利用可见近红外（Vis-NIR）高光谱成像技术对完好和损伤等级灵武长枣进行快速识别检测。 采用定量损伤装置得到损伤Ⅰ, Ⅱ, Ⅲ, Ⅳ和Ⅴ级的灵武长枣, 借助高光谱成像系统采集完好长枣和损伤长枣样本高光谱图像。 提取感兴趣区域（region of interest, ROI）并计算样本平均光谱值。 利用光谱-理化值共生距离算法（SPXY）将420个长枣样本按3∶1的比例划分校正集315个和预测集105个。 灵武长枣原始光谱建立偏最小二乘判别分析（PLS-DA）分类模型, 得到校正集和预测集准确率分别为72.70%和86.67%; 灵武长枣原始光谱数据采用移动平均（MA）、 卷积平滑（SG）、 多元散射校正（MSC）、 正交信号修正（OSC）、 基线校准（baseline）和去趋势（de-trending）等方法进行光谱预处理并建立PLS-DA分类判别模型。 通过分析比较, 得到MSC-PLS-DA为最优分类判别模型, 校正集准确率为76.19%, 预测集准确率为86.67%, 其中校正集比原始光谱建模准确率提高了3.49%, 预测集准确率较原始光谱建模结果未提高; 为了提高建模效果, 对灵武长枣原始光谱和预处理后的光谱分别采用连续投影算法（SPA）、 无信息变量消除（UVE）、 竞争性自适应加权抽样（CARS）和区间变量迭代空间收缩法（iVISSA）等算法提取特征波长, 建立PLS-DA分类判别模型, 结果表明, MSC-CARS-PLS-DA为最优模型组合, 校正集准确率为77.14%, 预测集准确率为89.52%, 建模准确率较原始光谱建模准确率分别提高了4.44%和2.85%。 结果表明, Vis-NIR高光谱成像技术结合MSC-CARS-PLS-DA模型可实现灵武长枣损伤等级的快速识别。

研究桉树控制授粉后目标性状的基因作用方式是探索其基因重组规律的重要内容。 常规的数量统计分析精度往往不高, 而DNA分析的专业要求高, 且费时费力。 该研究利用近红外光谱(NIRs)研究不同基因型桉树杂交种、 亲本及杂交种与亲本间近红外光谱信息的关系, 探索NIRs用于桉树杂交种与其亲本判别的可行性和准确性。 以控制授粉的桉树亲本及其杂交F1代材料为对象, 每种基因型从各自田间试验分别选取10个单株, 采集树冠中上部新鲜健康叶片。 用手持式近红外仪Phazir Rx(1624)采集桉树杂交种与其亲本叶片的NIRs信息。 每单株选10片完全生理成熟的健康叶片, 避开叶脉扫描其正面光谱5次, 以50条NIRs信息的均值代表单个叶片的NIRs信息, 最终每个基因型获得10条NIRs信息。 对原始NIRs采用二阶多项式S.G一阶导数预处理。 预处理后的NIRs用于多元统计分析, 首先对桉树杂交亲本和子代样本进行主成分分析(PCA), 直观展示不同基因型的分类情况。 然后运用簇类独立软模式(SIMCA)和偏最小二乘判别分析(PLS-DA)两种有监督的判别模式验证NIRs用于桉树杂交种与其亲本树种的分类判别效果。 PCA结果显示, 不同的亲本间、 杂交种间及杂交种与亲本间样本的主因子得分可以清晰地将各基因型分开。 SIMCA模式判别分析中, 桉树杂交种样本到亲本PCA模型的样本距离显示, 待判别样本能够形成单独的聚类, 且能直观反映两者的遗传相似。 PLS-DA判别结果显示, 桉树杂交亲本的PLS模型能通过预测其杂交子代的响应变量将其与亲本准确分开。 结果表明, 桉树叶片的NIRs信息可以准确地反映桉树杂交子代遗传信息的传递规律, NIRs判别模型可以准确地将各种基因型予以区分。 因此, NIRs信息不仅可用于桉树杂交种和纯种的定性判别, 还可以分析桉树基因重组过程中加性遗传效应的大小, 从而为桉树遗传基础分析及其育种改良研究提供理论支撑。

桉树育种和遗传分析是开展桉树世代改良及其目标性状改良等研究的前提。 而常用的遗传基础研究方法专业性要求高, 且费时费力。 该研究旨在利用近红外光谱（NIRs）分析NIRs信息与桉树遗传信息间的关系, 并探索NIRs信息用于桉树杂交种判别分析的可行性和准确性。 以现有的桉树杂交种测试试验及其亲本材料为对象, 用手持式近红外仪Phazir Rx（1624）采集了7个桉树杂交种及其4个亲本树种叶片的NIRs信息。 每个树种选择10个单株, 每个单株选10片当年生健康叶片, 扫描其正面叶脉中部两侧光谱各5次, 以均值代表单个叶片的NIRs信息。 每种基因型总共各获得100条NIRs信息, 其中70条构成训练集样本, 30条构成验证集样本。 原始NIRs信息采用S.G二阶导数转换预处理, 以消除基线及其他因素对光谱信息的影响, 增强特征峰信息。 经预处理后的NIRs信息用于后续分析, 首先通过主成分分析（PCA）的因子得分对树种的分类判断NIRs信息与测试树种遗传信息间的关系。 在此基础上, 分别用簇类独立软模式（SIMCA）和偏最小二乘判别分析（PLS-DA）两种判别模式建立桉树杂交种的NIRs判别模型。 经预处理后的NIRs信息的变异系数曲线显示, 在波长2 000 nm后, 各树种的NIRs信息存在丰富的特征峰, 且特征峰的分布范围存在较大的差异。 PCA结果显示, 不同的亲本间、 杂交种间及杂交种与亲本间样本的PC1和PC2得分可以清晰地将各树种进行分类, 这在很大程度上表明NIRs信息可以正确反映桉树不同基因型的遗传信息。 NIRs模型的判别效果显示, 少数遗传关系比较接近的杂交组合的SIMCA模式相互判别准确率较低, 而多数杂交组合间的SIMCA判别准确率则在73%～100%之间; 桉树各杂交组合间的单独和综合模型的PLS-DA判别准确率均为100%, 且基于PLS-DA判别的综合模型能将7个杂交组合一一与其他组合正确区分开, 判别效果明显优于SIMCA模式。 结果表明: NIRs信息可以正确反映桉树不同基因型的遗传信息, NIRs判别模型可以比较准确地将各树种进行区分, 因此, NIRs信息可用于桉树杂交种和纯种的田间定性判别, 从而辅助桉树育种材料遗传基础的研究。