宝龙店水曲柳无性系生长早期评价

以28个水曲柳无性系为材料,测定其树高、胸径生长性状,进行变异分析,筛选出优良无性系.结果表明:各无性系的树高、胸径极显著相关(P<0.01),无性系间树高、胸径差异均达极显著差异水(P<0.01).以20％的入选率,初选出无性系1333、1311、1322、1312、1321和1323为优良无性系,6个无性系平均树高...     

羊链球菌CVCC55001、CVCC55002株的制备与鉴定

为研究羊链球菌CVCC55001、CVCC55002株的菌种特性,制备了新的菌种批并对其形态及生化特性、培养特性、血清学特性、真空度、纯粹、剩余水分、毒力及免疫原性等进行鉴定,对其适宜培养基进行了筛选.试验结果表明,该冻干菌种的形态及生化特性、培养特性、血清学特性、真空度、纯粹、剩余水分、毒力及免疫原性均符合《中华人民...     

水稻赖氨酸含量测定方法改进及其最优动态分类研究

赖氨酸是水稻营养成分中第一限制性氨基酸.为优化赖氨酸的测定方法,设置了本试验,通过超声振荡器取代普通振荡器,进行300W超声功率下酰化用时及染料结合反应用时的研究.结果 表明,最佳酰化用时为15min,染料结合用时为90 min.与国标法相比,优化后的方法酰化用时变长、染料结合用时变短,测定总用时明显缩短,但测定结果和...     

基于特征选择和GA-BP神经网络的多源遥感农田土壤水分反演

土壤水分是影响水文、生态和气候等环境过程的重要参数,而微波遥感是农田地表土壤水分测量的重要手段之一。针对微波遥感反演农田地表土壤水分受植被覆盖影响较大的问题,该研究提出了一种基于特征选择和GA-BP神经网络(Genetic Algorithm-Back Propagation neural network)的多源遥感农田地表土壤水分反演方法。首先对Sentinel-1微波遥感数据和Sentinel-2光学遥感数据进行预处理并提取21个特征参数;然后采用差分进化特征选择(Differential Evolution Feature Selection,DEFS)算法从21个特征中选出包含10个参数的最优特征子集,并利用主成分分析(Principal Component Analysis,PCA)法将特征子集进行降维;之后建立BP神经网络,采用遗传算法(GeneticAlgorithm,GA)对BP网络的节点权值进行优化,使用降维后的特征矩阵和部分实测土壤含水量数据对BP网络进行训练;最后利用训练好的GA-BP网络对研究区土壤水分进行反演,并利用实测数据对反演结果精度进行对比验证。试验结果表明,该研究反演结果的决定系数为0.789 3,均方根误差为0.028 7 cm~3/cm~3,相比单纯使用GA-BP神经网络,加入DEFS和PCA之后决定系数提高了0.215 7,同时均方根误差降低了0.029 5 cm~3/cm~3。该结果展示了DEFS和PCA算法在土壤水分反演最优特征集选择的有效性,为多源遥感农田地表土壤水分反演提供了新思路。     

安徽沿江地区油麦后直播棉的品种选用策略

在目前安徽沿江地区不能实现棉花机采的情况下,提出了"植株高度既适于机采也适于人工采收,含絮力适中(不易落花便于集中采收),生育期适中(播种到采收为180天左右),纤维品质及产量性状较优(纤维长度30.0 mm以上,断裂比强度30.0 cN/tex以上,马克隆值5.0以下,籽棉产量3750 kg/hm2以上,衣分在40％...     

近红外光谱变量筛选提高西瓜糖度预测模型精度

水果的内部品质是水果分级、保鲜及存储的一项重要指标,利用近红外光谱技术对西瓜内部品质进行快速无损检测研究有着非常重要的意义。为了研究变量筛选方法对西瓜糖度预测模型精度的影响,该文以麒麟瓜为研究对象,利用近红外漫透射光谱技术对麒麟瓜可溶性固形物含量（SSC）进行检测,采用偏最小二乘回归（PLSR）,多元线性回归（MLR）和主成分回归（PCR）建立麒麟瓜可溶性固形物数学模型,并探讨等间隔平均光谱和等间隔抽取光谱变量筛选结合连续投影算法（SPA）对预测模型精度的影响。研究结果表明：光谱经等间隔抽取（间隔5,115个变量）经归一化预处理,结合SPA优选出6个波长建立的PLSR预测模型的相关系数（rpre）为0.828、校正均方根误差（RMSEC）为0.589、预测均方根误差（RMSEP）为0.611。该模型预测效果相对较优,建模时间短,提高了模型的预测能力和预测精度。该研究为西瓜内部品质的在线无损检测提供研究基础。     

不同施肥情况下甘蔗叶片的光谱特征分析及叶绿素含量检测

In order to investigate the visible-NIR spectral features of the leaves of a sugarcane variety(ROC 22), the spectral reflectance and the chlorophyll content were measured in the laboratory, and their correlations were analyzed.Prediction models were built eventually.Results showed that the negative correlations with r greater than 0.8 was found in 527-578 nm and 701-731 nm between spectral reflectance and chlorophyll content.And the red edge position(REP) was also found having high correlation with chlorophyll content, with the highest r of 0.8442.In order to explore the most sensitive bands for normalized difference vegetation index(NDVI), 48471 NDVI values were computed with different wavebands for each sample and their correlations with chlorophyll were also analyzed.The distribution maps of NDVI and its correlations in a two-spectral-dimension space both indicated that the red bands had significant influence than the NIR bands.The suggested sensitive red range was 710-735 nm, especially 720-725 nm; and the sensitive NIR range was from 780-850 nm, which had the higher robustness.The chlorophyll predication model with NDVI(725 and 840 nm) in tillering stage had determination coefficients of 0.7386, and was recommended for guiding the subsequent ridging fertilization.     

基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较

近年来,高光谱遥感数据广泛应用于农作物叶面积指数(LAI)反演。与常用的多光谱遥感数据相比,高光谱数据能否提高农作物LAI反演的精度和稳定性还存在争议。针对这一问题,该研究利用实测冬小麦冠层高光谱反射率数据,构造了不同光谱分辨率和波段组合的5种光谱数据。基于ACRM(a two-layer canopy reflectance model)模型、2套参数化方案及上述5种光谱数据,对冬小麦LAI进行反演,分析光谱分辨率、高光谱数据波段选择、模型参数不确定性3方面因素对LAI反演精度与稳定性的影响。研究结果表明:当波段选择适宜、模型参数不确定性较小且光谱数据分辨率较高时,LAI反演精度与稳定性更高,提高光谱分辨率对LAI反演精度的改进作用随光谱分辨率的升高而降低;反之,当高光谱数据波段选择不当或者模型参数不确定性较大时,提高光谱数据的分辨率并未提高LAI反演精度。该研究解释了"高光谱遥感数据能否提高植被参数反演精度"问题,为进一步发挥高光谱数据在农作物LAI反演中的潜力提供了科学参考。     

干旱和半干旱流域水环境质量评价模型及其应用

[目的]通过建立模型修复水生态系统,评价流域水环境质量,为生态系统修复提供实用工具。[方法]以涑水河流域为例,采用了层次分析法(AHP),同时运用模糊隶属函数和综合指数法对影响水质因子的各个指标进行综合评价分析,建立干旱和半干旱流域水环境质量健康评价体系及评价模型。[结果]涑水河流域2008—2011年水环境质量健康评价结果为Ⅲ级,状态一般,较健康,评价结果与实际生态情况相符。[结论]所建立的干旱和半干旱流域水环境质量健康评价体系是合理的,能满足流域水环境质量健康评价需要。     

红茶感官品质及成分近红外光谱快速检测模型建立

以在发酵过程中小叶种工夫红茶为研究对象,分别建立了基于近红外光谱检测技术的感官品质评分和理化品质指标(茶黄素、茶红素、茶褐素、儿茶素和酚氨比)的定量分析模型。在模型建立过程中,探讨了特征变量优选方法对预测模型的影响。首先,对获取的近红外光谱数据进行标准正态变量变换法(standard normal Z transformation,SNV)预处理,进而采用联合区间偏最小二乘回归(synergy interval PLS,Si-PLS)、随机蛙跳算法(shuffled frog leaping algorithm,SFLA)、竞争性自适应权重取样法(competitiveadaptivereweightedsampling,CARS)和连续投影(successive projections algorithm,SPA),筛选出各品质指标的最优特征波长变量;最后基于优选波长分别建立各发酵品质指标的偏最小二乘法(partial least squares regression,PLS)线性预测模型和支持向量机(support vector regression,SVR)非线性预测模型。模型结果比较表明,Si、CARS、SFLA和SPA等变量筛选方法可有效压缩变量,以及进一步提高模型精度。非线性模型的预测均方根误差值(root-mean-square error of prediction,RMSEP)均明显小于PLS模型,相关性系数(correlation coefficient,R)和相对分析误差(relative percent deviation,RPD)均高于PLS模型。对于红茶发酵品质的检测上,非线性模型性能优于线性模型。感官品质、茶褐素和儿茶素的最优变量SVR预测模型的RPD值分别为3.923、3.234和5.462,酚氨比和茶红素模型的RPD值分别为2.815和2.223。除茶黄素的评价模型外(RPD为1.77),基于最优特征波长的各品质指标SVR模型的RPD值均大于2,表明模型具有极好的预测性能。研究结果为实现工夫红茶发酵品质的近红外光谱快速检测的实际应用奠定理论基础。