马铃薯是与小麦、 稻米、 玉米协调发展的第四大主粮作物, 现阶段我国正积极推进马铃薯主食开发, 但马铃薯品质的参差不齐严重制约了马铃薯产业主食化进程, 马铃薯品质快速无损检测对其加工产业化进程有着重要意义。 国内外学者基于可见/近红外光谱对马铃薯内部品质检测进行了不少相关研究, 但迄今为止大部分研究都基于可见/近红外漫反射原理, 马铃薯粗糙的表皮对样品漫反射光谱影响较大。 近红外透射光谱能较好的反映样品的品质信息, 但马铃薯样品全透射光谱因样品大小不同, 导致光谱受光程差异的影响较大。 考虑到马铃薯样品整体质地较为均匀, 根据马铃薯的形状特性搭建了马铃薯局部透射光谱采集系统, 局部透射检测方式既能避免马铃薯表皮的影响, 又能在保证光程统一的情况下获得样品内部的信息。 该光谱采集系统由光谱采集单元(光谱仪、 耦合透镜)与光源单元(卤素灯、 灯杯)构成。 进行光谱采集时, 将二者贴紧马铃薯表面以确保光谱采集单元不会接收到来自马铃薯表面的反射光。 用该系统采集了120个马铃薯650~1 100 nm范围的局部透射光谱, 分别进行去趋势(detrend)、 多元散射校正(muliplication scattering correction, MSC)、 标准正态变量变换(standard normal variable transformation, SNV)和一阶导数(first Derivative, FD)预处理, 并建立了马铃薯干物质、 淀粉、 还原糖含量的偏最小二乘预测模型(partial least squares regression, PLSR)。 结果显示, 采用多元散射校正预处理的干物质和淀粉含量预测模型效果较好, 其验证集决定系数分别为0.854 0和0.851 0, 验证集均方根误差分别为0.521 9%和0.484 8%; 采用一阶导数预处理的还原糖预测模型效果最好, 其验证集决定系数为0.768 6, 均方根误差为0.025 1%。 为进一步优化模型采用竞争性自适应重加权采样(competitive adaptive reweighted sampling, CARS)等三种方法进行特征波长的筛选, 并建立了偏最小二乘预测模型。 结果显示, 马铃薯各品质参数的预测效果均得到了较大提升, CARS筛选波长后的干物质、 淀粉、 还原糖预测模型的验证集决定系数分别为0.877 6, 0.865 3和0.887 7, 验证集均方根误差分别为0.449 2%, 0.930 2%和0.016 7%。 采用CARS特征波长提取能够简化模型, 去除无关变量和共线性变量, 从而提高模型的精度和稳定性, 尤其是对低含量组分还原糖的预测模型效果显著。 最后, 为验证马铃薯各品质参数预测模型的精度及稳定性, 选取30个不同批次马铃薯样品对所建预测模型进行了外部验证。 马铃薯干物质、 淀粉、 还原糖含量的模型预测值与标准理化值决定系数分别为0.849 9, 0.867 1, 0.877 6, 均方根误差分别为0.660 9, 0.480 9, 0.016 9, 平均相对误差分别为2.03%, 1.77%, 7.58%。 研究表明, 局部透射光谱携带了马铃薯的内部信息, 与干物质、 淀粉、 还原糖含量有显著相关性。 该可见/近红外局部透射检测系统可以实现马铃薯多品质参数的快速无损预测, 特别是干物质含量及淀粉含量的预测效果较好, 但是对个别还原糖含量非常低的样品出现预测相对误差较大现象, 下一步研究中需要进一步优化完善。

本文以棉花早熟品种“JX0010”为实验材料, 采用二次最优回归设计(311设计), 研究了施氮量、种植密度、播种期对棉花干物质积累和分配的影响。结果表明: 棉花单株营养器官与生殖器官干物质积累动态基本一致, 符合“S”型曲线变化规律, 生长前期积累速度缓慢, 中期积累速度加快, 后期干物质积累趋于平缓。种植密度是影响干物质积累的主要因子, 施氮量次之, 播种期影响最小。单株营养器官干物质积累随施氮量的增加、播种期的推迟出现先上升后下降的趋势, 随密度的增加而下降; 单株生殖器官干物质积累随施氮量增加而上升, 随密度增加和播种期推迟而减少。各处理棉花群体干物质积累随着生育进程的推进而逐渐增加, 以处理9群体干物质总量最大, 达到20 640 kg/hm2, 比其他处理高15.74%-137.48%。

为探索棉花短季直播高产栽培模式, 采用多因子最优混合设计(311设计)研究了播期、栽培密度和施氮量对早熟品种JX0010的农艺性状、干物质积累分配的影响。结果表明, 不同处理对棉花生育进程有一定影响, 播种期是影响棉花生育期的主要因子, 各处理生育进程随播种期的推迟而缩短。不同处理株高、果枝层数、果枝始节、果节数差异都达到了显著水平, 栽培因子对株高、果枝始节高度、果节数的影响大小顺序为密度>施氮量>播期, 对果枝层数影响的顺序为播期>密度>施氮量, 适量的施氮、合理密植以及适当推迟播期能增大植株高度, 增加棉株果节数。不同处理棉花地上部分单株干物质积累、群体干物质积累、单株营养器官干物质积累、生殖器官干物质积累变化趋势基本呈“S”型, 不同处理干物质分配系数表现出随着生育进程的推进, 营养器官所占比重降低, 生殖器官所占比重逐渐升高的趋势。

为了探索运用数码照片中光谱(红、 绿、 蓝)的像素计算得到的冠层覆盖度(canopy cover, CC)对玉米长势及氮素营养状态进行非破坏性监测的技术。 通过获取玉米冠层的数码照片图像, 定量化数码照片色彩参数与作物叶面积指数(leaf area index, LAI)、 冠层干重(shoot dry matter weight, DM)、 叶片氮素含量(leaf nitrogen content percentage, N%)之间的关系。 试验于2012年和2013年在中国农业科学院试验田进行, 运用基于Visual Basic Version 6.0研发的玉米冠层图像分析系统, 分析了玉米品种中单909在3个氮素水平条件下分别于9叶展时期、 抽雄期和灌浆期的CC、 11种色彩指数与植株LAI, DM, N%及产量之间的相关性, 并对相关性显著的指标进行了拟合与建模。 结果表明, CC与LAI(r=0.93, p＜0.01), DM(r=0.94, p＜0.01), N%(r=0.82, p＜0.01)之间均达到了极显著水平; 用CC估算LAI, DM和N%的模型均为幂函数, 方程式分别是y=3.281 2x0.763 9, y=283.658 1x0.553 6, y=3.064 5x0.932 9; 用与建模相独立的数据对模型验证, 结果表明, CC估算LAI模型的实测值与模拟值基于1∶1直线的R2, RMSE和RE分别是0.996, 0.035和1.46%; CC估算DM模型的R2, RMSE和RE分别是0.978, 5.408 g和2.43%; CC估算N%模型的R2, RMSE和RE分别是0.990, 0.054和2.62%。 综上所述, 模型能够较准确的通过CC估算不同氮肥水平条件下玉米9叶展时期、 抽雄期和灌浆期的LAI, DM与N%, 表明应用数码相机的光谱信息可实现对玉米生长过程中的生长状况及氮素营养状态进行实时无损快速监测与预测。

菊苣(Cichorium intybus L.)是一种新型的高产优质饲用牧草, 具有极大的推广利用价值。体外干物质消化率(in vitro dry matter digestibility, IVDMD)是评价饲草营养价值的重要指标之一。建立菊苣体外干物质消化率的NIRS定量分析模型的研究, 采集了72个品种、 不同基因型、 不同生长发育时期的204个菊苣地上部分为样品, 应用傅里叶变换近红外漫反射光谱技术, 通过采用不同的回归算法, 比较不同的光谱范围和光谱预处理方法, 建立了8个菊苣体外干物质消化率(IVDMD)的近红外漫反射光谱校正模型, 从中选出最佳参数的校正模型。其校正决定系数(R2cal)和外部验证决定系数(R2val)分别为0.953 17和0.904 55, 校正标准差(RMSEC)和预测标准差(RMSEP)分别为1.977 99%和2.008 82%, 预测值与化学值间的相关系数(r)达0.951 08。结果表明, 利用近红外漫反射光谱法来测定菊苣体外干物质消化率(IVDMD)是可行的, 可为菊苣体外干物质消化率(IVDMD)的测定提供快速的分析测定方法。

研究旨在探讨利用放牧家畜“日粮—粪”差异光谱， 建立干物质消化率模型的可行性。 通过人工混合复杂日粮饲喂绵羊进行室内代谢试验， 获得104份“日粮—粪”样品对， 同时将相应的日粮和粪光谱做差获得104份差异光谱， 将70份用于建模， 34份用于检验。 结合偏最小二乘法， 利用差异光谱建立绵羊在采食成分较复杂时干物质消化率预测模型。 最佳光谱范围为8 656～4 310 cm-1； 光谱预处理方法以多元散射校正+一阶导数处理+Norris平滑(MSC+1st Deriv+Norris)处理的效果最好， 最佳主因子数为7。 经外部检验得到预测标准误差(RMSEP)为2.46%， 相对标准误差(RPD)大于2.5， 预测值与实际值的决定系数为0.833 9， 说明所建近红外模型具有较好的预测效果。