基于红外光谱和化学计量学的紫金牛药材质量快速鉴定研究

本文利用FTIR技术分别检测不同产地紫金牛及其易混淆植物的化学成分的光谱特征,并通过主成分分析模型以及主成分载荷因子等化学计量学方法,对各样本进行鉴别,找出各测试样本化学组成的差异。结果表明：f1）两种紫金牛在3378cm^-1、2923cm^-1、1735cm^-1、1621cm^-1、1444cm^-1、1373cm^-1、1321cm^-1、1238cm^-1、1153cm^-1、1033cm^-1及776cm^-1附近均有吸收峰。（21由于融水县和永福县两地相距最近,在PCA检测模型二维散点图上,这两产地样品的距离也最近,恭城县与融水县及广西兴安县相距较远,故在散点图上的距离也较远;广西兴安县的月月红是紫金牛属植物,但不属于紫金牛种,所以,在散点图上的距离也就偏离各产地紫金牛。（3）提取PCA模型的载荷因子,分析表明,在种问比较,样品月月红中脂类、苯醌、黄酮及皂苷类成分的含量较紫金牛样品丰富。在紫金牛种内比较,广西永福县的样品香豆素、酮脂及皂苷类成分的含量比其它产地高,相反地,广西恭城药市的样本中尤其是酮脂及皂苷类成分的含量最低;但是,广西恭城县的紫金牛中香豆素、苯醌、甾醇,黄酮类等成分,较其它产地丰富。     

基于氨基酸组成的黄酒酒龄电子舌鉴别

该研究采用电子舌结合化学计量学方法用于黄酒酒龄的快速鉴别。为确证黄酒样品酒龄,采用氨基酸分析仪分析了1年陈、3年陈和5年陈黄酒中20种氨基酸,并利用主成分分析（principal component analysis,PCA）对氨基酸数据进行了分析。采用电位型电子舌采集了不同酒龄黄酒样品的味觉指纹信息,并采用判别分析（discriminant analysis,DA）方法结合味觉指纹信息建立黄酒酒龄快速鉴别模型。采用偏最小二乘法（partial least squares regression,PLSR）建立电子舌响应信号与氨基酸含量之间的相关关系。氨基酸数据结合PCA分析表明所有样品均标注正确;电子舌结合DA所建黄酒酒龄鉴别模型可将3个年份预测集样品正确区分;异亮氨酸（Ile）、天门冬氨酸（Asp）、酪氨酸（Tyr）和缬氨酸（Val）与电子舌相关性高,模型的相对分析误差（Residual predictive deviation, RPD）高于2。研究表明电位型电子舌结合判别分析是黄酒龄鉴别的稳健方法。     

基于近红外高光谱成像技术鉴别杂交稻品系

种子的筛选和鉴别是农业育种过程中的关键环节。该文基于近红外高光谱成像技术(874~1 734 nm)结合化学计量学方法以及图像处理技术实现杂交稻种的品系鉴别及可视化预测。采集了3类不同品系共2 700粒杂交水稻的高光谱图像,用SPXY算法,按照2∶1的比例划分建模集和预测集。基于水稻样本的光谱特征,采用主成分分析(PCA)方法初步探究3类样本的可分性。采用连续投影算法(SPA),提取出7个特征波长:985.08、1 106、1 203.55、1 399.04、1 463.19、1 601.81、1 645.82 nm。基于特征波长和全波段光谱,建立了偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型。试验结果表明,所建模型判别效果较好,识别正确率均达到了90%以上,其中,SVM模型的判别效果优于PLS-DA模型,基于全谱的判别分析模型结果优于基于特征波长的判别模型。结合SPA-SVM校正模型和图像处理技术,生成样本预测伪彩图,可以直观的鉴别不同品系的水稻种子。结果表明,近红外高光谱成像技术可以实现杂交稻的品系识别及可视化预测,为农业育种过程中种子的快速筛选及鉴定提供了新思路。     

基于高光谱的冬油菜植株氮素积累量监测模型

为无损和定量研究高光谱技术在冬油菜植株氮素积累量(PNA,plant nitrogen accumulation)时空变化监测的适宜性及准确性,该文以两年田间氮肥水平试验为基础,采用单变量线性和非线性回归方法,建立基于特征光谱参数的冬油菜P NA高光谱估算模型。结果表明,采用比值光谱的方法可显著提高冬油菜冠层光谱反射率与PNA间的相关性,其最佳的波段组合为1 259 nm与492 nm处光谱反射率比值(R1259/R492),决定系数R2为0.85。高光谱参数间,以比值植被指数(RVI-5)、归一化光谱指数(NDSI)、线性内插法红边位置(REIP)、三角植被指数(TVI)、742 nm处一阶微分光谱值(FD742)和红边面积(SDR)等光谱参数与PNA相关性较好(平均R2和标准误SE分别为0.69和42.70),且以FD742表现最优(R2=0.79,SE=35.66)。精度分析结果显示,以光谱参数R1259/R492和FD742为自变量的指数方程模型作为高光谱监测油菜PNA的最佳模型,各生育期Noise Equivalent(NE)均较低且表现稳定,同时模型估测精度较高,R2分别为0.98和0.98,相对均方根误差RRMSE分别为0.73和0.72,相对误差MRE分别为14.42%和10.31%。该方法为快捷和精确评估冬油菜PNA提供了新的研究思路。     

一种基于NIR-RED光谱特征空间的干旱监测新方法

土壤水分作为干旱监测的重要指标,一直是干旱遥感监测研究的重要内容。本研究利用MODIS数据的EVI、红波段反射率、近红外波段反射率数据构建了基于Nir-Red反特率光谱特征空间的EPDI模型进行土壤水分的反演。利用野外同步测量数据对PDI、MPDI、EPDI三种干旱指数模型获取的拉萨河流域土壤水分进行了验证和对比分析,研究结果表明EPDI能够更准确地反演土壤水分,其样本点的相对误差仅为0.1040,线性相关系数为0.9181,反演精度相比PDI、MPDI(0.1646、0.1472)分别提高了36.83%和29.35%,为利用遥感影像数据进行大尺度的干旱动态监测提供了新途径。并且相比MPDI,EPDI模型参数更容易获取,模型构建受人为因素影响小,从而为模型的大范围推广提供了可能,具有很好的应用意义。     

土壤有机质测定方法述评与展望

有机质是土壤的重要组成部分,是判定土壤质量动态变化的重要标准。为了便于了解当前土壤有机质测定方法的优点和局限性,利于今后有机质研究和测定工具的开发,本文对当前测定有机质的方法,包括干烧法、湿烧法、化学氧化法、灼烧法和土壤有机质光谱测定法进行了阐述,分析了各方法的优缺点以及研究中适宜选择的方法,并对当今农业的需求和测定方法的不足,提出了研究无损、原位测量有机质工具的构想,展望了土壤有机质快速测定方法的发展趋势,以此为精准农业的实施和农业的可持续发展,提供基本的信息及建议。     

基于多光谱影像反演土壤盐分的建模方法研究

土壤盐分的定量遥感反演,为快速、准确、全面地监测盐渍化状况提供了可能。本文以黄河三角洲地区垦利县为例,实地调查采集土壤样本,并获取同时相Landsat 8影像,建立土壤盐分遥感反演的BP神经网络、偏最小二乘回归、主成分分析、多元线性回归多种模型,进而进行精度对比分析,评价、优选最佳建模方法,最后,基于最佳模型进行研究区土壤盐分的空间分布反演分析。结果显示:遥感影像的反射率与土壤盐分含量并不是单纯的线性关系,构建的盐分估测模型BP神经网络预测决定系数为0.8467,均方根误差为0.071,明显高于传统线性统计模型,能较好地模拟土壤盐分与光谱数据的关系。该研究既能为盐渍土的治理、利用提供数据支持,又能推动盐渍化区域遥感研究的定量发展。     

不同品种水稻的产量构成因素及其对氮磷吸收的差异研究

为筛选出适合江苏地区种植的高产、高效水稻品种,采用盆栽试验,测定了江苏地区常见的11个水稻品种的株高、产量、结实率、总干物质量以及不同部位N、P含量,分析了水稻产量与其构成因素、氮磷积累量、氮磷收获指数间的相关关系。结果表明,水稻平均产量为16.85 g pot~(-1),变化幅度为8.28~25.18 g pot~(-1),品种间产量差异显著(P0.05),其中泰瑞丰5产量最高。水稻各部位氮素含量从大到小依次为:籽粒叶≈根茎谷壳,其中苏秀9籽粒中氮含量显著高于其他品种。磷素在水稻各部位中的含量分布为:籽粒根≈茎叶≈谷壳,籽粒中的磷含量最多的是南粳5055。相关分析表明,水稻的产量与总干物质量、穗粒数、氮磷积累量及氮磷收获指数均存在显著的相关性。不同品种水稻的产量、籽粒氮磷含量存在显著差异,这为高产、高效水稻品种的筛选提供了重要的科学依据。     

小兴安岭不同土地利用方式下的土壤DOC化学光谱特性

在小兴安岭地区选取天然沼泽(兴安落叶松沼泽)、排水造林40a的人工林湿地、由湿地开垦40a的农田、湿地垦殖后弃耕地(弃耕40a)4种样地,研究小兴安岭不同土地利用方式土壤溶解性有机碳(DOC)化学光谱特性。结果表明,在垂直剖面上,排水造林湿地、农田、弃耕地以及天然沼泽的土壤DOC含量均从表层向下逐渐减少,在土壤表层0—10cm,DOC含量关系为:天然沼泽排水造林湿地弃耕地农田(p0.05),在其他深度上,差异不显著(p0.05)。DOC化学光谱特性表现为DOC中芳香族类化合物(SUVA254)、DOC中腐殖质所占比列(C/C)、DOC中腐殖酸与富里酸比例(E4/E6),在垂直剖面上逐渐递增。总体上,DOC化学光谱特性大小关系为:天然沼泽弃耕地排水造林湿地农田。4种土地利用类型土壤SOC的含量均随着土壤深度的增加而出现逐渐递减的规律,在垂直剖面上,天然沼泽SOC的含量大于其他土地利用方式。4种类型土壤DOC占SOC的比例(DOC/SOC)在垂直剖面上无明显变化规律。天然沼泽湿地DOC/SOC只在土壤表层大于其他土地利用方式(p0.05)。     

多对象特征提取和优化神经网络的玉米种子品种识别

为了实现机器视觉代替人的视觉,对玉米种子品种进行实时、客观、准确和无损伤识别,研制了玉米品种识别硬件系统和软件系统。针对玉米种子及种子图像的特点,对玉米种子品种识别技术与算法进行了深入地研究和探索,提出了一种基于多对象有效特征提取和主成分分析优化神经网络的玉米种子品种识别方法,提取了玉米种子的几何特征和颜色特征参数,优化了基于机器视觉的玉米种子图像处理策略和品种识别算法,提高了玉米品种识别的速度和准确率。对农大108、鲁单981、郑单958、五岳18共4个品种玉米种子进行了品种识别试验,每粒种子识别的平均耗时为 0.127 s,综合识别率达到97%以上。研究表明,基于机器视觉的玉米种子品种识别与检测方法是可行的,该方法可提高玉米种子品种识别效率和正确率。