（partial least squares method,PLS）模型,以及基于载荷系数法（x-loading weight,x-LW）提取的特征波长的PLS模型、人工神经网络（the back-propagation neural network,BPNN）、最小二乘支持向量机（the least squares support vector machines,LS-SVM）等模型对单株单位面积花量实时估测精度的影响。【结果】苹果树单株花量与单株单位面积花量具有较高的相关系数,表明采用冠层单位面积花量替代单株总花量进行树体花量估测可行。单株单位面积花量与植株冠层光谱反射率在紫外-可见光波长（308—700 nm）呈极显著正相关,在近红外波长（750—1 000 nm）相关性不显著。基于全波长,以Normalize预处理光谱建立的PLS模型对单株单位面积花量的预测效果最好,校正集决定系数（R_c²）和预测集决定系数（R_p²）分别为0.794和0.804,校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）分别为0.084、0.062,预测相对误差（RE%）为3.940。基于特征波长的BPNN模型稳定性差,而LS-SVM模型的建模效果较好,R_c²和R_p²分别为0.826和0.804,RMSEC和RMSEP分别为0.077、0.064,RE%为12.160。【结论】基于Normalize预处理的PLS模型对高纺锤形苹果树冠层单位面积花量的预测效果最优,同时,本研究利用高光谱成像仪获取的数据,经过分析处理对提取特征信息进行简化,可为多光谱遥感数据的应用提供依据。     

干旱区耕地景观格局碎化特征及社会经济驱动因素分析

为探讨干旱区耕地碎化特征与驱动机制,基于特克斯县1990年、1998年、2000年、2003年、2006年、2011年的遥感影像,利用遥感与GIS技术,分析了研究区20a来耕地景观格局变化特征。并运用偏最小二乘回归模型探讨了耕地景观格局指数变化的驱动因素。结果表明:1990—2011年,研究区斑块碎化程度在逐步增大,斑块密度呈现增加的趋势;平均最近邻体距离与面积加权平均分维数在2000年前后均呈现出先减小后增大的特点,且两者的变化率在1998—2000年和2006—2011年均为正值,在其他阶段则均为负值,而斑块密度变化率的趋势则与之相反。回归模型结果显示,影响耕地碎化的主要因素包括总人口、农业机械总动力、粮食作物产量、油料作物产量等,但在三个模型中,各影响因子作用力大小存在一定差异。人口的增长与城镇化水平的提高,使大量耕地改造为建设用地,从而导致了耕地的碎化。而农业机械化水平的提高促进了耕地的集约化,在一定程度上减小了耕地斑块的孤立程度。