近红外光谱技术在检测转基因油菜籽中芥酸和硫甙上的应用研究

随着转基因食品的迅速发展,人们越来越关心其食用安全性。以转基因油菜及其亲本为实验材料,借助于近红外光谱仪对转基因油菜及其亲本中的芥酸和硫甙进行了测定分析：扫描区间为12 000～4 000 cm-1,分辨率为4 cm-1,扫描次数为64次。结果显示近红外检测样品的结果与通用方法结果相近,说明通过扫描光谱加上数学和计算机软件分析,非常准确、方便的测定了转基因油菜中的芥酸和硫甙。结果表明,转基因油菜中的芥酸含量明显高于亲本中的含量,芥酸含量是非转基因亲本1.5～2.0倍;硫甙含量也表现出芥酸相同的规律,转基因油菜中显著高于其相应亲本,是亲本含量的1.3～1.51倍以上。所以,在转基因作物的育种过程中,在改善个别性状的同时,如何保持其他优良性状应当引起重视。     

赣南脐橙果园土壤全氮和有机质近红外漫反射光谱检测

选取赣南脐橙果园土壤作为研究对象,探讨在4 000～7 500 cm-1范围内的光谱分析土壤全氮和有机质的可行性。采集的近红外光谱采用多元散射校正、一阶微分、二阶微分、七点平滑等多种预处理对比分析,分别建立了有机质和全氮含量偏最小二乘模型。实验得出全氮预测模型在4 000～7 500 cm-1范围内采用七点平滑(SG)进行预处理模型较为理想,校正集相关系数(r_c)为0.802,校正均方根误差(RMSEC)为2.754,预测集相关系数(r_p)为0.715,预测均方根误差(RMSEP)为3.077;有机质预测模型在4 000～7 500 cm-1范围内采用标准正态变量变换(SNV)预处理模型较为理想,r_c为0.848,RMSEC为0.128,r_p为0.790,RMSEP为0.152。研究表明近红外漫反射光谱可快速用于赣南脐橙果园的土壤中全氮和有机质含量的快速检测。     

近红外光谱在转基因玉米检测识别中的应用

随着转基因食品的推广应用,人们越来越关心其食用安全性。以转基因玉米及其亲本为实验材料,借助于近红外光谱仪对转基因玉米及其亲本进行了识别分析：扫描区间为12 000～4 000 cm-1,分辨率为4 cm-1,扫描次数为64次;以三层误差反向传播算法(简称BP算法)进行数据处理。结果显示通过扫描光谱及数学和计算机软件分析,非常准确、方便地识别了转基因农产品。所以通过近红外光谱所建立的转基因BP-网络识别模型完全可用于实际应用。近红外分析还具有无污染、成本低等优点,是一种极具前景的转基因食品安全检测识别技术。     

土壤水分对近红外光谱实时检测土壤全氮的影响研究

利用近红外光谱技术实时预测土壤全氮含量是精细农业的研究热点之一,但是由于土壤水分在近红外波段的吸收系数较高,影响了土壤全氮含量的实时预测精度。使用布鲁克MATRIX_I傅里叶近红外光谱分析仪对不同土壤水分的土壤样本进行了近红外光谱扫描,定性和定量的分析了土壤水分对近红外光谱的影响,并提出了一种消除土壤水分对土壤全氮含量预测影响的方法。近红外光谱扫描结果显示在同一全氮含量水平下,随着土壤水分含量的增加,光谱吸光度呈逐渐上升的趋势,且变化趋势为非线性。通过对1 450和1 940 nm两个水分吸收波段的差分处理,设计了水分吸收指数MAI（moisture absorbance index）,再对土壤按照水分含量梯度进行分类,提出了相应的修正系数。修正后的6个土壤全氮特征波段处(940,1 050,1 100,1 200,1 300和1 550 nm)的土壤吸光度值作为建模自变量,使用BP神经网络建立了土壤全氮预测模型,模型的R_C,R_V,RMSEC,RMSEP和RPD分别达到了0.86,0.81,0.06,0.05和2.75;与原始吸光度所建模型相比较模型精度得到了显著提高。实验结果表明本方法可以有效地消除土壤水分对近红外光谱检测土壤全氮含量预测的影响,为土壤全氮含量实时预测提供了理论和技术支持。     

基于近红外光谱的北方潮土土壤参数实时分析

选取中国北方潮土作为研究对象,探索利用近红外光谱分析技术分析土壤参数的可行性和可能性。从一块试验麦田共采集了150个土样,土样在采集回试验室后,在保持其原始状态的条件下利用傅里叶变换近红外光谱仪迅速测定了其近红外光谱。近红外光谱变量为原始吸收光谱和一阶微分光谱,分析的土壤参数有土壤水分、有机质和全氮的含量。对于土壤水分,在相关分析的基础上建立了一元线性模型,所采用的波长为1 920 nm,模型的相关系数达到0.937,模型可以直接用于土壤水分的实时预测。对于有机质和全氮含量建立了多元回归模型,有机质预测模型所采用的波长是1 870和1 378 nm,全氮预测模型所采用的波长则是2 262和1 888 nm。分析结果表明土壤有机质和全氮含量可以利用田间土样的近红外光谱特性进行分析和检测,建立的线性模型是有效的。     

我国苹果栽培区土壤参数的近红外光谱检测研究

在全国11个主要苹果栽培区及其附近农田处,共收集111份土壤样本作为研究对象。使用傅里叶近红外光谱仪采集在12 500～4 000 cm-1光谱范围内的土样漫反射光谱信息,并采用偏最小二乘回归法分别建立土壤有机质含量和pH值的近红外定标模型。为了有效消除土壤颗粒不均匀性所带来的散射影响,同时扣除与土壤品质参数无关的光谱信息,研究运用变量标准化(SNV)、附加散射校正(MSC)和直接正交信号校正(DOSC)等光谱预处理方法,使模型精度得到显著提高。结果显示,经过DOSC处理后,土壤有机质含量和pH值的近红外定标模型效果达到最佳,其相关系数(r)分别达到0.953和0.937,预测误差均方根(RMSEP)分别为0.258(%)和0.248(%)。研究表明,利用近红外光谱技术可以快速检测我国主要苹果栽培区土壤的有机质含量和pH值,为土壤施肥提供指导,为果树栽培提供技术支持。     

双价抗虫棉(Bt+CpTI)苗期重金属分配特性

随着转基因植物的推广应用,人们越来越关心其生态安全性。应用ICP-MS测定了转基因棉花及其亲本苗期各个器官中重金属Cr,As,Cd和Pb的含量。结果显示,棉花不同器官中重金属的含量差异较大,含量顺序分别是：根系>叶片>茎部。双价转基因(Bt+CpTI)抗虫棉叶片、茎部和根系中As、Cd都低于常规棉亲本;Cr在地上部两个器官低于对照,但是在根系累积增加;Pb在叶片和根系都高于对照,但是茎部下降。     

ICP-MS/ICP-AES法快速测定转基因棉花种子中的矿质元素和重金属含量

转基因植物生理生态已成为当前的研究热点,外源基因的导入可能会造成许多无法预料的结果。文章借助ICP-MS/ICP-AES技术对我国自己研制的转基因棉花和对照种子中的矿质元素和重金属进行了研究。结果显示,转基因棉花种子中,所测量的15种矿质元素含量有12种显著低于非转基因对照,说明转基因棉花种子吸收和累积矿质元素的能力下降;而只有镁、铁、铜含量高于对照。在测定的九种重金属(有害元素)中有七种转基因抗虫棉高于对照,特别是铝和砷的含量高出许多甚至上百倍,而铬和汞两种重金属含量明显低于对照。     

基于近红外光谱技术的土壤参数BP神经网络预测

利用BP神经网络预测方法,建立了基于近红外光谱技术的土壤有机质含量和土壤全氮含量的分析模型。试验共测量了150个田间土壤样本的近红外光谱,首先采用局部加权散点图平滑滤波法对光谱曲线进行了平滑处理,然后根据对目标参数进行的聚类分析结果进一步平均了输入光谱,最后将反射光谱数据进行对数转换后与目标数据一起进行了归一化处理。对预处理后的光谱数据首先进行主成分分析,然后提取贡献率超过99.98%的主成分建立BP神经网络模型。对土壤有机质含量的分析结果：模型拟合精度为0.999,预测精度达到0.854。对于土壤全氮含量的分析结果：模型的拟合精度近似为1,预测精度达到了0.808。研究表明,基于近红外光谱技术的土壤参数BP神经网络预测模型具有较高的鲁棒性和较强的容错能力。     

转基因棉花残体土壤降解特征的红外光谱研究

采用重铬酸钾容量法和红外光谱(FTIR)法分析了转基因抗虫棉花残体降解后的土壤腐殖质组分富里酸(FA)、胡敏酸(HA)和胡敏素(HM)的含量和结构特征.结果表明,棉花残体的降解使土壤各腐殖质组分含量增加,胡敏素的相对含量增加最大,胡敏酸次之,富里酸最小.与相应非转基因对照相比,转Bt基因棉花残体处理土壤各腐殖质组分含量...     

长期不同施肥处理对黑土根际土壤有机碳结构组分的影响

土壤有机碳是农业生态系统的关键驱动和调节者,特别是根际微域有机碳动态对土壤碳素循环和矿质营养元素释放起着重要作用。研究长期不同化肥和有机肥施用下大豆根际土壤有机碳、活性有机碳以及有机碳结构的变化规律,深入了解根际有机碳固持和稳定机制,为完善农田生态系统碳固持和农田可持续发展提供科学依据和理论支撑。该研究依托黑土长期定位试验,采用化学分析、固态13C-核磁共振 (13C-NMR)等方法研究大豆根际土壤有机碳含量、活性有机碳含量和有机碳结构组分变化规律。结果表明,与非根际土壤相比,大豆根际土壤有机碳含量显著增加,长期施肥处理能够显著增加根际土壤有机碳和低活性有机碳含量,以常量有机肥加氮磷钾（MNPK）处理提升效果最好。核磁共振实验结果表明,与不施肥处理相比,MNPK处理明显增加根际土壤烷基碳、烷氧基碳比例以及烷基碳/烷氧基碳比值,降低芳香基碳和芳香碳/总碳比值,在非根际土壤中尤其显著;常量氮磷钾（NPK）处理增加芳香基碳比例和芳香碳/总碳比值,在根际土壤中烷基碳比例和烷基碳/烷氧基碳比值增加,烷氧基碳比例降低,非根际土壤测试结果相反。综上所述,MNPK处理能够显著提升根际有机碳含量,增加有机碳中烷基碳、烷氧基碳比例以及烷基碳/烷氧基碳比值,促进团聚体形成和增加土粒结构稳定性,而NPK处理增加芳香基碳比例和芳香碳/总碳比值,降低根际烷氧基碳比例,团聚体稳定性降低,同时证明固态13C-核磁共振技术结合半定量分析能够准确地分析不同有机碳结构组分变化,深刻认识根际土壤有机碳的稳定机制。     

Rapid evaluation of soil fertility in tea plantation based on near-infrared spectroscopy

Abstract

An efficient soil analysis technique was developed to monitor soil fertility and perform precise soil management in tea plantations. In this study, near-infrared spectroscopy combined with chemometric methods was utilized to determine the organic matter and total nitrogen content and evaluate fertility of tea plantation soils. First, photometric precision and subtractive spectroscopy were used as indicators in identifying optimal sample preparation condition. Spectral reproducibility reached an optimum with powder particle size of 100 mesh (0.149?mm). Second, after comparing the combinations of the partial least squares method with three different characteristic wavelength extraction methods, the genetic algorithm and competitive adaptive reweighted sampling quantitative discrimination models were determined to be optimal for organic matter and total nitrogen contents, with prediction correlation coefficients of 0.9102 and 0.8763, respectively. Third, classification models for soil fertility level using linear discriminant analysis, support vector machine, and extreme learning machine were established based on a full spectrum and successive projections algorithm separately. The successive projections algorithm-extreme learning machine model was deemed superior with a correct classification rate of 84.38%. Our findings demonstrate that the proposed near-infrared spectroscopy calibration models successfully achieve the nondestructive and rapid evaluation of organic matter and total nitrogen contents, as well as the classification of soil fertility levels, in tea plantation soils. The results provide a basis for the development of internet-of-things sensors in the construction of a high-yield and high-quality tea plantation.     

施加有机肥对农田有机质和氮素演化影响的光谱学分析

施用有机肥是改善土壤物理结构、提升土壤肥力、调控养分平衡的的有效手段之一，但目前有机肥施用对农田有机质和氮素演化的影响尚不清楚。研究了施入有机肥后土壤总有机碳(TOC)、可溶性有机碳(DOC)、无机氮含量的变化特征，并利用三维荧光光谱分析了施加有机肥后土壤DOM光谱学特性的变化规律，结合PARAFAC分析法分析了施加有机肥后不同时期土壤水溶性有机物(DOM)各组分相对含量的变化，利用2D-COS技术分析各荧光组分随时间的变化顺序，此外采用典型相关度分析法研究了DOM各组分相对含量与土壤氮素的响应关系，以探究施入有机肥对土壤有机质和氮素演变的影响。结果表明：①施加有机肥提高了土壤总有机碳、水溶性有机碳和硝态氮含量，降低了铵态氮含量；②土壤DOM三维荧光光谱图出现了A峰（UV类腐殖酸）、M峰（UVA类腐殖酸）、T峰（类色氨酸），PARAFAC分析结果显示试验土壤DOM主要由陆地源类腐殖酸（C1）、典型类腐殖酸(C2)、类色氨酸(C3)组成。结果还显示，施加有机肥能提高土壤C1，C2和C3组分的相对含量，试验期间，施加有机肥处理后土壤C1，C2和C3组分的相对含量均呈现先上升后下降的趋势，第30 d达到最大值，不同荧光组分随时间的变动顺序一般表现为C1和C2组分先增加，然后C1和C2组合降解促进C3形成，为简便起见，可用C1(C2)↑→C3来描述。类腐殖酸变动幅度较大，施加有机肥对类腐殖酸促进作用更为显著；③施加有机肥能提高土壤的生物可利用性，降低土壤腐殖化程度。试验期间，施加有机肥后BIX值呈先上升后下降的趋势，在第30 d达到最大值；HIX值呈先下降后上升的趋势，在第30 d达到最小值。BIX和HIX呈显著负相关（R2=0.732）；④C1，C2和C3相对含量与硝态氮呈正相关，与铵态氮呈负相关，且C1和C2组分的相对含量对硝态氮和铵态氮含量的影响较大。综上所述，合理施加有机肥可调控土壤有机质和氮素转化，减少农田面源污染。     

一种新的光谱参量预测黑土养分含量模型

我国东北黑土富含养分,随着土壤数字制图、精确农业和土壤资源调查等研究的深入,引入航空高光谱数据并提供科学的预测结果成为研究热点。数据源为CASI-1500航空高光谱成像系统,光谱范围380~1 050 nm,空间分辨率1.5 m。在黑龙江建三江地区采集59个土壤样本,化验获得有机质、全氮、全磷和全钾含量数据,选择eps-regression支持向量机模型,BP神经网络和PLS1最小二乘回归模型,建立光谱与含量的机器学习模型。通过评价3种模型的预测精度,选用支持向量机方法,对航空高光谱数据进行全氮、全磷和全钾的信息提取,采用神经网络方法,反演了有机质信息。研究表明：以光谱统计量、光谱特征值和光谱信息量为大类指标,所选取的18个子指标,能够反映土壤光谱的综合情况,是一种新的土壤光谱数据处理方法。有机质和全钾信息提取精度最高的算法是神经网络法,误差分别为1.21%和0.81%,而支持向量机算法在提取全氮和全磷信息时,验证样本的实测均值和预测均值完全吻合,精度最高。评价航空高光谱提取土壤养分的综合精度,有机质、全氮、全磷和全钾提取误差分别为5.25%,6.05%,2.74%和8.90%,在全磷反演中精度最高。     

基于反射率模拟模型的黑土有机质含量估测

定量分析了黑龙江省黑土室内高光谱反射率曲线特征,确定了影响反射光谱曲线的主要特征控制点,建立了黑土光谱反射率模拟模型并对其进行评价,分析比较反射率数据、模拟后的光谱数据与土壤有机质含量的关系,建立了土壤有机质含量光谱预测模型。结果如下：有机质是小于1 000 nm范围黑土反射光谱特征的决定因素,随有机质含量变化,黑土光谱反射率在该范围呈现单/双吸收谷特征;黑土反射光谱曲线在450～930 nm范围内有５个主要特征控制点;黑土反射率模拟模型能较准确地描述黑土反射光谱曲线,直线模型的模拟效果更好;以反射率模拟模型系数为自变量的有机质含量预测模型优于基于反射率及其一阶微分的模型,说明反射率模拟模型的曲线控制点选择合理且有代表性,反射率曲线模拟方法能够准确描述黑土的实际光谱反射率。     

土壤主要养分近红外光谱分析及其测量系统

土壤是农业生产的基础,采用近红外光谱技术实现对土壤养分的快速分析,研制分立波长型近红外土壤养分测量系统,指导农业生产过程,有助于改变现有农业生产的粗放经营状态.首先,使用FOSSXDS近红外光谱分析仪对85份东北土壤样品采集光谱,采用相关系数谱及连续投影法等化学计量学算法分析土壤的近红外光谱,并优选出总氮和有机质的特征...     

光纤近红外光谱法在中草药分析中的应用——甘草中甘草酸含量的测定

提出光纤近红外光谱技术在线和快速检测中药甘草中有效成分甘草酸含量的方法。对含甘草酸浓度在0.94%～3.06%内的甘草,根据其在10 000～4 000 cm-1的近红外吸收光谱, 采用偏最小二乘算法(PLS)和主成分回归算法(PCR)建立了校正模型,比较了光谱不同前处理方法对校正结果的影响,当采用数据标准化并求一阶导前处理时可较好提取中药复杂体系的信息。当采用PLS算法时,校正集相关系数为0.958,校正集标准偏差(SEC)为0.179,验证集标准偏差(SEP)为0.197,PLS算法优于PCR算法。该方法快速和简便,适合于中药有效成分在线监控。