PCA和PLS-DA用于晒青毛茶级别分类研究

利用主成分分析法(Principal Component Analysis,PCA)和偏最小二乘法判别分析(Partial Least Squares Discriminant Analysis,PLS-DA)对晒青毛茶进行级别分类,并通过统计分析找出重要理化成分。结果表明:PCA和PLS-DA均可以直观地对晒青毛茶级别进行分类,其中能够稳定地分类出3级毛茶,而难以将6级和9级毛茶明显地分类。通过PCA载荷图(Loadings plot)和PLS-DA变量重要性因子(Variable important for the projection,VIP)分布图可得出氨基酸含量为级别分类的重要理化成分,其中赖氨酸(Lys)、脯氨酸(Pro)和苯丙氨酸(Phe)是对级别分类最重要的3种氨基酸组分。     

齐河县2021年夏玉米肥效验证试验

为探索适宜的施肥措施,针对齐河县区域内主要粮食作物夏玉米进行了田间肥效验证试验。结果表明,不同施肥处理氮肥偏生产力为44.7～70.4 kg/kg,表现为优化施肥处理>常规施肥处理>配方施肥处理;磷肥偏生产力为202.1～328.6 kg/kg,表现为优化施肥处理>配方施肥处理>常规施肥处理;钾肥偏生产力为173.2～328.6 kg/kg,表现为优化施肥处理>配方施肥处理>常规施肥处理;氮磷钾肥总肥料偏生产力为30.3～49.3 kg/kg,表现为优化施肥处理>配方施肥处理>常规施肥处理。由此可以看出,优化施肥处理肥料偏生产力最高,其次为配方施肥处理,常规施肥处理最低。优化施肥是一项最值得推广的施肥措施,即在配方施肥的基础上化肥用量减少30%,每亩基施商品有机肥100 kg。该措施建议在黄淮海夏玉米区域大面积示范推广。     

基于连续投影算法和光谱变换的冬小麦生物量高光谱遥感估算

为探索基于全波段冠层高光谱以及变换光谱的冬小麦地上部生物量的遥感估算方法,以2016、2017年冬小麦田间试验为基础,通过对冠层光谱和地上部生物量的相关性分析,筛选拔节期、抽穗期的冬小麦冠层光谱、一阶导数光谱、对数变换光谱和连续统去除光谱对地上部生物量的敏感波段,并结合偏最小二乘法(PLS)分别建立拔节期和抽穗期基于SPA算法的冬小麦地上部生物量估测模型,再与基于任意两波段组合的最佳归一化光谱指数、比值光谱指数、差值光谱指数和已报道光谱指数的冬小麦地上部生物量估测模型进行比较。结果表明：(1)SPA算法较好地利用了全波段冠层光谱信息,并显著降低了光谱维度,不同变换光谱的地上部生物量敏感波段个数在4~14之间;(2)拔节期和抽穗期冠层光谱与地上部生物量的相关性高于开花期和灌浆期,各生育时期一阶导数光谱与地上部生物量之间的相关性优于连续统去除光谱、对数变换光谱和光谱指数;(3) 利用抽穗期一阶导数光谱敏感波段建立的预测模型和验证模型达到了较高的精度,其预测模型的决定系数和均方根误差分别为0.78和0.87 t·hm^-2,验证模型的决定系数和均方根误差分别为 0.84和0.69 t·hm^-2,预测相对偏差为2.74。这说明,抽穗期是估算地上部生物量的最佳生育时期,且基于冠层一阶导数变换光谱,结合连续投影算法和偏最小二乘回归方法所构建抽穗期地上部生物量估算模型具有最优的精度和预测能力,可用于地上部生物量的定量估算。     

基于小波消噪柑橘内部品质近红外光谱的无损检测

为探讨柑橘内部品质无损检测方法,通过3阶Daubechies小波4级分解,对柑橘近红外光谱进行消噪预处理,并运用偏最小二乘法建立了柑橘贮藏中可溶性固形物、糖度、酸度和维生素C含量的校正预测模型.结果表明:建立的可溶性固形物含量预测模型,其预测值与标准值的相关系数为0.954,预测校正均方差为0.418%,最优光谱波段为6 101.7～4 246.5 cm-1;建立的可溶性总糖含量预测模型,其预测值与标准值的相关系数达0.975,预测校正均方差为0.490%,最优光谱波段为7 507.7～6 097.8 cm-1;建立的总酸含量预测模型,其预测值与标准值的相关系数达0.948,预测校正均方差为0.022%,最优光谱波段为 6 101.7～4 246.5 cm-1;建立的维生素C含量预测模型,其预测值与标准值的相关系数为0.957,预测校正均方差为0.039 mg/g,最优光谱波段为7 501.7～5 449.8 cm-1.     

基于近红外光谱技术的灵芝提取物掺假定量快速无损检测研究

为了探索快速测定灵芝提取物掺假(淀粉)含量的方法,采用近红外光谱扫描掺杂0%、5%、10%、20%、40%、60%、80%淀粉的灵芝提取物,对其光谱进行预处理和波段选择,并结合偏最小二乘法(PLS)建立灵芝提取物掺假定量快速无损检测方法。结果表明,使用多元散射校正(MSC)预处理方法,波数范围8 000~7 500、6 000~5 500和5 000~4 000cm~(-1),主因子数为8时,建立的偏最小二乘法模型的校正决定系数(R_(cal))、校正均方根差(RMSECV)、验证决定系数(R_(val))和验证均方根差(RMSEP)分别为0.9962、0.0249、0.9960和0.0241。运用该模型对验证集样品进行预测并统计分析,可知预测值与实际掺假值之间无显著差异。本研究为灵芝功能食品市场检测提供了方法基础。     

近红外光谱结合偏最小二乘法快速评估土壤质量

以长江中下游粮食主产区水稻土为研究对象,采集17种不同施肥处理下共136个土壤样品在350 ～2 500 nm范围的近红外光谱,利用偏最小二乘回归分析结合交叉验证法建立了近红外漫反射光谱与传统化学分析方法测得的全碳、全氮、碳氮比、速效钾、速效磷、电导率、土壤pH等土壤指标之间的定量分析模型。模型的决定系数（R2）以及化学分析值标准差（SD）与模型的内部交叉验证均方差（RMSECV）的比值RSC用于判定建立的模型的好坏。结果表明：全碳、全氮、碳氮比和pH模型的R2和RSC分别为：R2=0.94,RSC=4.31;R2=0.95,RSC=4.35;R2=0.97,RSC=5.60;R2=0.92,RSC=3.37,说明上述土壤指标的预测结果很好。速效钾模型的R2和RSC分别为：R2=0.87,RSC=2.23,表明预测结果尚好。而速效磷和电导率模型的R2和RSC分别为：R2=0.18,RSC=1.16;R2=0.37,RSC=1.31,说明两者的预测结果均很不理想。综上所述,水稻土的土壤质量相关指标（全碳、全氮、碳氮比、速效钾和土壤pH）可以通过近红外光谱结合偏最小二乘法（NIR-PLS）快速评估。     

镉污染下不同类型水稻土氮素供应特征及其影响因素

污染条件下的土壤氮素供应影响了作物生产和植物生态修复。采用温室盆栽试验,研究了两种剂量镉污染下我国21种水稻土无机氮的供应特征和影响因素。结果表明：淹水10天后,不同水稻土土壤溶液无机态氮含量变幅为1.42 ~ 70.40 mg/L （(平均值为16.76 mg/L）),其中NH4+-N和NO3--N分别占62.5% 和33.7%;与施肥对照相比,镉污染降低了大多数水稻土土壤溶液无机态氮的含量,平均降幅为58.4%,主要是由土壤溶液NH4+-N含量下降所致;土壤溶液NO3--N含量受镉污染的影响程度则因土壤类型而异。基于典范对应分析的偏因子分析（(VPA）)表明镉污染对水稻土土壤溶液无机氮含量的影响最大,其次是土壤类型,施肥影响最小,三类因子单独作用的影响比例分别为40.38%、6.51% 和0.05%。镉污染下,pH、CEC和土壤质地显著影响水稻土无机氮供应,其中土壤pH是镉污染条件下影响NH4+-N含量变化的首要因子。     

激光诱导击穿光谱技术检测土壤中的铅和镉含量

为了满足土壤重金属快速准确检测的需求,同时为土壤的重金属污染防治和农业的可持续发展提供理论指导,该研究利用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术结合定标曲线法和化学计量学方法对土壤中重金属铅(Pb)和镉(Cd)元素进行定量分析。在获取LIBS数据之后,结合土壤LIBS发射谱线中Pb和Cd谱峰信息以及美国国家标准与技术研究院(national institute of standards and technology,NIST)的标准原子光谱数据库,选取了Pb和Cd的特征谱线分别为Pb I 405.78和Cd I 361.05 nm。首先对谱线信息进行预处理后,根据谱峰信息和元素的含量,分别建立了基于谱线峰强度、归一化后洛伦兹拟合强度、谱峰积分强度与对应元素浓度之间的关系模型和定标曲线。对于Pb元素的3种定标方法得到的线性关系的决定系数(R2)分别为0.983 85、0.970 97、0.993 21,且模型反演的结果与实际值的相对误差较小;而Cd元素的3种定标方法没有得到明显线性关系。然后运用偏最小二乘回归(partial least-squares regression,PLSR)建立了土壤Pb和Cd元素的定量分析模型,Pb元素PLSR模型的结果与定标曲线法的结果类似,其预测的相关系数(RP)为0.948 5,预测均方根误差(RMSEP)为2.044 mg/g;而Cd元素的PLSR模型的结果比起定标曲线法有较大提升,其预测的相关系数(RP)为0.994 9,预测均方根误差(RMSEP)为97.05μg/g,结果说明PLSR方法在光谱化学分析领域中比定标曲线法进行定量分析有更好的适用性。研究表明,LIBS技术能够实现对土壤重金属Pb和Cd含量的定量检测,为开发实时便携式LIBS土壤重金属检测仪提供了理论基础。     

基于近红外漫反射光谱的云芝提取物多糖含量快速检测研究

为探索快速无损测定云芝提取物中多糖含量的方法,通过采集粉末状云芝提取物近红外光谱,经预处理和波段选择,结合间隔偏最小二乘法(iPLS)和反向区间偏最小二乘法(Bi-PLS),建立并优化云芝提取物多糖含量检测模型。结果表明,光谱区间为9 365.92~8 918.76 cm~(-1)和5 341.48~4 894.32cm~(-1),二阶导数(SD)预处理后,建立的反向区间偏最小二乘法模型更优,其校正决定系数(R_(cal))、校正均方根差(RMSECV)、验证决定系数(R_(val))和验证均方根差(RMSEP)可分别达到0.9089、0.00781、0.9879和0.00292。该模型可以更有效地优选建模所需波段,降低模型复杂度,降低多糖含量的检测成本,提高检测效率,实现云芝提取物多糖含量的快速、无损检测。     

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。